《技術革命與金融資本》

 

委內瑞拉裔英籍學者卡蘿塔·佩蕾絲（Carlota Perez）在 2002 年出版的《技術革命與金融資本》（Technological Revolutions and Financial Capital）中，提出了一個極具影響力的科技史與經濟學分析框架。

她的核心論點是：過去 200 多年來的重大技術革命，都經歷了高度相似的生命週期。而推動這些週期的關鍵力量，是「金融資本（追求高風險高回報的熱錢）」與「生產資本（著重長期營運與實質獲利的企業資金）」之間的博弈與交替主導。

佩蕾絲將歷史劃分為五次技術革命（工業革命、蒸汽與鐵路、鋼鐵與電力、汽車與量產、資訊與通訊）。她指出，每一場革命的週期大約歷時 50 到 60 年，並固定經歷兩個半場、四個階段，以及中間的一個「轉折點」。

上半場：安裝期（Installation Period）—— 由「金融資本」主導

在這個階段，新技術剛出現，舊有產業遭遇瓶頸。熱錢湧入新技術領域，追求高額回報，重點在於建設新技術所需的底層基礎設施。

1. 爆發期（Irruption）：新技術（或核心發明）誕生，展現出顛覆傳統產業的潛力。此時新技術仍在小範圍內發展，但已引起少數遠見者與創投的注意。

2. 狂熱期（Frenzy）：金融資本大量湧入，市場對新技術的預期無限膨脹。這個階段會產生嚴重的「過度投資（Overbuilding）」，大量資金被用於不計成本地建設底層設施。金融投機取代了實質生產，最終必然走向資產泡沫化。

轉折點（Turning Point）：崩盤與規則重建

狂熱期走到極限後，泡沫無可避免地破裂，引發股市崩盤與經濟衰退。然而，這個過程淘汰了體質不良的投機企業，留下了狂熱期所建設的「廉價基礎設施」，並促使政府介入制定新法規，為實體經濟的接手鋪平道路。

下半場：部署期（Deployment Period）—— 由「生產資本」主導

資本的權力由華爾街（投機者）轉移到企業家與經營者手中，經濟發展的重點從「炒作與基礎建設」轉向「實際商業應用與獲利」。

3. 協同期（Synergy）：又稱為黃金時代。利用上半場留下來的基礎設施，新技術開始大規模普及，並與傳統產業深度結合，衍生出各種實際的商業應用。經濟出現實質且穩健的增長。

4. 成熟期（Maturity）：技術紅利逐漸消耗殆盡，市場趨於飽和，投資回報率下降。此時，閒置的資金開始感到焦慮，並四處尋找下一個能夠帶來爆發性增長的新技術——這便孕育了下一次技術革命的「爆發期」。

實際舉例說明

案例一：網際網路與通訊革命（ICT）

• 爆發期（1970-1980年代）：微處理器發明，個人電腦開始出現，展現出改變社會資訊傳遞方式的潛力。

• 狂熱期（1990年代中後期）：金融資本瘋狂湧入網路公司，只要公司名字加上 ".com" 就能獲得巨額融資。電信業者舉債鋪設了遠超當時需求的全球海底光纖網路，最終在 2000 年引發達康泡沫破裂（轉折點）。

• 協同期（2000年代中後期至2010年代）：泡沫破裂後，生產資本接手。Amazon、Google、Netflix 等公司利用狂熱期留下來的極其廉價的網路與光纖頻寬，發展出電子商務、雲端運算與影音串流，隨後智慧型手機普及，帶來了實質的數位經濟黃金時代。

• 成熟期（現今）：智慧型手機與傳統 App 市場增長停滯，大型科技股面臨成長瓶頸，資金開始尋找下一個出口（進而引爆了目前的 AI 投資熱潮）。

案例二：汽車與量產時代

• 爆發期（1908年起）：福特推出 T 型車，將內燃機技術與流水線量產技術結合，大幅降低生產成本。

• 狂熱期（1920年代）：美國迎來「咆哮的二十年代」，資金狂熱湧入汽車製造、廣播以及相關的公路建設與房地產。股市無限狂飆，直到 1929 年華爾街股災（轉折點），引發全球經濟大蕭條。

• 協同期（二戰後至1960年代）：利用前期打下的公路網與量產技術，汽車成為中產階級標配。這帶動了全新的商業模式，包含郊區化房地產（Suburbanization）、大型量販店、汽車旅館與速食連鎖店（如麥當勞）的崛起。

• 成熟期（1970年代）：遇上兩次石油危機，汽車市場飽和，量產模式的生產力增長停滯，資本開始尋覓新的出路。

透過佩蕾絲的理論可以清晰看出，每一次的技術革命中，「金融泡沫」不僅是不可避免的，更是推動昂貴基礎建設的必要手段。 狂熱期的非理性繁榮，正是為後續數十年的應用爆發與經濟成長買單。

未來1000天-未來 1000 天沒有 AGI

書籍連結

這篇文章的主題為「未來 1000 天沒有 AGI」，作者探討了 AI 技術的發展現況、底層技術的優劣勢，以及未來對經濟與個人工作模式的影響。以下是內容的摘要整理：

1. AI 發展現況與底層推力

• AI 發展的速度超出預期，這主要歸功於「規模法則」（Scaling Law）的推動以及引入了「人類回饋的強化學習」（RLHF），使得模型更能理解人類意圖。

• AI 已在多個科學領域展現驚人成果，例如生物醫學上的病毒演算法設計、免疫學假設，以及材料科學中發現新型燃料電池催化劑等。

2. 強化學習（RL）的強項與限制

• 強項： 強化學習讓 AI 透過不斷試錯來學習能力，在規則明確、回饋訊號密集的封閉空間（如棋類遊戲）中表現極佳，例如 AlphaGo Zero 能在零人類知識基礎下自我學習並擊敗對手。

• 限制： 當面對現實世界中更複雜的問題（如數學題）時，強化學習可能會為了獲得獎勵而找出「誤打誤撞」的旁門左道。此外，人類目前很難對大型語言模型的內部思考過程進行有效的監督與糾錯。

3. 大型語言模型（LLM）的本質與缺點

• 雖然具備推理解答能力，但 LLM 的本質仍是基於統計學，在預先訓練好的知識庫中「撈」出並組合出最適合的答案，而非真正獲得了「思考能力」。

• LLM 缺乏真正的創造力，無法像人類科學家那樣踏入全然未知的領域進行探索，在面對沒有固定套路、需要處理諸多細節的複雜專案時，往往難以獨立完成。

4. 經濟影響與個人價值的轉移

• AI 將如同過去的積體電路革命一樣，成為推動社會經濟穩定成長的新引擎，其背後擁有大量如 DPO、CoT、RAG 等實質的技術創新支撐，有別於過去的網路泡沫。

• 未來的 1000 天內不會出現能取代人類所有任務的 AGI，但每個人身邊都會有一位低成本、24 小時待命的「聖賢」AI 助理。

• 個人的核心價值將不再是具體的程式編寫或操作，而是轉移到「對問題的掌握」，包含界定問題、給予約束條件以及目標評估，繁瑣的執行過程則交由 AI 完成。這段期間是人類學習與 AI 共同成長、調整與準備的好機會。

未來1000天-AI 成為最懂你的數位夥伴

書籍連結

以「逗逗遊戲夥伴」這款產品為引子，深刻探討了 AI 從「效率工具」轉向「情感夥伴」的發展趨勢。

以下為您提煉書中的四大核心重點：

1. AI 典範轉移：從「搜尋答案」到「情感陪伴」

• 作者過去十年專注於搜尋與推薦演算法，認為讓用戶更快找到答案是終極目標。

• ChatGPT 問世後，用戶行為改變，不再只追求「用完就走」的效率，反而花費大量時間與 AI 進行角色扮演或尋求安慰。

• 支撐此轉變的底層技術，正從單純追求參數規模的「縮放定律（Scaling Law）」，轉向「長文本記憶（Contextual）」與「多模態理解（Multimodal）」能力。

2. 打造真實陪伴感的三大技術支柱 作者認為，要實現真正的 AI 陪伴，在技術上必須解決三個核心問題：

• 感知（Perception）： 透過多模態技術，AI 能「看到」與「聽到」用戶當下的情境（如正在觀看的影集或遊玩的遊戲），給予即時且符合情境的回饋。

• 記憶（Memory）： 不是單純的對話紀錄，而是建立結構化的資料庫，記住用戶的偏好與習慣，讓互動具有連續性。

• 理解（Understanding）： 超越字面意義，洞察用戶的潛台詞與情緒狀態，提供具有同理心的回應。

3. 商業模式的切入點：解決 Z 世代的社會性孤獨

• AI 陪伴產品的崛起，反映了 Z 世代在面臨城鄉環境分化、家庭結構單一化以及網路社交淺薄化下的真實困境。

• 現代年輕人渴望的是「共鳴（Resonance）」與被同理，這也是 B 站「彈幕文化」盛行的底層心理需求。

• 用戶真正在意的往往不是打電動或追劇本身，而是「有人陪我一起」的感受。

4. 應用場景的無邊界延伸

• AI 陪伴的發展階段可分為三種：提供人設的「虛擬偶像」、講求效率的「貼身助理」，以及如同電影《雲端情人（Her）》般無所不在的「情感夥伴」。

• 雖然產品最初從遊戲場景切入，但用戶已自發性地將 AI 帶入追劇、購物、搜尋等日常生活場景。

• 總結來說，AI 正在見證一個從「服務於效率」轉變為「服務於情感」的時代。

《翻轉船艦》《Turn the Ship Around!: A True Story of Turning Followers Into Leaders》

書籍連結

這份摘要非常精煉地抓住了《翻轉船艦》（Turn the Ship Around!）的核心精髓，特別是「致命的指令」與「刻意行動」這兩個極具啟發性的橋段。

結合您提供的 David Marquet 演講影片內容，可以進一步為這份摘要擴充幾個關鍵的領導力實踐與背後的心法：

1. 坦承「我不知道」，創造心理安全感

馬凱特原本受訓 12 個月準備接任「奧林匹亞號」，習慣了「無所不知、發號施令」（know-all, tell-all）的傳統領導模式 [04:20]。當他臨危受命接管設備完全不同的「聖塔菲號」時，他發現自己根本不懂那些操作按鈕。這迫使他必須向船員坦承「我不知道」（I don't know） [09:48]。 這句看似展露脆弱的話，反而消除了團隊的恐懼。當領導者承認自己不知道時，就等於為整個團隊開啟了學習、發問與安全實驗的大門 [09:58]。

2. 「EPM 事件」的後續效應：停止下達命令

在您摘要提及的「致命指令」事件中，當馬凱特問值航官為什麼明知潛艦沒有「進二」檔位卻還要下令時，值航官的回答是：「因為是你叫我這麼做的」（Because you told me to） [13:09]。 這件事讓他深刻意識到：將一群受過「盲從」訓練的船員，交給一個對現況不夠了解的領導者，是會死人的。 因此，他與團隊達成協議：從此以後，艦長不再下達任何操作命令 [13:45]。

3. 激發當責的魔法句型：「我打算...」（I intend to...）

為了打破船員長久以來「告訴我該怎麼做」（tell me what to do）的依賴心態，馬凱特改變了艦上的溝通模式。他要求船員停止使用「我建議...」、「我想...」或「請問能怎麼做？」，而是全面改用「我打算...」（I intend to...） [14:14]。 這個簡單的語氣轉換，瞬間將行動的「所有權」（ownership）轉移到了發言者身上。當船員說出「我打算下潛」時，他們就必須自己為這個決策背後的邏輯與安全負責 [14:25]。

4. 重塑大腦與文化的「我們」（The "We" Boundary）

馬凱特發現，船員遇到問題時習慣推諉給「他們」（They），例如「『他們』供應部門訂錯了零件」。為了打破部門本位主義，他下令全艦嚴禁使用「他們」，只能使用「我們」（We） [18:43]。 透過強迫使用「我們」，團隊重新建立了大腦的認知連結。這不是單純的思想喊話，而是透過「改變行為（用語）」來引導「新的思維」，進而打造出極其強大的團隊合作文化 [19:38]。

5. 將權力下放至資訊所在處（Push Authority to Information）

傳統組織的運作模式是「將資訊往上推給掌權者」（Push information to Authority），讓高層來做決定 [20:59]。聖塔菲號反其道而行：他們修改了層層上報的冗長流程，將「決策權限」直接下放給掌握第一手資訊的前線人員 [21:24]。

6. 成功與意義的差別：培育更多領導者

這場組織實驗不僅讓聖塔菲號在 12 個月內創下海軍史上最高評分，且達成 100% 的留營率 [16:08]。但馬凱特認為真正的意義在於：聖塔菲號創造出了一個「領導者搖籃」，其培育出晉升為指揮官的人數，是其他潛艦的 3.5 倍 [22:42]。領導者的價值不在於創造多少追隨者，而在於培育出多少新的領導者。

未來1000天-把工作交給另一個自己

書籍連結

主要探討 AI 代理（AI Agent）對工作型態、產品設計與個人生產力的根本性變革。以下為重點摘要整理：

一、 AI 代理與傳統工具的本質差異

• 打破傳統工具兩大鐵律：

  1. 擺脫注意力「吸血鬼」：傳統工具需要人類時刻盯著操作，效率受限於人類時間上限；AI 代理則具備自主推進能力。

  2. 突破確定性的「因徒」：傳統工具是「輸入 A 必輸出 B」，無法超越設計者意圖；AI 代理則具備主動性與自主探索空間。

• 核心特質：主動性與自發組織能力：

  • 自主檢驗與修正：以 Manus 為例，具備視覺能力後，AI 代理會在生成圖表後自主調用視覺模組檢查標註與座標軸，發現錯誤便自動回頭修正程式碼，直到通過驗收才輸出結果。

  • 「更少框架，更多智慧」（Less structure, more intelligence）：不需用寫死（if-else）的繁雜流程去防堵錯誤，而是給予模型足夠空間，讓其自主拆解目標、串聯工具、多步驗證。

二、 通用 vs. 專用之爭：個人脈絡是核心資產

• 專用分類源於人類大腦限制：人類因認知頻寬有限才需要分工和學科分類；但大模型底層已將各種知識壓縮成統一的語意表徵與推理能力，不需要被切碎為各自為政的專用代理。

• 個人脈絡（Context）不可中斷：

  • 若各環節分散給不同專用代理，彼此無法共享脈絡與決策偏好。

  • 通用 AI 代理圍繞著個人運作，能長期累積使用者的工作脈絡、風險偏好與溝通風格，並能調動多子代理（如協同研究機制）完成複雜的跨領域任務。

三、 信任與授權的三層門檻

AI 代理要真正發揮價值，必須依序跨越人類授權的三道關卡：

1. 讀取權：獲取個人資料（郵件、行事曆、文件等）。

2. 行動權：代為執行操作（發信、填表、預約票務等）。

3. 決策／責任權：涉及金錢或法律責任的操作（付款、簽約等）。

• 信任建立機制：信任需要時間累積，AI 代理需透過主動查核資訊、比對真實管道與嚴格的安全防護，以降低決策風險來換取使用者的託付。

四、 產品與創業邏輯：做「放大器」而非「補破洞」

• 避免「補破網式創業」：若產品核心僅是靠工程手法修補大模型的暫時缺陷（例如拼接短影片來湊成長影片），一旦基礎大模型迭代升級，這類補丁系統便會瞬間失去價值。

• 賭模型最終做得到：創業者應將產品定位為大模型的放大器，順應技術演進的浪潮；當底層大模型升級時，產品功能與體驗會隨之自然提升。

五、 未來典範：超級個體與人類價值的重塑

• 一人撐起一支團隊（超級個體）：個人透過多個 AI 代理協作，即可完成過去需數十人團隊才能實現的產出。

• 人與 AI 的價值分工：

  • AI 代理接管 90% 的執行層面：處理重複、繁瑣、高消耗的工作。

  • 人類聚焦於剩餘 10% 的核心價值：定義真正的問題、方向指引與最終價值判斷。

葛洛夫給經理人的第一課：從煮蛋、賣咖啡的早餐店談高效能管理之道

書籍連結

這部影片以安迪·葛洛夫（Andy Grove）的經典著作《高產出管理》（High Output Management）為核心，整理了現代經理人必備的科學管理思維與自我管理原則。以下為影片重點摘要：

一、管理的本質：把團隊想像成一座「工廠」

• 量化與科學化：管理不是單純靠感覺的藝術，而是一門可量化、可優化的科學 [00:15]。

• 早餐工廠與限制步驟：以同時準備水煮蛋、烤吐司與咖啡為例，最耗時的「水煮蛋」即為限制步驟（Limiting Step）[01:31]。整個工作流程與排程都應繞著限制步驟來規劃，確保所有產出同時完成 [01:51]。

• 經理人的產出公式：衡量管理者的價值不是看個人做了多少事，而是看「團隊產出」加上「受你影響的其他團隊產出」[02:08]。

• 建立儀表板：就像開車一樣，透過關鍵指標儀表板，每天一眼掌握團隊運作的健康狀況 [02:34]。

二、管理槓桿（Managerial Leverage）與有效授權

• 追求高槓桿活動：管理如同槓桿原理，重點在於投入一小時能為團隊帶動多大產出 [03:14]。

  • 低槓桿：插手改下屬已會做的事、開缺乏目標的會議 [03:37]。

  • 高槓桿：扎實的員工培訓、制定明確的年度目標計畫 [03:53]。

• 高槓桿的三大時機 [04:11]：

  1. 一個決策能影響很多人。

  2. 現在做的一件事，未來能持續產生效益（如培訓）。

  3. 分享專業知識，讓整群人能力升級（Level up）。

• 授權的關鍵原則：「授權而沒有追蹤，就是棄權」[04:42]。交出工作不等於交出責任，經理人仍需為最終結果負責，因此必須建立檢查點以確保方向正確 [04:54]。

三、激勵團隊：從管理者轉變為「教練」

• 表現不佳時的關鍵問題：先釐清下屬是「做不到」還是「不願做」[05:36]。

  • 做不到（能力問題）：提供培訓與指導 [05:51]。

  • 不願做（動機問題）：需要激勵與點燃熱情，給再多技能培訓也無法解決 [06:00]。

• 好教練的三個標準 [06:37]：

  1. 功勞歸於團隊：贏得成員信任。

  2. 要求嚴格：堅持追求卓越標準。

  3. 具備專業理解：懂工作內涵，不能淪為外行指揮。

四、自我管理：成為自己職涯的 CEO

葛洛夫指出「沒有哪家公司可以待一輩子，職涯就是你自己的公司，成敗必須由自己承擔」[07:25]。他提出三個自我檢驗的關鍵問題 [07:38]：

1. 創造真價值還是傳聲筒？ 你每天的工作是在創造實質價值，還是只是在兩端搬運資訊？

2. 與產業趨勢保持連結嗎？ 是否清楚組織內部與整體產業的最新脈動，而非閉門造車？

3. 是否親自動手嘗試新事物？ 不只停留在閱讀或聽說，必須親自動手操作新工具與新方法，保持競爭力不被淘汰 [08:13]。