「人人學AI」是2000年的「人人學網頁設計」嗎？泡沫教訓告訴你的三件事

🎯 核心論點:這一波「人人學AI」不會是2000年泡沫的重播，但會以更安靜的方式淘汰同一批人——那些把工具當技能、而不是把問題當技能的人。

凌晨一點，台北某間科技大樓的補習班還亮著。教室裡坐的不是學生，是一群三十多歲的上班族，螢幕上是Prompt工程課程的第七堂。這個畫面，2000年在同樣的城市、同樣的教室裡上演過，只是當年螢幕上是Dreamweaver。

📊 數據證據:歷史的量級對照

公開資料顯示幾個可供交叉比對的量級（以下均為概括性公開事實，非即時查證數字）:

• 1999至2000年，全球創投湧入網路公司的資金在一年內翻了數倍，那斯達克指數於2000年3月觸頂後，兩年內跌掉約七成五市值。
• 資訊軟體人才培訓在台灣1990年代末被列為政策重點，資策會與民間補教體系大量開班；泡沫後，入行起薪與班級數同步萎縮，存活下來的是具備系統性工程能力者。
• 2023年以來，生成式AI帶動NVIDIA資本支出與企業AI預算的量級，已有多家投行以「數千億美元」為單位估算；與此同時，GitHub等平台的調查顯示多數開發者實際導入AI工具於生產環境的比例，明顯低於宣稱採用者的比例。

採用率的落差，正是泡沫的經典前兆——也是它與2000年不同的起點。

🔬 技術深潛:AI是「工具」還是「基礎設施」？

網路泡沫的關鍵教訓是:基礎設施的真實，不代表商業模式的真實。光纖確實鋪好了，但多數.com沒有活到使用光纖的那一天。

AI這次的結構剛好相反了一半。模型能力是真實的、可量測的——但「學會使用AI」這件事的護城河，比當年「學會做網頁」還薄。2000年，會HTML起碼要花三個月；今天，有效的AI使用技巧可能三週就普及。工具的學習曲線被壓縮，意味著「會用AI」本身不可能是一種職業，就像「會用Excel」不是職業一樣。

真正稀缺的是上一層:能拆解問題、判斷AI輸出可靠性、並對結果負責的能力。

⚔️ 競爭版圖:三種人的賽局

類型	2000年對應	現在的處境
純工具學習者	只會FrontPage的網頁設計師	會下Prompt但不懂領域知識，最先被商品化
領域專家+AI	懂零售的電子化經理	受益最大:AI放大其判斷力
AI建設者	網路基礎設施工程師	短期薪資溢價，但依賴資本支出週期

🏭 生態系影響

上游（晶片、雲端）的資本支出紀律，決定了中游（模型公司）的整併速度，再決定下游（「人人學AI」的教育市場）何時退潮。教育市場永遠是最後知道派對結束的環節——2000年如此，這次的訊號也在累積:多家媒體已報導企業AI投資與實際產出之間的落差正在被董事會檢視。

🔮 三種情境

• 樂觀:AI確實兌現生產力，企業把預算從「訓練課程」轉向「流程重設計」，懂領域的人升級成功。觸發條件:AI應用的可歸因營收出現實質證據。
• 基準:資本支出減速、模型普及化，AI技能變成桌面技能，薪資不溢價但缺它不行——如同今天的Office。
• 悲觀:資本支出驟停，教育市場崩塌，重演2001年補習班倒閉潮，受害者正是今晚還在上课的那批上班族。

⚠️ 我可能錯在哪裡

第一，這次技術擴散速度遠快於網路，「三週普及」的假設可能低估了深度使用的門檻；若AI品質控管確實困難，會用AI的人溢價可能持續更久。第二，歷史類比本身有陷阱——2000年沒有任何先例可參考，我們今天有，單是「預期泡沫」這件事就會改變泡沫的形狀。

泡沫教訓的核心從來不是「別進場」，而是別把門票當成目的地。今晚那間亮著燈的教室，二十五年後還會在。教的名稱換了，坐的人換了，被淘汰的理由，沒換。

---