> ## Content Index
> Fetch the complete content index at: https://growthhackers.tw/llms.txt
> Use this file to discover other available public pages before exploring further.

# 馬斯克 AI 預言：五年內超越全人類智慧，這個時程該打幾折？
- URL: https://growthhackers.tw/blog/musk-ai-prediction-five-years/
- Published: 2026-07-30T09:00:00.000Z
- Updated: 2026-07-30T09:00:00.000Z
- Description: 馬斯克的 AI 預言不該只問會不會成真，而要拆成兩題：方向對不對、時間準不準。方向值得重視，但五年這個時程，會被電力併網、機器人真實出貨量和台灣電網現實狠狠打折。而他自己在訪談尾聲，就先承認了時間會歪。
- Author: Lewis wang
- Tags: AI趨勢, 馬斯克, AI取代工作, 未來工作, 電商經營

《經濟學人》（The Economist）在 Tesla 的 Giga 廠錄了一場長訪談，2026 年 7 月 29 日上線。馬斯克（Elon Musk）在裡面丟了一句會被全世界轉載的話：

大約五年內，AI 的總智慧可能超越全人類智慧的總和。

隔天中文媒體的標題全是「馬斯克預言」。

但你去聽原始那一段，他用的英文是「**roughly five years, as my guess**」。

as my guess。是猜的。

這兩個字被翻譯吃掉了，而它剛好是整件事最重要的地方。

我的讀法很簡單：**方向可以信，日期要打折。**

下面告訴你為什麼，還有折數怎麼算。

## 馬斯克 AI 預言的原話是什麼

先把料攤開，不加油添醋。

★ **五年**：AI 總智慧可能超越全人類總和。他自己標明是猜測  
★ **工作會變成選修**：AI 和機器人什麼都做得比人好，工作不再是生存必需。他打的比方是自己種菜，你家番茄不會比超市漂亮，但朋友來吃飯時是個 nice touch  
★ **經濟＝數位智慧＋實體智慧**：他說經濟就是商品的生產和服務的提供。數位智慧現在跑很快，但還被關在數位世界裡，要靠人形機器人才能「shaping atoms」（去形塑原子）  
★ **瓶頸是電**：「the constraints on AI are essentially electricity and AI chips」，而且他補了一句，現在卡的其實比較是電力和散熱，不是晶片

他沒有裝樂觀。訪談中他講了一句很誠實的話：即使在同一天之內，他對 AI 的心情都會從興奮盪到恐懼。他也自己加了前提：除非發生第三次世界大戰之類的事。

料在這裡。問題是你該拿它怎麼辦。

## 馬斯克 AI 預言該怎麼判斷：方向和時間要分開

大部分人聽到這種話只有兩種反應。信，然後開始焦慮；不信，然後笑一笑滑過去。

如果你問我，這兩種都是浪費。

因為這裡面其實是**兩道獨立的題目**，而它們的答案完全不一樣：

► **第一道，方向題**：這件事會不會發生？  
► **第二道，時程題**：什麼時候發生？

把它們綁在一起，你只會得到情緒。拆開來看，你會得到一份可以排進行事曆的工作清單。

![同一個預言，拆成兩道題：方向題已經有答案，時程題還在晃](https://growthhackers.tw/content/images/2026/07/inline-two-questions-v1.png)

## 為什麼馬斯克的方向判斷值得重視

先講公道話。

電動車能不能量產、火箭能不能回收再飛、衛星網路能不能商業化，這些事十年前都被當成吹牛，現在都做出來了。方向題上，他的紀錄好得很。

而且他這次給的框架比「五年」這個數字硬得多。

「經濟就是數位智慧加實體智慧」這句話，我認為是整場訪談最值錢的一句。翻成生意人的話就是：**光有很聰明的大腦沒用，你還要有手**。所以他才那麼在意人形機器人。沒有機器人，AI 再聰明也只能在螢幕裡打轉。

這個框架你現在就能拿來用。看到任何 AI 應用，先問一句：它動的是位元還是原子？動位元的，已經在發生了；動原子的，還早。

方向題我給他過。

## 為什麼五年時程要打折

現在講另一半，而且我不想靠我的看法，我想靠他自己的話。

**2018 年 6 月 7 日的 Tesla 股東會**，他說：

> 「I think I do have an issue with time. This is something I'm trying to get better at.」  
> （我確實有時間感的問題，這是我正在努力改進的地方。）

同一場他還說，自己講出來的是「我覺得它可能發生的時候」，但他對這種事情通常太樂觀。

**2019 年 4 月 22 日的 Autonomy Day**，他在投資人面前說：

> 「I feel very confident in predicting autonomous RoboTaxis from Tesla next year.」  
> （我非常有信心預測，Tesla 的自駕 RoboTaxi 明年就會上路。）

「明年」是 2020 年。實際上，Tesla 的 robotaxi 服務 2025 年 6 月才在奧斯汀（Austin）小規模上路，前座還坐著一位 Tesla 員工當安全監控員，採邀請制。從「明年」到真的載到客人，中間隔了六年。

還有一個時間更近的，剛好可以拿來對照。

**2025 年 1 月的法說會**，他說當年要造大約 10,000 台 Optimus 人形機器人，年底會有好幾千台在做有用的事。

**2026 年 1 月 28 日的法說會**，他自己修正：

> 「We are still very much at the early stages of Optimus. It's still in the R&D phase... It's not in usage in our factories in a material way.」  
> （Optimus 還在非常早期。它還在研發階段⋯⋯它在我們工廠裡並沒有被實質使用。）

一年。從「今年造一萬台」到「還在研發階段」，只花了一年。（來源：[Electrek](https://electrek.co/2026/01/28/musk-admits-no-optimus-robots-are-doing-useful-work-at-tesla-after-claiming-otherwise/?ref=growthhackers.tw)）

![承諾的時程總是短的，實際的時程總是長的，而且常常還沒走完](https://growthhackers.tw/content/images/2026/07/inline-timeline-gap-v1.png)

而最關鍵的一句，就在《經濟學人》這場訪談的尾聲。他自己講的：

> 「maybe not exactly in the timing that I thought, but it will come to pass.」  
> （也許不會完全照我想的時間發生，但它終究會發生。）

關鍵在這裡。

**「會發生」和「照我說的時間發生」，他自己就分開講了。**

我不是在抓語病。我是說，他已經把使用說明書寫在盒子上了，只是大家只看標題。

順帶一提，這也不是只有他一個人在猜。AI Impacts 2023 年調查了 2,778 位在 NeurIPS、ICML 發表過論文的 AI 研究者，結果是：「高階機器智慧」有 50% 機率落在 **2047 年**，但「勞動的全面自動化」有 50% 機率要到 **2116 年**。中間差了 69 年。

馬斯克講的「工作變選修」，對應的是後面那個。研究者社群的中位數猜測是下個世紀。（來源：[AI Impacts](https://aiimpacts.org/wp-content/uploads/2023/04/Thousands%5Fof%5FAI%5Fauthors%5Fon%5Fthe%5Ffuture%5Fof%5FAI.pdf?ref=growthhackers.tw)）

主流預測分歧大到這種程度，代表五年遠遠不是共識。

## AI 五年內超越人類，最大的瓶頸是電力嗎

前面都還是別人的數字。接下來這一段，是我覺得最值得你花三分鐘想的。

先講清楚一件事，免得被抓語病。**如果他只是在講模型能力，五年還有得吵。**模型變聰明主要吃訓練資源，效率也一直在進步，這題我沒把握。

但他同一場訪談講的不只是模型。他講的是數位智慧加實體智慧，是工作變成選修。這個版本要成立，就不能只看模型有多聰明，得看電、看併網、看機器人產能。

而他自己說了，瓶頸是**電力**，甚至比晶片更卡。

我完全同意。問題是，這句話一旦代回五年時程，壓力會非常大。

看幾個數字：

- 國際能源署（IEA）《Energy and AI》報告：全球資料中心 2024 年用掉 **415 TWh**，約全球用電 1.5%；2030 年預估來到約 **945 TWh**，約 3%
- 美國勞倫斯柏克萊國家實驗室（LBNL）《Queued Up》2025 版：2024 年成功併網的發電案，平均在排隊隊列裡待了 **55 個月**，大約四年半。而 2000 到 2018 年進入隊列的案子，最後只有約 **19%** 真的商轉
- IEA 也提到，先進國家蓋一條輸電線要 **4 到 8 年**，變壓器和電纜的等待時間三年內翻了一倍
- GE Vernova 2026 年第一季的燃氣輪機在手訂單來到 **100 GW**，交期約三年，剩下的產能排到 2029、2030 年

把這些疊起來看：

**光是排隊等併網就要四年半，蓋一條輸電線要四到八年，渦輪機賣到 2030 年了。**

那個五年，要從哪裡生出電來？

這就像你要開一家店。裝潢設計三個禮拜就能定案，但建照、消防審查、電力增設申請能拖你半年到一年。你的瓶頸從來不是設計圖，是那些沒人想聊的手續和管線。

AI 現在就在這個階段。模型每週都在變強，但變強的東西要落地，得等變電所。

第二個瓶頸是那隻「手」。沒有機器人，豐饒時代不存在。那手現在有幾隻？

**宇樹（Unitree）** 2025 年交付 5,500 台，是目前出貨量最大的，但依它遞交上海 IPO 的招股書，**超過七成賣給研究和教育單位**，不是去工廠上班的。**Figure AI** 到 2026 年 4 月累計造出超過 350 台。**Tesla Optimus** 從未公布過生產數字。

價格也要看清楚。網路上常講的「兩三萬美金一台」，那是中國研究型平台的入門價。美銀（Bank of America）2026 年 3 月的報告估，西方試產階段的人形機器人**製造成本落在 9 萬到 10 萬美金**。

我不是說這件事不會成。宇樹一年 5,500 台、Figure 從一天一台做到一小時一台，這個斜率是真的。

但這是「產線剛開始爬坡」的斜率，不是「五年後取代人類工作」的斜率。

## 三個你自己就能對錶的指標

「五年」這種數字沒辦法驗證，你只能信或不信。

所以與其盯著五年，不如盯著他自己點名的瓶頸。這三個都有公開數據，你每季自己查一次就好：

**① 電**：全球資料中心用電佔比有沒有真的往 3% 走？美國併網排隊時間有沒有縮短？輸電線和變壓器交期有沒有下降？  
**② 機器人**：實際出貨量，而且要看「賣進工廠」和「賣進實驗室」的比例。宇樹那個「七成賣給研究教育」的數字，比任何預測都誠實  
**③ 治理**：馬斯克建議的機制（AI 公司定期通話、新模型發布前互相做安全測試）有沒有真的成形？只要它還停在「建議」，就代表產業自己也還沒進入嚴肅階段

這三個都往前跑，你再開始調整你的五年計畫。只有第一個在跑，那就是資本支出的故事，還不是你的故事。

## 台灣電商該怎麼看 AI 缺電這件事

講回我們自己。

台灣人聽到「AI 缺電」很容易直接焦慮。但你先看清楚犯人是誰。

根據《報導者》整理台電的資料：台灣資料中心 2025 年用電約 **15 億度**，佔全國 2,828 億度的 **0.5%**。而**台積電加上整個半導體業用掉 423.8 億度，佔 15%**，是所有資料中心加起來的近 28 倍。

所以下次有人跟你說「AI 資料中心讓台灣缺電」，你知道那個數字對不上。

![台灣真正的用電大戶是半導體，不是資料中心；而資料中心卡的是申請這道閘門](https://growthhackers.tw/content/images/2026/07/inline-taiwan-power-v1.png)

但這不代表沒事。真正的限制在申請端：

台電從 2024 年起**凍結了桃園以北 5MW 以上的資料中心用電申請**，因為北部電網壅塞。一直到 2026 年 7 月，經濟部才宣布有條件鬆綁，改成審查制，而且**廠址要在電廠約 2 公里範圍內**。

更能說明問題的是這個：五年下來，79 件申請共 4,758 MW，核准了 40 件約 3,033 MW，但**超過七成的核准容量，沒正式送件就過期了**。

結論很清楚：

**「豐饒時代」要落到台灣，中間卡的不是模型夠不夠聰明，是變電所蓋不蓋得出來。**

而且台灣還有一個馬斯克沒談、但你我每天都在面對的現實：**缺工**。

倉庫找不到人、客服流動率高、美編排班排到崩潰。你會很想相信「機器人再五年就來了」。

但按上面那些出貨數字，五年內你倉庫不會站著一排人形機器人。你能拿到的還是同一批人加上一堆軟體。

## 台灣電商現在該怎麼準備

如果「工作變選修」的時程要打對折甚至打三折，你現在該做的不是恐慌，也不是等。

以前我們的問題是「AI 什麼時候會取代我」。現在該問的是「在它真的能取代之前，我怎麼把它用滿」。

分享一段我自己的經驗。

我把 Google Ads 的月報自動化，講出來很威風，兩週壓到兩分鐘。但真正花時間的完全不是接 AI，是**把「這份報表到底要回答什麼問題」寫清楚**。哪些指標要看、什麼算異常、異常之後要建議什麼。這件事沒有 AI 幫得上忙，因為那是我腦袋裡的東西。

寫清楚之後，換誰做都快。AI 只是最後那個執行的人。

所以我的判斷是這樣：

**在這個階段，稀缺的是把事情講清楚的能力，不是智慧。**

► **把流程寫下來**。挑一個你團隊每週重複做的事，先寫成文字。這件事的效益跟 AI 多強無關，而且不管五年還是十五年都不會白做  
► **分清楚位元和原子**。你手上動位元的工作（文案、報表、客服初判、圖片去背）現在就可以交出去。動原子的（打包、拍攝、盤點）先別排進 AI 計畫  
► **看任務，不要看職位**。這點和黃仁勳的說法一致，我另外寫過一篇：[黃仁勳談 AI 取代工作：消失的不是職業，是職業裡的「第一階」](https://growthhackers.tw/blog/jensen-huang-ai-tasks-not-jobs/)。他的版本比馬斯克保守很多，兩個一起看比較準  
► **別砍新人**。如果時程真的要打折，你砍掉的是三年後的中階主管。這題我寫過：[AI 能寫文案了，台灣電商還要不要養 junior？](https://growthhackers.tw/blog/ai-deskilling-inverted-apprenticeship/)  
► **先用滿手上這個**。多數人離「把現有模型用到極限」還很遠，[你手上的 AI，已經比你會用的強太多了](https://growthhackers.tw/blog/ai-capability-overhang/)。與其等五年後那個，不如先追上今天這個

## 最後

黃仁勳說 AI 自動化的是任務，不是職業。馬斯克說工作會變成選修。

兩個都是這個產業裡最有資格講話的人，結論卻差這麼多。

這件事本身就告訴你，現在沒有人知道確切答案。包括他們。

所以最理性的做法不是挑一個信，是**信方向、不信日期**，然後盯著那三個可以自己查的指標走。

方向他大概是對的。日期，他自己都說了會歪。

而在方向和日期中間那段時間，就是你的準備期。

它比五年長。這是好消息。

---

**來源**：[The full-length interview with Elon Musk | The Economist](https://www.youtube.com/watch?v=XuoqKYxDHVc&ref=growthhackers.tw)，2026 年 7 月 29 日發布，於 Tesla Giga 廠錄製。本文引用的訪談原文皆回查英文逐字稿；文中其他數據來源已於各段標註。

---

**協作聲明與免責**

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。