结论先行：AI的进化速度是人类从未见过的。AGI可能在5年内到来，所有劳动都可能被AI取代。台湾有最好的制造业底子，但GPU严重不足，时间窗口不会太长。
一、AI现在走到了哪里？
一句话总结：AI已经能在所有领域达到专业水平，速度是人类的上百倍。
一篇几十页的论文，丢进去2秒摘要完毕——没有任何人类能做到。而且它什么都会：物理、化学、数学、文学、法律、医学，全领域精通。
2025年最热的关键词只有一个：Agent（代理人）。
Agent不是概念，是实实在在让AI代替你操作软件、使用工具、处理数据。就像你突然多了好几个部署——你说一句话，它就去做了。
推动Agent爆发的是两件大事：
第一，Anthropic 推出 MCP（Model Context Protocol），一套让AI能像人一样使用工具和获取数据的标准协议。令人惊讶的是，Anthropic 的最大竞争对手 OpenAI 立刻宣布跟进。几个月内，MCP 成了事实标准。
第二，Google 推出 A2A（Agent-to-Agent）。当每家公司都推出自己的Agent之后，Agent之间怎么协作？A2A就是答案。更惊人的是，Google发表后微软立刻说"我们也干"。
几个月之内，两个标准同时成型。这个产业的推进速度是人类历史上从未出现过的。
二、AI比人类聪明了吗？
这个问题之所以有争议，是因为"智能"没有统一定义。但如果问我个人的感受：现在的顶级AI（Gemini、Claude、ChatGPT）在很多方面已经比人类更聪明——至少在四个方面：
| 维度 | AI表现 | 人类对比 |
|---|---|---|
| 知识广度 | 物理化学数学文学法律医学全通 | 无人能覆盖所有领域 |
| 速度 | 几十页论文2秒读完摘要 | 最快也要十几分钟 |
| 规模 | 同时服务数万人 | 1对多极其有限 |
| 学习速度 | 瞬间消化海量新资讯 | 需要漫长学习 |
但它没有身体性、没有自我意识、没有自主决定要做什么的能力——在这个意义上，跟人类的智能还是很不一样的。
三、AGI是什么？为什么所有人都在追？
AGI（Artificial General Intelligence，人工通用智能），就是能在所有领域全面超越人类的AI。
为什么所有公司拼了命想做到？因为先抢到的人会赚到无法想象的钱。
- Google 先抢到搜索引擎，至今还在赚难以置信的利润
- Line 先抢到台湾的通讯软件市场，至今仍是统治者
如果先抢到 AGI？那是抢到了所有的工作、所有的劳动。
OpenAI 的 Sam Altman 把AI分成五个阶段：
- 聊天机器人
- 推理
- Agent（我们在这里）
- 创新
- 组织（AI独立完成需几十人几个月的工作）
时间表令人震惊：Sam Altman、Demis Hassabis（Google DeepMind）、Geoffrey Hinton（神经网络之父）、2025年诺贝尔物理学奖和化学奖得主，全部说AGI会在2030年之前到来。
五年之内。
四、最先被取代的工作
AI擅长找出隐藏的模式。任何有重复性的工作，都有模式；有模式，AI就能做。
长期（五年）来看，所有工作都可能被取代。但现在最危险的几个：
| 工作 | 为什么最危险 |
|---|---|
| 写代码 | 编程语言是人类创造的，规则极度清晰。Google去年新代码1/4是AI写的，今年已近一半 |
| 法律 | 法律是人类制定的规则，规则就是模式，这正是AI最擅长的 |
| 行销 | 绝大多数行销活动是重复模式（促销、满减、赠品） |
| 客服 | 80%的通话是20%的问题反复出现，AI不会得忧郁症 |
| 翻译/设计/文案 | 多数时候"够好就行"，而AI做到够好只需要2秒 |
体力劳动呢？人形机器人已经来了。
五、台湾的AI困境与突围
这是全片最值得关注的部分。
台湾在AI竞赛中的位置：掉队了。
全球格局：美国≈100分，中国≈85分，第三到第八名≈35分。台湾可能排第六第七，但跟前两名的差距太大——35分的第六名和36分的第七名没任何差别。
问题出在哪？GPU算力
现代AI的核心是规模法则（Scaling Law）——投入越多算力、灌入越多数据、模型越大，性能就必然提升。
中国的 DeepSeek 一家公司就有5万张GPU。台湾所有学术机构和企业加起来，算力还不如人家一家公司。
这意味着：台湾的AI研究者写不出顶级论文，因为没有算力跑实验；台湾的AI初创做不出世界级模型，因为训练一个模型需要几千张GPU跑几个月。
但台湾有一个其他国家没有的优势：制造业
美国AI最强，但几乎没有制造业。AI再厉害，贴到什么上面去？ 中国有制造业也有AI，这是台湾最大的威胁。
但台湾的制造业价值链是完整的——从上游材料到IC设计、晶圆代工、下游封测，再到精密机械、被动元件、电子代工，全世界找不到第二个。
台湾应该怎么做？
第一，GPU要砸钱买，政府要出钱——这不是企业自己能解决的问题。
第二，走开源路线——后发追赶者用开源最有利。开源社区有1万人帮你找漏洞、改进功能。而且台湾有一个独特的地缘政治优势：东南亚、中东那些没有AI的国家，不敢用美国的（太大，有帝国主义包袱），也不愿用中国的。但台湾够小、没有帝国历史、又是科技强国——这些国家愿意跟台湾合作。
第三，产学研要结合——大学的研究能力 + 政府的资源 + 企业的应用场景，三者缺一不可。
六、AI时代最需要培养的能力
答案不再重要了。 AI什么都知道，它有所有的答案。
真正重要的是提问的能力——你能问出多好的问题？你能问出别人问不出的问题？AI不是搜索引擎（问一次就结束），AI的核心是对话和讨论，你需要跟它来回交锋，一步一步逼近问题的本质。
但这需要你能听懂它的回答，需要有足够的背景知识来追问，需要有足够的教养从不同角度切入。
所以这是一个教养的时代。阅读比任何时候都重要，广泛的知识比任何时候都重要。 因为答案AI会给你，但问题只有你自己能问。
总结
| 维度 | 现状 | 建议 |
|---|---|---|
| AI进化速度 | 前所未有，5年内AGI可能到来 | 立即行动，不要观望 |
| Agent | MCP/A2A几个月成标准 | 学习使用Agent工具 |
| 最先被取代的工作 | 写代码、法律、行销、客服 | 培养AI无法替代的能力 |
| 台湾AI位置 | 掉队，GPU严重不足 | 政府投GPU、走开源路线 |
| AI时代核心能力 | 提问能力 | 广泛阅读、深度思考 |
追不追得上不是能力的问题，是决心的问题。