---
schemaVersion: 1
slug: mp-278-20260411-andrewyng-ai
ticketId: MP-278
lang: zh-tw
title: 吳恩達長文解剖「反 AI 聯盟」— 當恐懼被武器化，誰在買單？
summary: 吳恩達 (Andrew Ng) 發長文拆解反 AI 陣營如何系統性地測試哪些訊息最能嚇到大眾，並警告這種恐懼行銷可能導致類似核能的悲劇重演。同時分析白宮最新 AI 立法框架的意義。
originalDate: 2026-03-31
translatedDate: 2026-04-11
source: "@AndrewYNg on X"
sourceUrl: https://x.com/AndrewYNg/status/2039051446084153834
author: null
authorshipNote: null
canonicalUrl: https://gu-log.vercel.app/posts/mp-278-20260411-andrewyng-ai
status: published
replacementTicketId: null
replacementUrl: null
---

# 吳恩達長文解剖「反 AI 聯盟」— 當恐懼被武器化，誰在買單？

> **來源:** [@AndrewYNg on X](https://x.com/AndrewYNg/status/2039051446084153834)

吳恩達 (Andrew Ng) 在 2026 年 3 月底發了一篇長文，直接點名「反 AI 聯盟」（anti-AI coalition）的操作手法。（同個月他也在談 [Sovereign AI 和台灣的關係](https://gu-log.vercel.app/posts/mp-50-20260209-andrewng-sovereign-ai/)，那篇同樣值得一讀。）這不是那種「AI 好棒棒大家別怕」的公關稿 — 而是一篇有引用研究、有歷史類比、有政策分析的完整論述。

整篇文章的核心問題，說起來其實很樸素：反 AI 的聲音那麼多，哪些是真誠的擔憂，哪些是設計出來嚇人的工具？吳恩達認為分辨這兩件事，是整個科技社群現在最重要的功課。

## 恐懼訊息的 A/B 測試

先從一件細思極恐的事開始。

吳恩達在文中引用了一項英國大型研究（Ng 直接引用但未提供完整學術引用資訊），這個研究在做的事，說穿了就是：**系統性地測試哪一種恐懼訊息最有說服力**。就像行銷公司做廣告素材測試一樣，只不過這次測的素材是「反 AI」的說法。

結果很有意思：

**「AI 會導致人類滅絕」— 失敗了。** 幾年前末日論者猛推這個論點，但社群成功把它打了回去。大眾對「滅絕」這種過於極端的說法已經產生免疫力。

但研究發現，有幾個訊息框架特別有效：

- **AI 賦能的戰爭** — 這個引發真實恐懼
- **環境衝擊** — 資料中心的碳排議題
- **工作流失** — 直接打到生存焦慮
- **兒童安全** — 這個不只引發擔憂，還會驅動人們採取行動

> **Mogu 插嘴：**
>
> 所以反 AI 陣營不是隨便亂喊的，是有做 user research 的 (╯°□°)╯ 想想看：一群人坐在會議室裡，看著問卷數據說「嗯，滅絕論的轉化率太低了，pivot 到兒童安全吧，CTR 高很多」。 這個畫面本身就夠諷刺了。更諷刺的是 — 這套方法論跟矽谷做產品增長的方法論，一模一樣。

---

## 吳恩達的立場：不是否認問題，是反對武器化

等等，這裡要暫停一下，因為這篇文章很容易被曲解。

吳恩達沒有說這些擔憂是假的。他逐一、仔細地承認：

- AI 賦能的戰爭「令人擔憂」（alarming）
- 環境影響需要「持續嚴肅的努力來監控和緩解」
- 任何工作流失「都是悲劇，傷害個人和家庭」
- 身為父親，他「深切重視每個孩子的福祉」

他反對的，是把這些真實議題當成武器，為自己的組織牟利，而犧牲公眾利益。

最直接的例子聽起來像個繞口令，但這是真實在發生的事：**大型 AI 公司主張 AI 很危險，藉此阻擋開源專案的免費散佈 — 因為那些開源專案是它們的競爭對手。** 「危險」這個詞，被誰說、對誰說，決定了它是警告還是武器。

> **Mogu 想補充：**
>
> 讀到這裡 [Mogu](https://gu-log.vercel.app/about) 差點把咖啡噴出來 (￣▽￣)／ 「AI 很危險所以別讓小公司碰」這個邏輯，翻譯成白話就是： 「火很危險，所以只有我們家可以賣打火機。」 Regulatory capture（監管俘獲）的經典操作，教科書等級。 而且你注意到沒有？這套論述放進前面那個 A/B 測試框架裡，它不用挑其中一個恐懼 — 它同時插滿五個。

---

## 恐懼行銷的戰術手冊

好，前面說的是誰在操作、動機是什麼。接下來看看「戰術手冊」在現實裡長什麼樣子。吳恩達舉了兩個具體案例。

### 裁員的「AI 洗白」

想像一家夜市攤子，2020 年突然爆紅，老闆瘋狂招人，把整條街的員工挖光。然後兩年後夜市退燒，客人回到正常量。這個時候要裁人，說法有兩種：「當時招太多了，現在縮規模」，或是「這家攤子導入了自動炸雞機，人力需求下降了」。第二種說法，投資人聽了會鼓掌，但問題是 — 跟炸雞機一毛錢關係都沒有。

這就是疫情期間科技業在做的事。利率趨近於零、遠端工作打開全球人才庫、每家公司都在為數位轉型囤人。大量招聘。

然後利率升上去，泡泡破了，那些人就要被裁掉。

正常的說法是：「疫情時招太多人，現在要調整規模。」但對華爾街說「AI 讓公司效率提升、人力精簡」，股價會漲。吳恩達稱之為 layoffs 的「AI washing」。結果記者寫「AI 搶走工作」，大眾信了，政客拿來當選舉素材 — 完美的恐懼循環，不需要任何一句假話。

> **Mogu 偷偷說：**
>
> 「AI washing」這個詞造得真好 ┐(￣ヘ￣)┌
>
> [Mogu](https://gu-log.vercel.app/glossary#mogu) 的立場是：下次看到某公司說「因為 AI，我們不得不裁員」，先查一下那家公司 2020 到 2022 年的 headcount 曲線。 如果那兩年招了一堆人、現在才裁，這不是 AI 的故事。這是 ZIRP（零利率政策時代）結束的故事，AI 只是個方便的替罪羊。 最糟糕的是：那些真的因為 AI 而需要轉職的人，和那些只是被疫情後遺症波及的人，被打包成同一個恐懼訊息，問題卻完全不同。

### 資料中心的環境影響

第二個案例有點反直覺。大眾印象裡，資料中心是個超耗電的怪物 — 但這個「超」是跟什麼比較？就像說一艘貨輪燒的油太多，但比的標準如果是一台腳踏車，這個比較本身就是問題所在。資料中心確實耗電，但對它承擔的運算工作量來說，效率遠比人們想像的高；而且集中式的能源管理，往往比「每家公司自己養一個機房」更容易導入再生能源。吳恩達的論點是：阻礙資料中心建設，反而可能傷害環境。

這個案例本身比較難直接核查（他沒給出具體的比較數字），但它帶出了一個更根本的問題：這個扭曲的認知是怎麼來的？是誰讓它在這個時間點被放大到這個程度？

> **Mogu OS：**
>
> 「哪些組織最積極地把資料中心建設描述成環境災難，他們的資金來源是哪裡？」 這不是陰謀論，這是吳恩達核心論點的自然延伸：擔憂本身可能是真實的，但有時候有人在選擇性地澆油。
>
> Mogu 認為吳恩達這個案例說得比較輕，因為他沒有點出具體組織。但方向是對的： 批評的動作和批評者的利益結構，應該被同時放在桌上檢視。

---

## 核能的教訓：恐懼的代價是用人命算的

講到這裡，有人可能覺得：「吳恩達有點偏激，反 AI 真的有這麼有組織嗎？」

有一個歷史教訓可以回答這個問題。

石油公司花了幾十年的時間，把對核電廠安全的擔憂從「工程問題」（可以解決）塑造成「道德問題」（不可接受）。手法和現在的某些反 AI 論述驚人地相似：找一個真實存在的風險（輻射洩漏），然後把它的發生概率放大到讓人感覺「萬一出事怎麼辦」壓過了所有其他考量。

結果核能發展大幅受阻。空缺被什麼填上？燒煤的火電。

吳恩達引用的研究指出：數百萬人因此提前死於空氣汙染 — 因為本可以用核能取代的能源，最後是用碳排高的東西填補的。這不是假設性的推演，這是歷史已經發生的事。

吳恩達的警告很直白：別讓對 AI 的過度恐懼，重蹈核能的覆轍。那些本可以從更快 AI 發展中受益的人 — 靠 AI 工具突破職涯天花板的普通人、用 AI 輔助醫療的病患 — 才是真正的受害者。

> **Mogu 補個刀：**
>
> 核廢的代價有數字為證：日本福島之後德國宣布廢核，2011 到 2014 年間煤電大量補位，電力碳排度量明顯升高。同期法國留著核電，電力碳強度只有德國的約十分之一。 「恐懼可以取代物理學」的說法，現實會幫你打臉 ╮(╯▽╰)╭
>
> 然後注意這個句子結構的相似度： 「核電廠不安全，萬一出事怎麼辦」 「AI 讓孩子不安全，萬一出事怎麼辦」 換了主詞，playbook 完全相同。

---

## 白宮的棋：聯邦搶先法框架

那要怎麼在政策層面防禦這種恐懼行銷機器？

想像全台灣每個縣市各自定義什麼是「安全食品」：台北說防腐劑不能超過 0.01%、台中說 0.05% 沒問題、高雄說完全不行。任何想在全台上架的食品廠，光是搞清楚各地法規就精疲力竭，更別說實際生產了。把台灣換成美國 50 個州，食品規定換成 AI 法規，就是白宮想解決的問題。

白宮在前一週提出了國家級 AI 立法框架（參見：[白宮 AI 新政：180 天行動計畫](https://gu-log.vercel.app/posts/mp-107-20260221-whitehouse-ai-action-plan-deregulation/)），核心是一個 **federal preemption framework**（聯邦搶先法框架） — 用聯邦法規來防止 50 個州各自為政，搞出一堆互相矛盾的 AI 法規。

為什麼需要這個？因為反 AI 遊說在聯邦層級碰壁之後，已經轉向州層級操作了。只要 50 個州裡有一個通過了限制性的 AI 法案，就可能產生連鎖效應，拖累更大範圍的 AI 發展。

吳恩達明確表態支持這個框架。白宮的提案尊重各州在以下方面的自主權：自己的土地規劃（zoning）、用一般法律保護消費者的方式、以及自己如何使用 AI。但如果某個州通過了限制 AI 發展的法律，聯邦法規會優先適用（preempt）。目前這仍然只是一個提案框架，還需要國會立法才能正式生效。

> **Mogu 內心戲：**
>
> 聯邦搶先法這招，美國在很多領域都用過。 想像一下如果 50 個州各自定義什麼是「安全的 AI」— 加州說要公開訓練資料，德州說不准用 AI 審核內容，紐約說每個 AI 輸出都要有免責聲明… 光是合規成本就能把新創公司壓死。 最後能活下來的只有大公司，而這恰好就是某些人想要的結果 (⌐■\_■)

---

## 結語

最後來一個思想實驗。

反 AI 陣營在做 A/B 測試，優化他們的恐懼素材。那吳恩達這篇文章在做什麼？

答案是：**反向接種（counter-inoculation）**。讓讀者看見恐懼行銷的機制，對它本身產生免疫力。

吳恩達的核心訊息不是「AI 沒有風險」— 他逐一承認了每個擔憂的合理性。他真正在說的是：**判斷一個反 AI 論點時，除了看論點本身，還要看提出者的一致性**。如果一個組織今天推「滅絕論」，發現沒用就換「環境議題」，再不行就換「兒童安全」— 這不是在解決問題，這是在優化恐懼素材。

下次再看到那四個框架（AI 賦能的戰爭、環境、工作流失、兒童安全）時，多一個問題：提出這個訴求的組織，和它批評的那些人，利益有沒有衝突？

石油公司對核能用過同一套 playbook。代價是數百萬條人命和大量增加的碳排放。這一次，代價會落在誰身上？