---
title: "Anthropic 研究員談 2030 年代：智慧越往前越值錢，資安和生物要先守住"
description: "Anthropic 兩位強化學習研究員上 American Optimist，談寫程式的 AI 從工具變成初階同事、智慧的指數回報與反蒸餾的理由、資安將轉為防守優勢而生物仍是攻擊優勢、對「監管俘虜」質疑的回應，以及未來 10 年屬於通才與問題選擇的職涯建議。文末附一般工作者和企業可以怎麼看。"
author: "莊哲昀（AJ）"
tag: "AI 治理與公部門"
date: 2026-10-04
canonical: https://www.ahadigit.work/blog/anthropic-researchers-radically-better-2030s
source: "blocks"
---

# Anthropic 研究員談 2030 年代：智慧越往前越值錢，資安和生物要先守住

Anthropic 兩位強化學習研究員上了 Joe Lonsdale 的 Podcast，談 AI 接下來幾年會怎麼走。最值得記住的一句話是：**智慧每多一個單位，價值就呈指數成長。**這句話解釋了為什麼前沿模型的投資越來越大，也解釋了他們為什麼主張資安和生物要先守住，再放出能力。

[Anthropic Researchers: How AI Will Create A Radically Better 2030s](https://www.youtube-nocookie.com/embed/6D1wC95htTM)

這集《American Optimist》在 2026 年 10 月 2 日上架，全長約 59 分鐘。受訪者是 Anthropic 的 Sholto Douglas 與 Nick，兩人都負責強化學習研究。以下整理成六個重點，文末附上一般工作者和企業可以怎麼看。

> **名詞解釋**
>
> **強化學習（RL）**：讓模型反覆做有標準答案的題目，答對就獎勵、答錯就修正的訓練方法。數學和程式的答案最容易檢查，所以這兩個領域進步最快。

## 一、寫程式的 AI，已經從工具變成初階同事

Sholto 用自己 18 個月的經驗說明進展有多快。18 個月前，他幾乎每一行程式都自己打。後來改成指揮模型，但每幾分鐘就要介入一次，因為模型會出錯、會跑偏。

現在，他可以**交代模型獨立做 1 到 2 天的工作**。他說這已經不像工具，而像一位初階團隊成員。

Nick 補充下一步：過去的模型開發，是讓模型做人類本來就會的事，例如寫一個人類團隊也寫得出來的軟體。現在開始有人用模型解出人類長期解不開的數學問題。他認為人類大多數的智識成就，本來就是把前人的想法組合出新東西，而模型現在開始做到這件事。

## 二、智慧的指數回報：為什麼前沿值得砸大錢

一個常見的疑問是：AI 能力每半年就被追上、變便宜，這門生意怎麼撐？受訪者引用 Artificial Analysis 的資料：**同等程度的智慧，成本每年大約降為十分之一。**這個降幅不是靠複製別人的模型，而是技術自然進步的結果。

但他們認為，前沿的價值會漲得更快。以寫程式為例：

- **第一層**：Tab 自動補全，幫你補完下一行。現在已經沒辦法靠它單獨開公司。
- **第二層**：在終端機裡讓 AI 代理人自己寫程式，也就是 Claude Code 這類工具。價值比第一層高出非常多。
- **下一層**：比任何人類工程師都強的 AI 工程師、能協助主管處理各種事務的 AI，甚至用 AI 治療癌症。

舊的一層被商品化，新的一層更值錢。受訪者估計目前全球 AI 營收約 1 千億美元出頭，相對於數十兆美元的全球經濟還很小。他們的結論是：等到一切真的被商品化時，整個經濟早已被 AI 改造。

## 三、為什麼反對蒸餾

> **名詞解釋**
>
> **蒸餾（distillation）**：拿別人模型的輸出，訓練自己的模型。效果接近複製，但成本低很多。

受訪者的理由很直接：蒸餾只能複製現有的前沿，**沒辦法超越前沿**。推進前沿需要百億、千億、甚至兆美元的訓練投資。如果別人用一小部分成本、一兩週就能複製出來，這筆投資就回收不了，前沿也就沒人推。

他們也承認其中有取捨。使用者希望在本機執行模型、看到模型的思考過程；但開放得越多，就越容易被蒸餾。

## 四、資安會先轉成防守優勢，生物還不行

這段是整集最實用的部分。資安和生物都屬於**雙重用途（dual-use）**能力：同一個請求「幫我找出這個程式庫的所有漏洞」，可能來自想補洞的擁有者，也可能來自想入侵的攻擊者。所以很難管。

受訪者用「攻擊優勢」和「防守優勢」來判斷風險。攻擊優勢的意思是：攻擊比防守容易、便宜。

- **資安**：現在是攻擊優勢，但受訪者認為 2 年內會轉成防守優勢。原因是每個組織都能先用 AI 攻擊自己、找到漏洞、補好。
- **生物**：現在也是攻擊優勢，而且要轉成防守優勢，需要數千億美元的基礎建設，可能要等 2030 年代機器人成熟後才建得起來。

主持人提醒：**現在還沒用 AI 檢驗自家系統的組織，很可能會被入侵。**受訪者也說，生物和資安的風險今年就在發生。

## 五、「監管俘虜」的質疑，他們怎麼回

> **名詞解釋**
>
> **監管俘虜（regulatory capture）**：大公司推動對自己有利的法規，用來壓制競爭對手。

矽谷有人批評 Anthropic 推動監管，是為了打壓開放權重模型。Nick 的回應有兩點。

第一，推動開放權重模型的已經不是小型社群，而是 Nvidia、Amazon、Microsoft 和資金充足的中國實驗室。這些公司都有能力應付監管。

第二，他舉 Anthropic 自己的決定為例：當時公司擁有明顯領先的模型，卻選擇先和政府合作，照政府能接受的方式推出，放棄了好幾個月的領先。他認為如果目的只是賺錢，不會這樣做。

受訪者也說明對開源的立場：他們支持開源，主張社會先訂出能力門檻，**開源和封閉模型適用同一套標準**。至於中國，他們的立場是不會單方面讓美國放慢；任何放慢都必須是各方完全協調、可以互相信任的情況。

要注意，這些是受訪者站在 Anthropic 立場的說法。讀者可以把它當成一方觀點，和其他人的意見對照。

## 六、給一般工作者的建議：未來 10 年屬於通才

主持人問：如果你不在矽谷、不在 AI 公司，接下來 10 年該怎麼規劃職涯？

Nick 先承認，Anthropic 確實擔心失業問題。但他認為技術擴散到整個社會可能需要 10 到 20 年，這段期間**參與擴散本身就是機會**。

他的判斷是：過去的好職涯，靠的是一組有市場價值的專業技能。接下來，每個人背後都像有一間上千人的公司可以使用。真正稀缺的能力會變成**問題選擇**：看得出哪些問題值得解決、怎麼讓自己的社群變得更好。

他們也指出短期和長期的差別。短期內，人加上 AI 會讓人更有價值，所以菲律賓的商務流程外包和軟體工程的就業都還在上升。長期來看，他們預期會進入「不需要人搭配也做得好」的階段，那才是最需要擔心的時候。

關於教育，Nick 提出一個提醒：**AI 不會自動修好教育。**教育有複利效應，例如三年級結束時能不能讀懂該年級的文章，是日後數學表現最強的預測指標。可是電腦目前留不住幼兒的注意力，反而常讓孩子分心。

## 我們可以怎麼看

1. **把 AI 當成要交辦的同事，而不是要操作的工具。**能力已經到「交代 1 到 2 天工作」的程度，工作重點會移到說清楚任務、檢查成果。
2. **資安檢驗現在就做。**用 AI 先找自家系統和流程的漏洞，比等別人找到好。
3. **練習問題選擇。**列出自己工作或社群裡最卡的 3 件事，試著用 AI 處理其中一件。
4. **對受訪者的立場保持清醒。**前沿實驗室的說法有其立場，引用時要標明來源，並和其他觀點對照。

> 那個數位協助企業與公部門規劃 AI 內訓與導入流程，從工具選擇、代理人工作流程到資安與治理規範，陪團隊一起建立用得穩的 AI 工作方式。歡迎與我們聊聊。

## 資料來源

- [影片：Anthropic Researchers: How AI Will Create A Radically Better 2030s（American Optimist，Joe Lonsdale，2026-10-02）](https://www.youtube.com/watch?v=6D1wC95htTM)
- 本文依影片英文自動字幕整理；受訪者 Nick 的姓氏在字幕中辨識不清，暫不列出。