Chamath 直言「AI Agent 只是行話」：別追前沿敘事，先把教育和醫療做好

本文整理自 2026 年世界政府峰會（World Government Summit）2 月場次「Where Is AI Heading?」。

2026 年的流行語：每個人都在談 Agent

如果你在 2026 年初參加任何一場科技論壇，從達沃斯到杜拜，從矽谷的創投聚會到東京的企業研討會，你會發現一個詞無處不在：AI Agent。Agent 是今年的遊戲名稱，人們必須實際去開發、部署、使用這些能執行不同任務的代理人。這是主持人在杜拜世界政府峰會上的開場，也是他拋給臺下與談者的引子。

但 Social Capital 創辦人暨執行長 Chamath Palihapitiya 沒有接這個球。他直接把它打了回去。

「每一波前沿技術都會創造出一套新的語言，用來合理化進一步的投資，」Chamath 說。他的語氣不帶情緒，但論點非常銳利。他認為，正是因為目前 AI 投資的 ROI 並不清晰，業界需要一個新的敘事來維持資金的流入。去年的敘事是生成式 AI，前年是大型語言模型，今年輪到了 Agent。這些概念本身或許是真實的技術進展，但作為投資主題被推銷時，它們承擔的功能是合理化下一輪兩三千億美元的資本支出。

這個觀點從一個管理著超過 20 億美元資產、自己也是 SPAC 先驅的投資人口中說出來，分量不輕。Chamath 不是在說 AI Agent 沒有價值，他是在說，對於在座的 150 多個國家的政府首腦來說，追逐矽谷最新的流行語不是正確的策略。

務實路線：教育、醫療，還有換駕照

Chamath 接下來給出的建議，跟科技圈的主流論調完全相反。主持人問：如果一個非洲、拉丁美洲或東南亞的國家想要在 AI 領域跳躍式發展，應該從哪裡著手？應該投入生成式 AI 模型開發？還是直接進入 Agent 領域？

Chamath 的回答只有一個字：都不是。

他認為最務實的做法是選一個開源模型，部署在自己國境內，用自己的電力和人才來運行，然後用它解決幾個非常具體的日常問題。公共衛生、政府服務，以及他認為最重要也最有價值的領域：教育。他描繪的場景不是什麼科幻式的願景，而是非常落地的想像：建立一個系統，教年輕人如何在這個超級電腦即將普及的新世界裡學習。

然後他加了一句讓全場安靜的話：「更務實的做法是落後前沿一個世代。去教育你的孩子，治療一些疾病，讓換駕照變得更容易。如果你只做到這些，你就會有一群快樂的國民。」

這句話的力量在於它的反直覺。在一個所有人都在談 AI 前沿、模型競賽、算力軍備的場合，有人站出來說：你不需要追上最前面那批人，你只要把 AI 用在最基本的公共服務上，就已經夠了。這不是反科技，而是反炒作。Chamath 的邏輯是，前沿技術的投資回報對大多數國家來說是不確定的，但把 AI 用在教育和醫療上的回報是幾乎確定的。

蔡崇信的呼應：先找到使用場景，再選技術

阿里巴巴集團董事會主席蔡崇信（Joseph Tsai）完全同意 Chamath 的方向。他補充了一個重要的思考順序：政府應該先想清楚 AI 的應用場景是什麼，在教育、在醫療、在公共服務中，什麼問題是 AI 真的可以解決的？想清楚使用場景之後，再去選技術。

蔡崇信特別強調，建立完整的技術棧（從晶片到模型到雲端）不是每個國家都該做的事。他用了一個很直白的比喻：這就像建立軍事工業，不是每個國家都負擔得起。大型經濟體可以追求全棧自主，但對於多數國家來說，務實的做法是找到對的使用場景，然後選擇對的技術合作夥伴。

在技術選擇上，蔡崇信再次強調了他的核心主張：開源模型是各國政府掌控 AI 最安全的方式。他的邏輯在整場對談中保持一致：當你用開源模型部署在自己的基礎設施上時，你的資料不會離開國境，你不受制於任何一家商業公司的政策變化，你可以根據自己的需求進行微調和客製化。蔡崇信用了一個很強的詞：你基本上可以主張對這個模型的主權。

這兩位的觀點相互補強，形成了一個完整的建議：先確定你要解決什麼問題（教育、醫療、公共服務），再選擇開源模型作為技術基礎，然後部署在自己可控的環境中。不需要追逐 Agent、多模態、世界模型這些前沿議題。那是矽谷和大型經濟體的遊戲。

我的觀察：臺灣中小企業的開源機會

Chamath 那句「落後前沿一個世代」的建議，其實不只適用於開發中國家的政府。對臺灣數量龐大的中小型軟體公司來說，這句話同樣值得認真聽。

臺灣的軟體業有一個鮮明的特色：多數公司的規模是幾十人到一兩百人，不是矽谷那種動輒幾千人的獨角獸。它們沒有能力自建大型推論基礎設施，也不可能砸幾億美元訓練自己的基礎模型。當科技媒體每天報導 Agent 框架的最新進展時，這些公司面臨的真正問題其實更基本：我的客戶需要什麼？我能用 AI 幫他們解決什麼具體的痛點？

蔡崇信說的「開源等於主權」，翻譯成中小企業的語言就是：你不需要把所有雞蛋放在同一個 API 供應商的籃子裡。通義千問、Llama、Mistral 這些開源模型，提供了一個不完全被大廠定價策略綁架的選項。你不一定要馬上全面導入，但至少當某家 API 供應商調漲價格、更改服務條款、或因為地緣政治因素限制存取時，你手上有替代方案。這種彈性對利潤空間本來就不大的中小企業來說，不是錦上添花，而是基本的風險管理。

Chamath 建議各國政府「先用 AI 解決教育、醫療和公共服務」，這個思路同樣適用於臺灣的軟體公司。你的客戶群可能是中小企業主、醫療院所、教育機構，他們真正需要的不是一個花俏的 Agent 工作流，而是一個能準確處理中文醫療紀錄的模型、一個能讀懂臺灣法規和會計準則的系統、一個能幫助基層老師出題和批改的工具。這些場景不需要最前沿的模型能力，需要的是對本土需求的深入理解和務實的工程實作。

不過 Chamath 也提到了一件重要的事：光有開源模型還不夠，你還需要電力、基礎設施、資本和人才。對中小企業來說，這意味著單打獨鬥部署 AI 確實不切實際。產業公協會、政府的數位轉型補助、雲端服務商針對中小企業推出的方案，都是應該積極善用的資源。不是每家公司都需要自己跑一座 GPU 叢集，但每家公司都應該思考：開源 AI 在我的業務場景中，可以扮演什麼角色？