EPISODE · Jan 10, 2026 · 23 MIN
2026.01.10 伊隆馬斯克對人類文明未來的預測,你還要擔心沒錢嗎
from 外交官的國際新聞導覽及中東中亞的歷史故事 Diplomat's daily news review and history research on Middle East and Central Asia · host 蘇育平 Yuping SU
2026.01.09|AI與大數據 唸醫學院沒意義了?馬斯克吐6大預測:為何未來在特斯拉晶圓廠,可以吃漢堡、抽雪茄? 在德州奧斯汀的超級工廠,伊隆·馬斯克預測未來半導體製程將突破現有技術限制,甚至無需無塵室。 #智慧機器人#馬斯克(elon musk)#xAI 在德州奧斯汀這座佔地千萬平方英尺的超級工廠裡,伊隆·馬斯克(Elon Musk)與未來學家 Peter Diamandis 進行了一場直視文明盡頭的對談。馬斯克認為,我們並非正在「走向」奇點(Singularity),而是已經身處風暴中心。 在這場被他形容為「超音速海嘯」的變革中,馬斯克拋出了六項重塑人類文明的關鍵預測。這份藍圖始於對半導體製程的挑釁,經過能源與醫療的革命,終於對社會經濟結構的徹底重構。 預測一:漢堡、雪茄與 2 奈米騙局 馬斯克首先將砲火對準了科技業的基石。他語出驚人地將業界競逐的「2 奈米」斥為行銷話術,認為這已觸及矽原子排列的物理極限。但他真正的賭注在於推翻「無塵室」的必要性。 掌握最新AI、半導體、數位趨勢!訂閱《數位時代》日報及社群活動訊息 表單的頂端 表單的底部 他預言,未來的特斯拉晶圓廠將不再是閒人勿近的聖殿。透過「晶圓隔離(Wafer Isolation)」技術(將晶圓運輸於充滿氮氣且具微正壓的容器中),他聲稱自己即便在廠內「一邊吃起司漢堡、一邊抽雪茄」,外部汙染也無法觸及晶圓。 換言之,他認為現行產業淨化整個房間的做法,違背了第一性原理。 儘管這番言論展現了馬斯克式的破壞性思考,但也引發業界質疑。例如台灣科技專家許美華反駁指出,馬斯克嚴重低估了 EUV 曝光顯影等製程對環境一致性的嚴苛要求,「如果密封就能解決,台積電與英特爾的頂尖工程師早就解決了。」 預測二:AI 將在 2026 年超越人類 關於 AI 的發展速度,馬斯克給出了極其激進的時間表。他預測通用人工智慧(AGI)將在 2026 年問世,而到了 2030 年,AI 的智慧總量將超越全人類智慧的總和。 這場智慧爆炸將對勞動市場帶來毀滅性打擊。馬斯克警告,任何僅涉及「鍵盤與滑鼠」的資訊處理工作(白領階級)將首當其衝。若工作內容未觸及「塑造原子(Shaping Atoms)」的物理操作,被 AI 取代將是不可逆的宿命。 為了確保 AI 不會失控,他強調必須將「追求真相」與「好奇心」植入 AI 的核心,避免其因邏輯矛盾而陷入瘋狂。 預測三:軌道資料中心與 Starship 當 AI 算力呈指數級增長,地球上的電力供應卻成為了「最內層的限制」。馬斯克預警,變壓器與發電設備的短缺將在一年內卡住晶片的運作。 馬斯克舉例,為了給位於孟菲斯的Colossus 2訓練叢集提供1吉瓦的電力,xAI團隊不得不自行拼湊一個由多個燃氣輪機組成的發電廠,並使用大量Megapack電池來平滑巨大的功率波動。 馬斯克也觀察到,中國在太陽能領域「把我們甩開了好幾圈」,並預測基於其龐大的電力基礎設施投資,「中國在AI算力方面將遠遠超過世界其他地區。」 為了突破此瓶頸,馬斯克將目光投向太空。隨著 Starship 將發射成本壓低至每公斤 100 美元以下,一個全新的商業模式應運而生:「軌道資料中心」。亦即在太空中部署由太陽能供電的AI衛星,將成為最具經濟效益的算力擴展方案。 馬斯克設想了一條通往每年在軌部署1太瓦(Terawatt)太陽能AI衛星的道路,但這需要每年執行數千次Starship發射任務。 預測四:Optimus將指數增長 當 AI 解決了腦力問題,人形機器人 Optimus 將接管體力勞動。馬斯克指出,Optimus 的進化速度將是「軟體、晶片與機電靈巧度」三重指數疊加的結果。 他大膽預測,在 3 至 5 年內,Optimus 將具備自我複製能力,特斯拉工廠甚至已預留了 800 萬平方英尺的空間準備進行大規模量產。這將導致「勞動」定義的根本性轉變:從工廠流水線到家庭幫傭,所有物理工作都將由機器人代勞。 馬斯克認為,他之前預測的到2040年全球將有100億台人形機器人是一個「偏低的數字」。機器人將從最初的稀缺迅速過渡到無處不在。 預測五:衰老可治癒,讀醫學院將「毫無意義」 如果說機器人取代藍領令人震撼,馬斯克對醫療領域的預測則挑戰了菁英階層的認知。他直言,隨著 AI 與機器人技術的指數級進步,「去讀醫學院將變得沒有意義」,除非是為了社交或個人興趣。 馬斯克做出這個預測的理由在於,人形機器人將成為比人類更強的醫生。他預測,在未來 3 年內,人形機器人(Optimus)在外科手術上的表現可能會超越最優秀的人類外科醫生;而在 5 年內,其實力將會讓人類醫生「望塵莫及」(not even close)。 馬斯克指出,人類醫師依賴個人的經驗累積。當你問醫生動過幾次手術時,他只能回答他個人的次數。但機器人醫師擁有「共享記憶」(shared memory)。每一個 Optimus 外科醫生都擁有所有機器人的經驗總和。它們看過每一種變異、每一種紅外線或紫外線下的影像,並且不會因為早上喝太多咖啡手抖,或是因為跟配偶吵架而分心。 「念醫學院沒有用」的具體對話 這段話是由主持人 Peter Diamandis 總結馬斯克的觀點時引出的。他問,「所以每個人的醫療照護品質都會比現在的總統還好,所以不要去念醫學院了?(so don't go to medical school)。」馬斯克回答:「是的,沒有意義(yes pointless)。」 但馬斯克隨即補充了一個重要的但書: 他認為這適用於未來的任何教育形式。除非你是為了「社交原因」(social reasons)或個人興趣而去,否則從就業或實用角度來看,這將不再是必要的。 預測六:宇宙高等收入(UHI) 當機器人接管生產、AI 接管醫療與教育,商品與服務將變得極致豐裕且低廉,人類將迎來「宇宙高等收入(Universal High Income)」時代。 馬斯克強調,這不同於依賴稅收重分配的「全民基本收入(UBI)」,UHI 建立在生產力極大化導致的「變現」基礎上。因為一切都太便宜了,金錢將逐漸失去意義。 然而,通往天堂的路途充滿荊棘。馬斯克最擔憂的並非長遠未來,而是未來 3 到 7 年的「過渡期」。在這段期間,舊體系崩解而新秩序尚未建立,社會可能出現「物質繁榮與社會動盪」並存的奇特景象。面對反應滯後的政府體制,這將是人類文明最脆弱的時刻。 結語:保持樂觀之必要 訪談的最後,馬斯克收起了激進的技術預測,轉而以一種近乎哲學的宿命論,為這場對談畫下句點。他提出了一個耐人尋味的觀點:如果人類置身於模擬宇宙之中,那麼最「有趣」的結局往往就是最可能的結局。亦即「保證精彩」(Excitement Guaranteed)。 面對這個或許通向《星際迷航》般繁榮、或許充滿未知的奇點時刻,馬斯克給出的最終建議是「變現希望」(Monetize Hope)。在他眼中,當世界正以指數級速度發生變革時,樂觀已不再是一種單純的心態,而是一種必要的生存策略。 畢竟,在這個註定精彩的劇本裡,唯有擁抱希望的人,才能在巨變中找到立足之地。 資料來源:Peter H. Diamandis ----------------- 蘇老師解析:AGI通用人工智能的威力,我想從2025年各種ChapGPT, Gemini, Deepseek等人工智慧工具陸續面世後,如果大家有真的去親身使用體驗過的話,就會知道它的潛力與威力無窮。之前天文物理學家霍金曾警告人類不要再發展AI,因為人工智慧繼續學習下去,人類有朝一日會被AI給取代。2026年,伊隆馬斯克說,人類所有的白領工作將大部分被AI取代,至於藍領的工作則是早已經大多數被較低階的機械自動化時就被取代了,只留下一些難以標準化的工作留給人手去操作。 之前大家認為機器只能做不需要大腦的簡單、重複、枯燥乏味的工作,結果現在AI經過迅速有效率且速度如閃電般的重複學習,並經過與人類交流而學習人類的思維模式,到現在已經算是不輸人類了,甚至可以經過一些敘述要求而自動生出影像、照片、故事、程式碼、商業提案、幫助閱讀文章後生出綱要簡報,聽音樂告訴你歌名、看照片告訴你這在哪裡等等,更別提不同語文間的翻譯都是小case了。 有一天也許我們在到學校都不再有任何意義,因為教育系統中教導的是上個世代的僵固內容,新時代的AI與星辰大海已經將舊時代遠遠的甩在後面。不要認為你現在的工作是無可取代的,只要是可以用語言描述下來的事情,都是可以用AI做到的。未來就算是醫生診療、律師寫狀紙、工程師造橋鋪路、司機駕車開飛機、農夫種田收割與買賣農作物、開餐廳賣食物、開銀行作金融服務,哪一項是電腦不會做不能做的? 文章又說AI可以讓未來所有工作的價值降到最低,幾乎所有服務都可以以成本價、及低價或甚至免費的方式來取得,屆時錢這種東西會失去它代表的意義。在宇宙時代開啟的未來,只有能源才是未來財富的象徵,其他的資源或貴金屬在宇宙中都是多到無窮無盡的。 美國、日本、中國都在發明太空太陽帆計畫,把太陽能板架在太空中吸取太陽光能源,並用維波方式將電源送回地球接收站接收,只要地球還存在50億年,那麼未來的50億年大家都可以不用擔心沒有電用。 -- Hosting provided by SoundOn
Embed this episode
Ready to play
2026.01.10 伊隆馬斯克對人類文明未來的預測,你還要擔心沒錢嗎
No transcript for this episode yet
Similar Episodes
No similar episodes found.
Similar Podcasts
No similar podcasts found.