台灣軟體弱,反而是 AI 時代的資產

「幸好我們的軟體弱,所以沒犯大錯。」

這是簡立豐(Google 台灣第一號員工、台灣最早一批做語言模型的人)在 Sega on AI 訪談裡的開場。第一次聽會覺得是自嘲,聽完會發現它是一個認真的判斷:在 AI 讓寫程式門檻驟降的這個節點,沉沒成本低反而是資產。沒有龐大的 legacy codebase、沒有一套二十年的舊流程要遷移,你可以直接用 AI 從乾淨的起點重建。積累深的人要付遷移稅,積累淺的人一步到位。

我認同這個判斷,而且覺得它可以拆成三層來用。

軟體代工被拉平,硬體代工反而更穩

把「代工」拆成兩種:印度做的是軟體代工,台灣做的是高階硬體代工。AI 會寫程式,等於把軟體代工的門檻直接拉低——這對以軟體外包為主的經濟體是威脅。但 AI 對物理世界的靈巧度還很弱,硬體的製造流程和供應鏈太複雜,短期內沒有被抹平的跡象。

判準很簡單:問「這個環節會不會被 AI 抹平」時,先分辨它在位元世界還是原子世界。位元的(純軟體、可以被程式碼化的流程)貶值快;原子的(物理製造、供應鏈整合)還有護城河。而且不管 AI 怎麼用,token 消耗往上走就是算力需求往上走,每一層硬體都要有人優化——台灣的硬體角色不是變少,是變多。

軟體弱的另一面:第一次有了規模化的槓桿

台灣軟體長年賺不到錢,結構性原因是規模化不了——十個人的軟體公司,只做本地生意,天花板就在那裡。AI 改寫的正是這條:十個人加上 AI,做得動過去要百倍人力才做得動的事,於是小團隊第一次有能力跟硬體大廠對等合作、吃下垂直領域。

所以評估一個小團隊(或你自己)的天花板,別再用頭數估,要用「頭數 × AI 槓桿」估。瓶頸從人力數量,移到「會不會把 AI 接成一個可託付的虛擬組織」。這也是「重來」這個建議能成立的前提:重來不是回到零,是回到一個槓桿完全不同的起點。

還有一個配套判準:同樣一筆 AI 預算,花在「讓既有流程更快」和花在「讓核心產品更聰明」,價值差很多。省成本有上限,開新產品沒有。重來的時候押哪邊,答案是明顯的。

分水嶺已經從「會問」移到「會建」

那誰能真的兌現這個槓桿?訪談裡引了一個四層的講法:問、用、管、照——最高那層「照」,就是 build。早幾年大家還在講「怎麼問好問題」,現在的分水嶺是你有沒有為自己的重複場景,建出一個屬於自己的 agent。

這條門檻正在下降。以前要高手才建得動的東西,工具鏈成熟後會被普及化。但「門檻下降」不等於「不用動手」——差距只會從「會不會寫程式」移到「有沒有真的把自己的場景接上去」。

我自己就在走這條路:知識圖譜、投遞 agent、交付 pipeline,都是為自己的重複場景建的。體感跟訪談的判斷一致——真正的複利不在單次產出,在你把場景接上 AI 之後,它每天都在跑。

台灣軟體弱是歷史,不是命。包袱最少的人,最沒有理由不重來一次。