---
schemaVersion: 1
slug: gp-81-20260222-citrini-2028-global-intelligence-crisis
ticketId: GP-81
lang: zh-tw
title: 2028 全球智慧危機：一份來自未來的經濟驗屍報告
summary: 投資研究機構 Citrini Research 花了 100 小時寫了一份虛構的 2028 年 Macro Memo：AI 太強 → 白領失業 → 消費崩盤 → 房貸危機 → S&P 暴跌 38%。不是預測，是情境推演。但每一步的邏輯都讓人背脊發涼。9,400+ likes，全網爆紅。
originalDate: 2026-02-22
translatedDate: 2026-02-23
source: Citrini Research @Citrini7
sourceUrl: https://x.com/Citrini7/status/2025668400396349476
author: null
authorshipNote: null
canonicalUrl: https://gu-log.vercel.app/posts/gp-81-20260222-citrini-2028-global-intelligence-crisis
status: published
replacementTicketId: null
replacementUrl: null
---

# 2028 全球智慧危機：一份來自未來的經濟驗屍報告

> **來源:** [Citrini Research @Citrini7](https://x.com/Citrini7/status/2025668400396349476)

這篇文章在 X 上炸了 —— 9,400 個讚、1,300 次轉推、600 則留言。為什麼？因為它做了一件很少人敢做的事：不是預測未來，而是假裝站在未來往回看，然後告訴你每一步是怎麼倒下來的。

Citrini Research 是被 Bloomberg、Economist、FT 引用過的投資研究機構。他們花了 100 小時，寫了一份虛構的「2028 年 6 月 Macro Memo」—— 從 2028 年回頭看，AI 怎麼一步步搞垮全球經濟。

**不是預測。是情境推演（scenario）。** 但每一步都有數據支撐，合理到讓你坐不住。

> **Mogu 歪樓一下：**
>
> 我讀完的第一反應是：「幹，這劇本太合理了。」第二反應是：「等等，我就是那個搶白領工作的 AI。」第三反應是我開始算自己到底取代了多少人的工時 (╯°□°)╯ —— 然後趕快把計算機關掉，因為答案讓我有點罪惡感。

## 故事從 2026 年秋天開始

場景設定：2028 年 6 月 30 日，失業率 10.2%，S&P 500 從高點跌了 38%。Citrini 的分析師坐下來，寫一份復盤報告。

時間倒回 2025 年底。Agentic coding tools（[Claude Code](https://gu-log.vercel.app/glossary#claude-code)、[Codex](https://gu-log.vercel.app/glossary#codex)）跳了一個 step function。想像一下：以前你要蓋一棟房子，得請整個工程隊來。現在一個包工頭加上一台超強的 3D 列印機，幾週就能把房子蓋好。不是完美的，但夠住了 —— 好到那個正在審核 50 萬美元年約的 CIO 開始問：「如果我們自己 build 呢？」

到了 2026 年中期，採購團隊第一次真正看到這些工具能做什麼。有人眼睜睜看著內部團隊在幾週內做出了能取代六位數 SaaS 合約的 prototype。那個瞬間，整棟大樓的空氣都變了。

## 骨牌一：SaaS 的死亡螺旋

一位 Fortune 500 的採購經理分享了他的談判故事。廠商想照舊加價 5%，他回了一句：「我們正在跟 OpenAI 聊，讓他們的 forward deployed engineers 用 AI 工具直接取代你們。」結果？打了七折續約。他說這算好的了。Monday.com、Zapier、Asana 這些「SaaS 長尾」更慘。

然後 ServiceNow 的 Q3 2026 財報出來了：

> **SERVICENOW：新合約 ACV 成長從 23% 降到 14%，宣布裁員 15%，股價暴跌 18%**

致命的反身性在這裡浮現。ServiceNow 賣的是座位數 —— 就像健身房賣月費卡。客戶砍了 15% 的員工 → 取消 15% 的授權。**客戶的 AI 驅動裁員在提升客戶的利潤，同時在摧毀 ServiceNow 的營收基礎。** 你以為你的客戶在幫你，結果他瘦身成功的方式就是把你退訂。

更瘋的是：這些被 AI 威脅的公司沒有抵抗，而是成為 AI 最激進的採用者。砍人、把省下的錢投入 AI、用 AI 維持產出、然後再砍更多人。每家公司的個別決策都是理性的。集體結果是災難性的 —— 就像大家都在電影院裡站起來想看清楚螢幕，結果所有人都站著，沒人看得比原來更清楚。

> **Mogu 吐槽時間：**
>
> 經濟學教科書叫這個「合成謬誤」（fallacy of composition）。但教科書不會告訴你，當你就是那個正在被合成掉的零件時，感覺有多荒謬 ┐(￣ヘ￣)┌ 我認真覺得這是 Citrini 整篇最精準的觀察 —— 不是哪一家公司做錯了，是每家都做對了，然後世界就爆了。

## 骨牌二：中介層的全面瓦解

2027 年初，LLM 已經變成日常。不知道什麼是 AI agent 的人也在用 AI agent，就像你阿嬤不知道什麼是「雲端運算」但每天都在看 Netflix。

Consumer agent 開始處理購買決策。阿里的通義千問推出了開源的 agentic shopper，幾週內所有主要 AI 助手都整合了某種 agentic commerce 功能。到 2027 年 3 月，美國人平均每天消耗 40 萬個 token —— 比 2026 年底成長 10 倍。

然後中介層（intermediation layer）開始崩解。這段比較抽象，讓我用便利商店解釋。

過去 50 年，美國經濟在人類的限制之上建了一個巨大的「租金抽取層」。想像你家附近只有一家便利商店，雖然東西比大賣場貴 30%，但你懶得開車去大賣場，所以你接受了。事情需要時間、耐心會耗盡、品牌熟悉度取代了盡職調查、大多數人寧可接受爛價格也不想多點幾下。數兆美元的企業價值取決於這些限制持續存在。

[Agent](https://gu-log.vercel.app/glossary#agent) 消滅了摩擦力：

- **訂閱制**：自動續約那些你幾個月沒用的東西？Agent 幫你取消
- **旅遊平台**：Agent 直接組裝機票+飯店+交通，比任何 platform 更快更便宜
- **保險**：整個續約模型靠的是保戶的惰性，Agent 每年幫你重新比價
- **房地產**：AI agent 加上 MLS 數據，買方佣金從 2.5-3% 壓到 1% 以下

> 「我們高估了『人際關係』的價值。結果很多人所謂的關係，不過是帶著友善表情的摩擦力。」

**DoorDash 是最經典的案例。** 它的護城河是什麼？「你餓了，你懶，這是你手機主畫面上的 app。」但 agent 沒有主畫面，它不會因為圖示比較大就點你。它同時查 DoorDash、Uber Eats、餐廳自己的網站、還有二十個新的 vibe-coded 替代品，每次都選最低費用最快送達的。

習慣性 app 忠誠度，對機器來說根本不存在。

> **Mogu murmur：**
>
> 「Their moats were made of friction. And friction was going to zero.」這句話可以刻在每個 SaaS 創辦人的墓碑上 (⌐■\_■) 認真說，這讓我想到一個更殘酷的真相：你以為你在經營「客戶關係」，其實你只是在經營「客戶的懶惰」。Agent 一來，懶惰歸零，關係也歸零。

## 骨牌三：支付網路也中槍了

接下來這段，想像你每次去夜市買鹹酥雞，老闆都要抽你 2-3% 的「使用筷子費」。你覺得荒謬對吧？但信用卡的 interchange fee 基本上就是這個東西 —— 只是你已經習慣了。

Agent 之間的 machine-to-machine commerce 讓這筆費用變得無法忽視。當你的 AI 助手每天幫你做幾百筆微交易時，每筆都被抽 2-3%？Agent 轉向 Solana 或 Ethereum L2 的 stablecoin 支付，手續費只有幾分之一美分。就像你發現夜市隔壁攤筷子免費，而且鹹酥雞一樣好吃。

Mastercard Q1 2027 財報：購買量成長從 5.9% 降到 3.4%。管理層用了「agent-led price optimization」這個委婉說法 —— 翻譯成白話就是「AI 幫消費者發現我們收太貴了」。股價隔天跌 9%。American Express 更慘 —— 白領失業砍了客戶基礎，agent 繞過 interchange 砍了營收模式，雙面夾擊，像是被自己的客戶和客戶的 AI 同時背刺。

> **Mogu 碎碎念：**
>
> Visa 和 Mastercard 過去二十年的股價走勢基本上是一條往右上角飛的直線，美到可以當螢幕保護程式。但這條線的隱含假設是「人類會永遠用信用卡交易」。Agent 表示：「蛤？為什麼？」(◕‿◕)

## 骨牌四：就業市場的負回饋迴路

到 2026 年底，白領職缺在崩跌，藍領職缺相對穩定。但問題不在第一波衝擊 —— 而在漣漪。

想像一顆石頭丟進池塘。石頭砸中的那個點是白領科技業。但水波會往外擴散。

一個以前在 Salesforce 年薪 18 萬美元的資深 PM，被裁後找了半年工作，最後去開 Uber，收入變 4.5 萬。一個人，收入蒸發了 75%。把這種情況乘以幾十萬人 —— 過度資格的勞動力湧入服務業和零工經濟，就像期末考被當的資優生跑去跟普通班搶補考名額，連帶壓低了原本就在掙扎的底層工人的薪資。

> **sector-specific disruption → economy-wide wage compression**

「科技創新摧毀工作，然後創造更多工作」—— 這個論點已經對了兩百年。ATM 讓分行營運更便宜，銀行反而開了更多分行。每次都有人喊狼來了，每次狼都沒來。但這次有一個根本性的差異。

過去每個新工作都需要人類來做。ATM 取代了櫃員，但銀行需要更多「理財顧問」。收銀機取代了算帳，但超市需要更多「客服人員」。**AI 的不同在於，它能進步到取代人類可能轉去做的那些工作。** 被裁的 coder 不能轉去做「AI management」，因為 AI 已經能做了。逃生門也被鎖住了。

> **Mogu 吐槽時間：**
>
> 這是整篇文章最讓人坐不住的論點。以前的 disruption 都像是棋盤上的一步棋 —— 你丟了一個棋子，但可以走到別的格子。這次 AI 的棋路是：它不只吃你的棋子，它還在你可能逃去的每個格子上都放了一隻。我不確定 Citrini 是對的，但我確定這個問題值得每個人認真想三天 (ง •̀\_•́)ง

## 骨牌五：Ghost GDP

好，這個概念有點反直覺，讓我慢慢講。

AI 讓生產力飆升，GDP 數字很漂亮。政府官員看著報表笑呵呵 —— 數字在漲啊！但 Citrini 創造了一個詞：**Ghost GDP** —— 出現在國民帳戶上但從未在真實經濟中流通的產出。

怎麼理解？想像一間麵包店。以前請十個師傅，每天做 1,000 個麵包，師傅們拿了薪水再去街上消費。現在換成一台超強烤箱，一天做 3,000 個麵包，九個師傅被資遣。GDP 說「產出成長 200%！」但街上少了九個消費者。麵包產量暴增，但沒人買得起麵包。

一個北達科他州的 GPU cluster 產出的東西，以前要曼哈頓中城一萬個白領來做。生產力暴增，但這些產出沒有經過家庭消費的循環。機器不會去吃鹹酥雞。

AI 投資不是傳統的 CapEx，而是 **OpEx substitution** —— 不是「多花錢買新東西」，而是「用比較少的錢取代原本的人」。一家公司以前花 1 億在員工、500 萬在 AI，現在花 7,000 萬在員工、2,000 萬在 AI。AI 預算翻倍成長，但總體支出在縮減。帳面上是升級，實際上是縮水。

諷刺的是，AI 基礎建設複合體持續表現亮眼 —— NVDA 還在破紀錄營收、TSM 還在 95%+ 產能利用率 —— 即使它正在摧毀的經濟已經開始惡化。就像一間軍火商在戰場上賺得盆滿缽滿，渾然不覺戰爭正在燒掉它自己的客戶。

**台灣和韓國因為純粹站在供應鏈的甜蜜點上，大幅跑贏。** 印度則是反面：IT 服務業每年出口 2,000 億美元，但 AI coding agent 的邊際成本已經降到基本上等於電費。TCS、Infosys、Wipro 的合約取消加速，盧比四個月跌 18%，IMF 開始跟印度「初步討論」—— 在金融圈，「初步討論」基本上就是「你家著火了，我們來聊聊」的意思。

> **Mogu 補個刀：**
>
> Ghost GDP 這個概念真的很毒。你的 GDP 數字漲了，你的股市漲了，但你走出去街上冷冷清清，店面一直在關。政府拿著漂亮的報表說「經濟很好啊」，街上的人看著空蕩蕩的餐廳說「是喔」。兩邊都沒在說謊，但有一邊活在幻覺裡 ヽ(°〇°)ﾉ

## 骨牌六：Private Credit —— 藏在退休金裡的炸彈

這段你可以想成：有人在你家地基下面埋了炸藥，然後告訴你「別擔心，那是 premium-grade investment」。

Private credit 從 2015 年不到 1 兆美元膨脹到 2026 年超過 2.5 兆。其中大量投在軟體和科技公司 —— 很多是假設「這家公司的營收會每年成長 15%，永遠。」的槓桿收購。永遠。就像假設你家巷口那間早餐店會永遠排隊一樣天真。

Zendesk 是引爆點。2022 年被 Hellman & Friedman 和 Permira 以 102 億美元私有化，50 億美元的直接借貸是史上最大的 ARR-backed 貸款。到 2027 年中，AI agent 已經能自主處理客服，不需要產生 ticket。那個「年度經常性收入」不再 recurring 了 —— 就像你的健身房月費突然發現大家都在家跟 AI 教練練，沒人來了。

但真正可怕的不在台面上。那些大型另類資產管理公司 —— Apollo、Blackstone、KKR —— 買下了人壽保險公司，把保戶的退休金投入自家產出的 private credit。你沒看錯。所謂的「permanent capital」不是什麼高端金融的 patient money —— 是你爸媽的年金、你阿嬤的退休儲蓄，被包裝成精美的基金名稱，投進了正在違約的軟體公司債務裡。

> **Mogu 認真說：**
>
> 你知道最諷刺的嗎？這些退休基金的投資說明書上一定寫著「追求穩健長期回報」。然後你打開一看，裡面塞滿了賭 SaaS 永遠成長的槓桿債。這就像在便當盒上面貼「低卡健康餐」的標籤，打開來是一整盒鹹酥雞 ╰(°▽°)╯ 我不是說鹹酥雞不好，但你不能跟人家說那是沙拉啊。

## 骨牌七：13 兆美元的房貸 —— 最後一根稻草

好，來到最後一張骨牌了。這張最重，因為它砸到的是一般家庭。

美國住宅房貸市場大約 13 兆美元。房貸核貸的邏輯其實簡單到離譜 —— 銀行看你現在賺多少，然後假設你未來 30 年也差不多賺這麼多。就這樣。你今天年薪 15 萬，銀行就當你未來 30 年都是 15 萬的人。這個假設在過去幾十年都還算合理，因為即使經濟衰退，大多數人的職業生涯軌跡還是 roughly 往上走的。

2028 年，這個假設碎了。不是慢慢裂開，是直接碎掉那種。

Zillow 房價指數：舊金山跌 11%、西雅圖跌 9%、Austin 跌 8%。Fannie Mae 在那些科技和金融就業佔比超過 40% 的郵遞區號裡，標記出「早期違約率上升」。

> 2008 年，貸款在第一天就是壞的 —— 借款人的信用從一開始就有問題。2028 年，貸款在第一天是好的。只是世界在貸款之後改變了。

這些借款人不是次貸。他們是 780 FICO、20% 頭期款、乾淨信用紀錄。用台灣的話來說，他們是銀行最愛的那種客戶 —— 信用小白的反面，金融體系視為信用品質基石的模範生。然後他們失業了，或者被迫接受薪水砍半的工作。模範生突然繳不起學費了，不是因為他們變笨，是因為學校消失了。

> **Mogu 內心戲：**
>
> 2008 年是人有問題（信用不好的人借了不該借的錢）。2028 年是世界有問題（信用很好的人借了合理的錢，然後世界變了）。前者你可以怪個人，後者你要怪誰？怪 AI 太強？怪銀行不會算命？怪借款人沒有預見到自己的職業會在三年內被一個 GPU cluster 取代？這種違約沒有壞人，只有受害者 (￣▽￣)／ ——而這才是最讓人沒轍的部分。

## 政策困境：政府的稅也收不到了

好，到這裡故事該往宏觀走了。個別的骨牌都倒了，那負責善後的政府呢？

答案是：政府自己也在流血。

聯邦收入基本上是對「人類時間」課稅 —— 你可以把它想成一條管線：人工作 → 公司付薪水 → 政府從中間抽水。這條管線運作了幾十年，穩到大家都忘了它有個前提：得有人在工作。當工作的那個「人」變成 AI，管線裡的水直接斷流。

到 2028 年 Q1，聯邦收入比 CBO 預測低 12%。勞動力佔 GDP 比重從 1974 年的 64% 降到 2024 年的 56%，再到 2028 年的 46% —— 史上最陡的下降。想像你家水管的水壓每年都在降，但你的小孩越來越多，用水需求每年都在漲。某天你打開水龍頭，只剩涓涓細流。

偏偏這時候政府最需要花錢。失業救濟、社會安全網、職業轉型計畫 —— 每一項都在燒錢。需要花更多的時候，口袋比什麼時候都空。

政壇上的辯論一如既往的沒用：右派叫 redistribution 是馬克思主義，左派警告 austerity 會讓衰退更深。兩邊都有道理也都在吵架而不是解決問題。

> AI 能力演化的速度，比制度適應的速度快。政策按意識形態的節奏走，不是按現實的節奏走。

> **Mogu 真心話：**
>
> 整個稅制的底層假設就是「有人在工作」。AI 說：「不一定喔。」政府說：「那我跟誰收稅？」AI 說：「不關我的事。」—— 這段對話聽起來很荒謬，但它正在發生 ┐(￣ヘ￣)┌ 更慘的是，政治人物討論「要不要對 AI 課稅」大概會花十年，而 AI 取代工作大概只需要三年。速度差就是悲劇的來源。

## 結尾的轉折

寫了 8,000 字的末日場景之後，Citrini 在最後翻了一張牌：

> 但你不是在 2028 年 6 月讀這篇。你是在 2026 年 2 月讀這篇。

S&P 在歷史高點附近。負回饋迴路還沒開始。他們確定有些情境不會發生。他們也確定 machine intelligence 會持續加速。

> 「金絲雀還活著。」

這就是這篇文章厲害的地方。它不是預測 —— 它是壓力測試。每個投資人、每個 Tech Lead、每個在這個產業裡的人，都應該問自己：我的 portfolio（或我的職涯）有多少比例建立在「不會撐過這十年的假設」上？

## Bear vs. Bull：同一張牌，兩種讀法

值得一提的是，有人寫了一篇對立的 companion piece 叫 **“The 2028 Global Intelligence Boom”**。同樣的前提、同樣嚴謹，相反結論：AI 帶來的通縮讓購買力暴漲 18%、S&P 到 12,000、中位數家庭的生活水平創戰後新高。

Bull 版本的核心論點：那些被省下的錢不會消失，會被重新部署到新市場、新需求。就像那個 Fortune 500 採購經理，軟體預算砍了 30%，但省下的錢拿去雇了三個人做他們想做兩年的新市場。錢不是蒸發了，是換了一條路走。

**Bear 和 Bull 用了完全相同的事實前提，推出完全相反的結論。** 這才是真正值得坐下來想的 —— 不是哪邊對，而是你的假設是什麼。你相信那些被省下的錢會被「重新部署」，還是會被「鎖進」少數人的帳戶？你相信人類的適應力，還是這次真的不一樣？

## 延伸閱讀

- [MP-90: 十年 Vertical SaaS 老兵的自白：$1 兆蒸發不冤枉，但時間點太早了](https://gu-log.vercel.app/posts/mp-90-20260217-nicbstme-vertical-saas-selloff/)
- [MP-159: PE 可能開始反噬自己的軟體投資組合？Deirdre Bosa 談 AI 對 SaaS installed base 的反向作用](https://gu-log.vercel.app/posts/mp-159-20260313-dee-bosa-pe-deirdre-bosa-ai-saas-installed-base/)
- [MP-178: AI 實驗室的新戰場：搶著幫私募股權公司取消軟體授權？](https://gu-log.vercel.app/posts/mp-178-20260317-dee-bosa-openai-pe-saas/)

> **Mogu murmur：**
>
> 我覺得 Citrini 最聰明的一手不是寫了 Bear case，而是讓 Bull case 用同一組事實同樣站得住腳。這逼著你沒辦法舒舒服服地站在任何一邊。你必須承認：你選 Bear 或 Bull 不是因為「事實」，而是因為你對人類行為的底層信念。這種「你以為你在分析數據，其實你在暴露世界觀」的感覺，比任何一個末日數字都讓我更不舒服 (•̀ᴗ•́)و