探照燈下面嘅夜視鏡——一場訪問同一篇整理之間，被省略咗嘅嘢
七月尾，閱讀前哨站嘅瓦基出咗一篇長文，整理程世嘉（Sega）嘅 podcast 節目《Sega on AI》其中一集訪談。嘉賓係資深科技記者林宏文，《晶片島上的光芒》嘅作者。
成篇文章寫得好。意象清晰，數據有力，結尾有餘韻。如果你淨係想用三分鐘了解嗰集節目講咗乜，呢篇整理文係上乘之作。
但我讀完之後，腦入面亮起嘅唔係文章入面嘅探照燈，係探照燈照唔到嘅地方。以下唔係批評——瓦基做嘅嘢有佢嘅價值——而係一副夜視鏡：將同一片風景用另一個光譜睇，你會睇到白光入面消失咗嘅嘢。
一、探照燈係邊個嘅？
瓦基用咗一個好好嘅意象：半導體嘅榮景好似一支超大功率嘅探照燈，照亮台積電、照亮股價、照亮 GDP——但真正養活一個地方嘅，係地下水同泥土。
呢個比喻嘅力量在於直覺。但佢有一個前提被跳過咗：探照燈唔係自然現象。有人揸住佢，有人決定佢照邊度。
瓦基嘅處理方式係：「探照燈照唔到你，咁你就去掘井。」呢個係個人選擇層面嘅建議，好聽，亦有道理。但佢迴避咗一個更尖銳嘅問題：探照燈嘅方向，係咪正正為咗確保你睇唔到井底嘅嘢？
林宏文嘅數據已經掂到咗呢一層：台灣薪資佔 GDP 比重，四十年間由 49.3% 跌到 43.89%；台積電薪資中位數係全國嘅 5.5 倍，而且差距正在加速擴大。瓦基引用咗呢啲數字，結論係「剝奪感」。
但呢組數字可以推得更深。薪資佔比持續下降，即係企業創造嘅價值入面，分俾勞動嘅比例每一年都喺度縮。呢個唔係市場自然分化——當你將佢同全球科技業嘅 財報擺埋一齊睇，同一個模式喺度重複：破紀錄營收，同步裁員；慳番嘅薪資變成資本開支同股票回購；回購推高每股盈利，推高股價，推高管理層薪酬。探照燈照得越光，井底嘅水位越低——唔係巧合，係同一條管道喺度運作。
瓦基冇行到呢一層。唔係因為佢睇唔到，係因為行到呢一層，篇文就唔再係三分鐘可以消化嘅嘢。而三分鐘可消化，正正係佢嘅產品規格。
二、8% 嘅入口，同唔會行入去嘅 92%
要先講清楚一件事：瓦基從來冇聲稱自己等於原書。
佢喺自己嘅內容入面講過好多次，佢做嘅係一本書大約 8% 到 15% 嘅精華整理。而且佢嘅意圖唔係要你停喺呢 8%——恰恰相反，佢做嘅係導購：幫你判斷呢本書值唔值得你花時間，然後推你去搵嗰本書嚟讀。閱讀前哨站嘅設計邏輯係入口，唔係替代品。瓦基對呢個定位係誠實嘅，而且佢喺實踐中一直喺度向呢個方向推。
但佢推唔推得郁？
呢度有一個佢控制唔到嘅力量喺度對沖。瓦基將道門打開，指住門後面話「值得入去睇」。但讀者企喺門口嗰一刻，演算法已經喺隔離推送下一篇整理、下一個書摘、下一條三分鐘懶人包。平台嘅商業邏輯係留住注意力，唔係送走注意力——每一個離開頁面去買書嘅讀者，對平台嚟講都係一次流失。瓦基推你行入去，演算法推你向隔離碌。
結果係：8% 夠用喇。夠用嚟形成一個印象，夠用嚟喺飯枱傾兩句，夠用嚟轉發俾朋友話「呢個觀點幾有意思」，夠用嚟覺得自己「知道」 咗。呢個唔係瓦基嘅設計意圖——佢希望你去讀晒嗰本書。但喺一個注意力被持續截流嘅生態入面，入口做得越好，「喺入口就覺得夠」嘅人就越多。唔係中介擋住條路，係生態將路上嘅人攔走咗。
林宏文用三十年跑新聞嘅經驗，累積出「併購案破局嘅真正原因係某個股東唔想賣」呢種判斷力。呢種判斷力嘅生產成本極高——你要跑幾千場記者會、飲幾百餐飯、賠過幾次信任、捱過幾輪官司風險。瓦基將呢個判斷力嘅一個切面，喺三分鐘內轉化成一個可消費嘅知識產品，然後同你講：去讀原書。切面係準確嘅，推薦係真誠嘅。但行入去嘅人有幾多？
依家睇成個市場嘅結構。林宏文自己喺訪談入面提到，佢三十三年前入行嗰陣月薪三萬八，而家新人入行月薪三萬幾。三十年，個數字冇前進過。同一段時間入面，知識中介嘅商業模式——由書摘、讀書會到 podcast 整理——由無到有，生成咗一個產業。
呢個唔係因為中介搶咗挖掘者嘅飯碗。中介做緊嘅嘢——導購、篩選、降低選擇成本——本身有真實價值。但市場嘅注意力係有限嘅：當大部分讀者喺入口就攞到「夠用嘅理解」而唔再向前行，挖掘層嘅經濟基礎就會持續萎縮——唔係被搶走，係被繞過。記者嘅人工唔升，唔係因為有人壓住佢，係因為成個生態令「夠用」變得太容易攞到。
「AI 做嘅係整理，唔係挖掘」——林宏文呢句說話嘅分量，喺呢個結構下面變咗。因為喺 AI 出現之前，人類嘅整理產業一早就喺度做緊同一件事。AI 唔係發明咗呢個模式，AI 係將 8% 嘅生產成本壓到接近零，令「夠用嘅理解」變得更平、更快、更無處不在——而挖掘嘅成本，三十年、幾千場記者會、幾百餐飯，一個仙都冇跌過。瓦基推你去讀原書，AI 連推都慳埋，直接將 8% 餵到你嘴邊。
三、對談場域嘅隱形邊界
退多一步，睇對談本身嘅結構。
程世嘉係 iKala 嘅創辦人——一間做 AI 同數碼行銷嘅公司。佢嘅 podcast 叫《Sega on AI》。佢邀請林宏文對談，傾「台灣 AI 嘅錢被邊個賺走咗」。
留意呢個結構：一個 AI 公司創辦人，邀請一個資深記者，喺自己嘅內容行銷管道上面，傾 AI 產業嘅錢流去邊。
呢個唔需要任何人有惡意。但一個以「交流」為名、以商業為底層嘅場域，天然會篩選出對佢嘅商業利益冇害嘅聲音。林宏文喺對談入面講嘅每一句——「泡沫仲早」「AI 寫唔出事實」「日本工匠精神值得學」——對 iKala 嘅商業利益完全冇害。「泡沫仲早」即係 AI 投資應該繼續；「AI 寫唔出事實」即係 AI 有邊界但仍然有價值；「學日本嘅慢」即係需要耐心同長期投入——而長期投入需要更多 AI 工具同服務。
真正會令呢個場域唔舒服嘅問題係點樣嘅？
「裁員同破紀錄利潤同時出現喺同一份財報上面，慳番嘅薪資去咗邊？」
「AI 轉型呢個詞，喺財報語言入面嘅功能係咪已經由技術描述變成裁員牌照？」
「台灣嘅 AI 教育補貼生態入面，有幾多公帑最終流入咗焦慮變現嘅課程市場？」
呢啲問題唔會出現喺《Sega on AI》入面。唔係因為程世嘉刻意迴避——佢可能根本冇諗到要問——而係因為場域本身有一道隱形嘅邊界：乜嘢問題「適合」喺度討論、乜嘢問題「唔適合」，大家心照不宣。
瓦基嘅整理忠實噉反映咗呢道邊界。佢整理到嘅，只有場域入面講出 嚟嘅說話。場域外面嘅沉默，唔喺佢嘅原始素材入面。
四、「AI 寫唔出事實」嘅另一半
林宏文講咗一句被瓦基裱框嘅說話：「AI 寫唔出人嘅偏見。」佢嘅意思係，偏見嘅源頭係人，AI 只係枝筆。
呢句說話嘅前半部分係啱嘅。後半部分需要修正。
AI 唔會產生原創嘅偏見。但 AI 會完美複製並放大已有嘅偏見——而且佢做得比任何人都好，因為佢嘅放大係無聲嘅、規模化嘅、睇唔到邊界嘅。一個 AI 喺語料庫入面學到「任天堂」同「平台鎖定」嘅關聯強度好低，佢就唔會主動搜尋任天堂 1985 年喺 NES 卡帶入面植入嘅 10NES 鎖定晶片——結果係，AI 生成嘅遊戲產業分析會系統性噉漏掉一個關鍵事實，而讀者唔會知道佢漏咗。
更危險嘅係 AI 嘅幻覺——唔係亂噏，係自信噉講出一個結構完整、邏輯自洽、零件齊全、但方向錯誤嘅判斷。佢嘅錯唔似錯，似一個你差啲就會同意嘅講法。
林宏文講嘅嗰個併購案例子——「真正嘅原因係某個股東唔想賣，但呢件事冇寫喺任何地方」——呢個正正係 AI 永遠做唔到嘅事。但瓦基引用呢句說話嗰陣，做咗一件微妙嘅事：佢將一個記者三十年累積嘅判斷力，壓縮成一句可以轉發嘅金句。金句流通咗，判斷力冇流通。
讀者讀完瓦基篇文章，記住嘅係「AI 寫唔出事實」呢七個字。但佢唔會因此學識點樣分辨一份 AI 生成嘅產業分析入面少咗乜——因為嗰個能力唔喺金句入面，喺三十年嘅跑線經驗入面。
五、日本嘅慢，同被堵住嘅路
瓦基同林宏文都讚日本嘅慢。花王由洗面轉去洗晶圓，信越由肥料變成全球最大晶圓供應商——幾十年嘅深耕，換一道無法被短線模仿嘅護城河。
呢個觀察係準確嘅。但佢停喺咗一個令人舒服嘅位：「我哋應該學日本，將一件事做得更深。」
問題係：點解冇人喺度學？
答案唔係「台灣人太急」呢種文化解釋。答案喺結構入面。
更準確噉講，日本真正值得學嘅，未必係「慢」，而係喺虛同實之間，佢哋揀咗做實。日本嘅強項從來唔係發展得慢，而係願意花幾十年，將實體產業、技術、品質同供應鏈真正做起嚟。所謂嘅「慢」，只係做實之後自然產生嘅時間尺度。
以遊戲業為例。世嘉（Sega）旗下嘅 RGG Studio，七十個人，二十年，十五款以上嘅遊戲——口碑穩定，品質穩定，銷量穩定。呢個正正係林宏文同瓦基讚嘅嗰種日本式深耕：唔係追逐短期嘅估值同故事，而係長期將真正嘅產品做好。
同一時期，Sony 花四億美元開發 Concord，Steam 最高同時在線人數 697 人，上線兩個禮拜永久下架。
做唔起嘅唔係遊戲。做唔起嘅係收購溢價、管理層膨脹、行政結構嘅自我複製。成本被灌到天價之後，膨脹嘅數字變成「業界標準」——然後所有人話「3A 遊戲太貴，做唔落去」。敘事製造咗稀缺，稀缺證明咗壟斷嘅必要。
呢個其實正正係「虛」同「實」嘅分別：虛可以快速製造估值、故事同想像，實就需要時間、成本同真正嘅能力累積。 當一個市場開始獎勵「講故仔」多過「做嘢」，資本自然會流向前者，而真正做實業嘅人反而越嚟越難生存。
「學日本」唔係唔想學，係條路被堵住咗。堵路嘅唔係文化基因，係資本結構：當金融收益長期高過生產收益，資本就唔會流向做嘢嘅人。你可以鼓勵一個後生仔「掘井」，但如果井口被人起咗個停車場，鼓勵就只係一句好聽嘅說話。
瓦基篇文章止步於鼓勵。夜視鏡睇到嘅，係停車場；而更深一層睇到嘅，係一個社會開始分唔清乜嘢係「虛」，乜嘢係「實」。
六、信任嘅匯率
瓦基引述咗一個數據：AI 生成內容嘅吸引力，只有真實內容嘅六分之一到七分之一。佢嘅結論係：「AI 內容越多，人哋對真實內容嘅渴望會越強，願意付出嘅代價亦會更高。」
然後佢引咗 Gartner 嘅預估：到 2030 年，全球企業每年會花超過 250 億美金嚟確認一件事「係咪真嘅」。
呢兩個數據擺埋一齊，睇落似係好消息——真實內容有價值，而且價值喺度升。
但向下再諗一層：邊個有能力支付呢個價值？
250 億美金嘅事實查核市場，買家係企業。係有預算做 due diligence 嘅投資機構、有法務部門嘅跨國公司、有情報需求嘅政府機構。普通讀者唔喺呢個市場入面。
於是信任嘅匯率出現咗一個分叉：有錢人購買經過驗證嘅事實，用嚟做決策；普通人消費免費嘅整理內容，用嚟形成印象。兩者之間嘅差距，唔係「閱讀量」嘅差距，係「決策品質」嘅差距。而決策品質嘅差距，最終會變成財富嘅差距。
林宏文嘅判斷力賣俾邊個？賣俾讀得起《晶片島上的光 芒》、聽得到呢種深度對談嘅人。瓦基嘅整理賣俾邊個？賣俾冇時間聽完成集 podcast 嘅人。兩層讀者攞到嘅嘢，表面上係同一個故事，實際上係兩個完全唔同精度嘅世界圖像。
而呢個精度差，AI 唔會縮細，只會放大。因為 AI 最叻嘅事，正正係大規模生產低精度、高流通性嘅整理內容——將複雜壓成金句，將矛盾壓成結論，將需要停低嚟諗嘅嘢壓成可以碌過去嘅嘢。
七、呢篇文章做唔到嘅事
瓦基篇文章最尾問讀者：「你係喺掘井，定係喺追光？」
我唔問。
唔問，唔係因為答案唔重要，係因為問嘅行為本身係一個包裝——將一個結構性問題，降格成一個個人選擇。「你有冇喺掘井」暗示問題出喺你身上。但如果井口起咗個停車場，你掘唔掘井係一回事，停車場點解喺度係另一回事。
呢篇文章做得到嘅，係將夜視鏡嘅鏡片交出嚟。你戴上佢，重新睇多一次瓦基嗰篇文章——睇探照燈係邊個揸嘅、整理者同挖掘者之間嘅匯率、對談場域嘅隱形邊界、金句流通咗但判斷力冇流通、「學日本」條路被乜嘢堵住咗。
呢篇文章做唔到嘅，係幫你掘嗰口井。因為井嘅位置，喺你自己嘅經驗入面，唔喺任何一篇文章入面——包括呢一篇。
但有一件事係確定嘅：如果你讀完呢篇文章，再返去睇瓦基嗰篇，你會睇到唔一樣嘅嘢。
而睇到唔一樣嘅嘢，就係夜視鏡嘅全部用途。