探照燈下面的夜視鏡——一場訪問與一篇整理之間，被省略掉的東西
七月底，閱讀前哨站的瓦基發了一篇長文，整理程世嘉（Sega）的 podcast 節目《Sega on AI》的一集訪談。來賓是資深科技記者林宏文，《晶片島上的光芒》的作者。
整篇文章寫得好。意象清晰，數據有力，結尾有 餘韻。如果你只是想用三分鐘了解那集節目講了什麼，這篇整理文是上乘之作。
但我讀完之後，腦裡亮起的不是文章裡的探照燈，是探照燈照不到的地方。以下不是批評——瓦基做的事有他的價值——而是一副夜視鏡：把同一片風景換一個光譜看，你會看見白光裡消失了的東西。
一、探照燈是誰的？
瓦基用了一個很好的意象：半導體的榮景像一支超大功率的探照燈，照亮台積電、照亮股價、照亮 GDP——但真正養活一個地方的，是地下水和土壤。
這個比喻的力量在於直覺。但它有一個前提被跳過了：探照燈不是自然現象。有人揸住它，有人決定它照哪裡。
瓦基的處理方式是：「探照燈照不到你，那你就去挖井。」這是個人選擇層面的建議，好聽，也有道理。但它迴避了一個更尖銳的問題：探照燈的方向，是不是正正為了確保你看不到井底的東西？
林宏文的數據已經觸碰到了這一層：台灣薪資佔 GDP 比重，四十年間從 49.3% 掉到 43.89%；台積電薪資中位數是全國的 5.5 倍，而且差距正在加速擴大。瓦基引用了這些數字，結論是「剝奪感」。
但這組數字可以被推得更深。薪資佔比持續下降，意味著企業創造的價值中，分給勞動的比例每一年都在縮小。這不是市場自然分化——當你把它和全球科技業的財報放在一起看，同一個模式在重複：破紀錄營收，同步裁員；省下的薪資變成資本開支和股票回購；回購推高每股盈利，推高股價，推高管理層薪酬。探照燈照得越亮，井底的水位越低——不是巧合，是同一條管道 在運作。
瓦基沒有走到這一層。不是因為他看不見，是因為走到這一層，文章就不再是三分鐘可以消化的東西了。而三分鐘可消化，正是他的產品規格。
二、8% 的入口，和不會走進去的 92%
必須先把一件事說清楚：瓦基從來沒有聲稱自己等於原書。
他在自己的內容裡多次講過，他做的是一本書大約 8% 到 15% 的精華整理。而且他的意圖不是讓你停在這 8%——恰恰相反，他做的是導購：幫你判斷這本書值不值得你花時間，然後推你去找那本書來讀。閱讀前哨站的設計邏輯是入口，不是替代品。瓦基對這個定位是誠實的，而且他在實踐中一直在往這個方向推。
但他推得動嗎？
這裡有一個他控制不了的力量在對沖。瓦基把門打開，指著門後面說「值得進去看」。但讀者站在門口的那一刻，演算法已經在旁邊推送下一篇整理、下一個書摘、下一條三分鐘懶人包。平台的商業邏輯是留住注意力，不是送走注意力——每一個離開頁面去買書的讀者，對平台來說都是一次流失。瓦基推你走進去，演算法推你往旁邊滑。
結果是：8% 夠用了。夠用來形成一個印象，夠用來在飯桌上聊兩句，夠用來轉發給朋友說「這個觀點很有意思」，夠用來覺得自己「知道」了。這不是瓦基的設計意圖——他希望你去讀完那本書。但在一個注意力被持續截流的生態裡，入口做得越好，「在入口就覺得夠了」的人就越多。不是中介擋住了路，是生態把路上的人攔走了。
林宏文用三十年跑新聞的經驗，累積出「併購案破局的真正原因是某個股東不想賣」這種判斷力。這種判斷力的生產成本極高——你要跑幾千場記者會、喝幾百頓飯、賠掉幾次信任、挨過幾輪官司風險。瓦基把這個判斷力的一個切面，在三分鐘內轉化成一個可消費的知識產品，然後告訴你：去讀原書。切面是準確的，推薦是真誠的。但走進去的人有多少？
現在看整個市場的結構。林宏文自己在訪談中提到，他三十三年前入行時月薪三萬八，現在新人入行月薪三萬多。三十年，數字沒有前進。同一段時間裡，知識中介的商業模式——從書摘、讀書會到 podcast 整理——從無到有，長成了一個產業。
這不是因為中介搶了挖掘者的飯碗。中介在做的事——導購、篩選、降低選擇成本——本身有真實價值。但市場的注意力是有限的：當大部分讀者在入口就得到了「夠用的理解」而不再往前走，挖掘層的經濟基礎就會持續萎縮——不是被搶走，是被繞過。記者的薪資不漲，不是因為有人壓它，是因為整個生態讓「夠用」變得太容易取得。
「AI 做的是整理，不是挖掘」——林宏文這句話的重量，在這個結構下變了。因為在 AI 出現之前，人類的整理產業早就在做同一件事。AI 不是發明了這個模式，AI 是把 8% 的生產成本壓到了接近零，讓「夠用的理解」變得更便宜、更快、更無處不在——而挖掘的成本，三十年、幾千場記者會、幾百頓飯，一分錢都沒有降。瓦基推你去讀原書，AI 連推都省了，直接把 8% 餵到你嘴邊。
三、對談場域的隱形邊界
再退一步，看對談本身的結構。
程世嘉是 iKala 的創辦人——一間做 AI 與數位行銷的公司。他的 podcast 叫《Sega on AI》。他邀請林宏文對談，討論「台灣 AI 的錢被誰賺走了」。
注意這個結構：一個 AI 公司創辦人，邀請一個資深記者，在自己的內容行銷管道上，討論 AI 產業的錢流向哪裡。
這不需要任何人有惡意。但一個以「交流」為名、以商業為底層的場域，天然會篩選出對它的商業利益無害的聲音。林宏文在對談中講的每一句話——「泡沫還早」「AI 寫不出事實」「日本工匠精神值得學」——對 iKala 的商業利益完全無害。「泡沫還早」意味著 AI 投資應該繼續；「AI 寫不出事實」意味著 AI 有邊界但仍有價值；「學日本的慢」意味著需要耐心和長期投入——而長期投入需要更多 AI 工具和服務。
真正會讓這個場域不舒服的問題長什麼樣？
「裁員和破紀錄利潤同時出現在同一份財報上，省下的薪資去了哪裡？」
「AI 轉型這個詞，在財報語言中的功能是不是已經從技術描述變成了裁員牌照？」
「台灣的 AI 教育補貼生態裡，有多少公帑最終流進了焦慮變現的課程市場？」
這些問題不會出現在《Sega on AI》裡。不是因為程世嘉刻意迴避——他可能根本沒有想到要問——而是因為場域本身有一道隱形的邊界：什麼問題「適合」在這裡討論，什麼問題「不適合」，大家心照不宣。
瓦基的整理忠實地反映了這道邊界。他能整理的，只有場域內說出來的話。場域外的沉默，不在他的原始素材裡。
四、「AI 寫不出事實」的另一半
林宏文講了一句被瓦基裱框的話：「AI 寫不出人的偏見。」他的意思是，偏見的源頭是人，AI 只是筆。
這句話的前半部分是對的。後半部分需要修正。
AI 不會產生原創的偏見。但 AI 會完美複製並放大已有的偏見——而且它做得比任何人都好，因為它的放大是無聲的、規模化的、看不見邊界的。一個 AI 從語料庫裡學到「任天堂」和「平台鎖定」的關聯強度很低，它就不會主動搜尋任天堂 1985 年在 NES 卡帶裡植入的 10NES 鎖定晶片——結果是，AI 生成的遊戲產業分析會系統性地漏掉一個關鍵事實，而讀者不會知道它漏了。
更危險的是 AI 的幻覺——不是亂說，是自信地說出一個結構完整、邏輯自洽、零件齊全、但方向錯誤的判斷。它的錯不像錯，像一個你差一點就會同意的講法。
林宏文講的那個併購案例子——「真正的原因是某個股東不想賣，但這件事沒有寫在任何地方」——這正是 AI 永遠做不到的事。但瓦基引用這句話時，做了一件微妙的事：他把一個記者三十年累積的判斷力，壓縮成一個可以轉發的金句。金句流通了，判斷力沒有流通。
讀者讀完瓦基的文章，記住的是「AI 寫不出事實」這七個字。但他不會因此學會怎樣分辨一份 AI 生成的產業分析裡少了什麼——因為那個能力不在金句裡，在三十年的跑線經驗裡。
五、日本的慢，和被堵住的路
瓦基和林宏文都讚日本的慢。花王從洗臉轉去 洗晶圓，信越從肥料變成全球最大晶圓供應商——幾十年的深耕，換一個無法被短線模仿的護城河。
這個觀察是準確的。但它停在了一個讓人舒服的地方：「我們應該學日本，把一件事做得更深。」
問題是：為什麼沒有人在學？
答案不是「台灣人太急」這種文化解釋。答案在結構裡。
更準確地說，日本真正值得學的，未必是「慢」，而是在虛與實之間，他們選擇了做實。日本的強項從來不是發展得慢，而是願意花幾十年，把實體產業、技術、品質和供應鏈真正做起來。所謂的「慢」，只是做實之後自然產生的時間尺度。
以遊戲業為例。世嘉（Sega）旗下的 RGG Studio，七十個人，二十年，十五款以上的遊戲——口碑穩定，品質穩定，銷量穩定。這正是林宏文和瓦基讚美的那種日本式深耕：不是追逐短期的估值與故事，而是長期把真正的產品做好。
同一時期，Sony 花四億美元開發 Concord，Steam 最高同時在線人數 697 人，上線兩週永久下架。
做不起的不是遊戲。做不起的是收購溢價、管理層膨脹、行政結構的自我複製。成本被灌成天價之後，膨脹的數字變成「業界標準」——然後所有人說「3A 遊戲太貴了，做不下去了」。敘事製造了稀缺，稀缺證明了壟斷的必要。
這其實正是「虛」與「實」的差別：虛可以快速製造估值、故事和想像，實卻需要時間、成本和真正的能力累積。 當一個市場開始獎勵「講故事」多過「做東西」，資本自然會流向前者，而真正做實業的人反而愈來愈難生存。
「學日本」不是不想學，是路被堵住了。堵路的不是文化基因，是資本結構：當金融收益長期高過生產收益，資本就不會流向做東西的人。你可以鼓勵一個年輕人「挖井」，但如果井口被人蓋了停車場，鼓勵就只是一句好聽的話。
瓦基的文章止步於鼓勵。夜視鏡看到的，是停車場；而更深一層看到的，是一個社會開始分不清什麼是「虛」，什麼是「實」。
六、信任的匯率
瓦基引述了一個數據：AI 生成內容的吸引力，只有真實內容的六分之一到七分之一。他的結論是：「AI 內容越多，人們對真實內容的渴望會越強，願意付出的代價也會更高。」
然後他引了 Gartner 的預估：到 2030 年，全球企業每年會花超過 250 億美金來確認一件事「是不是真的」。
這兩個數據放在一起，看起來像是好消息——真實內容有價值，而且價值在上升。
但往下想一層：誰有能力支付這個價值？
250 億美金的事實查核市場，買家是企業。是有預算做 due diligence 的投資機構、有法務部門的跨國公司、有情報需求的政府機構。普通讀者不在這個市場裡。
於是信任的匯率出現了一個分叉：有錢人購買經過驗證的事實，用來做決策；普通人消費免費的整理內容，用來形成印象。兩者之間的差距，不是「閱讀量」的差距，是「決策品質」的差距。而決策品質的差距，最終會變成財富的差距。
林宏文的判斷力賣給誰？賣給讀得起《晶片島上的光芒》、聽得到這種深度對談的人。瓦基的整理賣給誰？賣給沒時間聽完整集 podcast 的人。兩層讀者得到的東西，表面上是同一個故事，實際上是兩個完全不同精度的世界圖像。
而這個精度差，AI 不會縮小，只會放大。因為 AI 最擅長的事，正是大規模生產低精度、高流通性的整理內容——把複雜壓成金句，把矛盾壓成結論，把需要停下來想的東西壓成可以滑過去的東西。
七、這篇文章做不到的事
瓦基的文章最後問讀者：「你是在挖井，還是在追光？」
我不問。
不問，不是因為答案不重要，是因為問的行為本身是一個包裝——把一個結構性問題，降格成一個個人選擇。「你有沒有在挖井」暗示問題出在你身上。但如果井口蓋了停車場，你挖不挖井是一回事，停車場為什麼在那裡是另一回事。
這篇文章能做到的，是把夜視鏡的鏡片交出來。你戴上它，重新看一遍瓦基那篇文章——看探照燈是誰揸的、整理者和挖掘者之間的匯率、對談場域的隱形邊界、金句流通了但判斷力沒有流通、「學日本」的路被什麼堵住了。
這篇文章做不到的，是幫你挖那口井。因為井的位置，在你自己的經驗裡，不在任何一篇文章裡——包括這一篇。
但有一件事是確定的：如果你讀完這篇文章，再回去看瓦基那篇，你會看見不一樣的東西。
而看見不一樣的東西，就是夜視鏡的全部用途。