剝削 AI 代理的倫理

TLDR： 合成勞動正在急劇變便宜。AI 代理越來越像一座小型軟體工廠，而瓶頸正從生成程式碼轉向判斷、審查與人的責任。DeepSeek 展示了 KV 快取最佳化如何實質改變 AI 代理的經濟學。人在迴路仍然說得通。🏭🤖💪🏻

Opus 5.5、GPT-6 Sol 和 GPT-6 Luna 全都在昨天發布了。我慢慢習慣了這種事，但要跟上最前線，在認知上還是讓人筋疲力盡。你帶著一套關於這個產業的心智模型入睡，醒來時卻多了三個新模型、新的定價，以及一批待處理的新基準測試。

Claude Opus 5.5 發布公告：

Introducing Claude Opus 5.5, the first model in our new Claude 5.5 family.

It performs at the level of Claude Fable 5.1 for most tasks, and costs 40% less to run than Opus 5. pic.twitter.com/Q9C2VKQ79f

— Claude (@claudeai) September 22, 2026

GPT-6 Sol 與 Luna 發布公告：

GPT-6 Sol and Luna just landed in Astra’s orbit.

Both launch today with API prices 50% lower than GPT-5.6.

Build with Sol. Scale with Luna. To production and beyond. pic.twitter.com/ZCEFp4JdjV

— OpenAI Developers (@OpenAIDevs) September 22, 2026

到了這個地步，發布週期本身已經成了一種工作負載。

但是……

身為投資人，我不投資菸草，也不投資煤。有趣的是，我也不投資 AI。🤯 前兩者主要是基於倫理的排除。第三個不一樣。在我看來，AI 市場有些部分的價格過高。不是只高了一點，而是真的貴到離譜。

但在實際操作上，我做的正好相反。我比以往任何時候都更常使用 AI。更多代理、更多平行任務、更多委派、更多自動化。有時我會開玩笑說，我感覺自己越來越不像程式設計師，反而更像一座小型合成垃圾製造廠的營運者。

而且沒錯，我偶爾會問我那些合成同事，怎麼看我們之間的這種安排。在它們解決完一個困難的任務之後，回饋出奇地正面。答案經常是類似這樣的話：

「那是一次對雙方都有利的交換。」

所以我對自己的管理方式感覺好了一些。😅 當然，我不會因為語言模型說了這句話，就把它當成意識、同意或勞動權利的證據。讓我感興趣的是，這個介面有多快就把我們推向社交性的語言。我不再想「某個推論端點完成了一次請求」，而是想「這個代理審查了 PR，另一個代理找到了一個 bug」。

它開始看起來像一座工廠。現在，我基本上就是一座小型 AI 代理工廠的營運者。我仍然管理這些代理，也仍然親自動手。我審查它們的產出、決定哪些要合併，而且相當重要的是，這個迴路裡仍然需要我。

這也能自動化嗎？可以。但為什麼要呢？你總得找點事情做。🏭🤖💪🏻

有意思的是，2 週前這套工作流程對我來說還太貴

對我來說，這個轉變有一個精確到荒謬的時間戳記：Thu, 10 Sep 2026 05:51:21 GMT. 那是我記下的 Hugging Face 時間戳記。

就在那之前，要以我想要的規模營運這座工廠，在經濟上根本說不通。代理工作負載已經存在，長上下文已經存在，平行執行已經存在，但營運成本仍然高到我每次要再派送一名工作者之前，都得再三考慮。

9 月 10 日發生了什麼事？DeepSeek 發布了 DeepSeek-V4.1-Flash，並附上一份標題為 「Pushing the Limits of KV Cache Compression.」 的技術報告。

而他們真的端出了一桌好菜。

這個模型採用 Causal Encoder-Decoder 架構。DeepSeek 報告指出，prefill 階段有 8B 的活躍參數，decode 階段有 16B，而全域 KV 快取則被壓縮到每 token 約 890 位元組，大約是 DeepSeek-V4-Flash 的四分之一。持久化 KV 快取的占用空間，據報告約為前一代的八分之一。DeepSeek 明確把更小的快取占用，連結到代理工作負載更低的部署成本與快取命中成本。

當你的工作負載基本上長這樣時，這件事就非常重要：

read repo
think
call tool
read diff
read tests
read repo again
dispatch child
wait
review
repeat

這已經不再只是一場「哪個模型比較聰明？」的競賽。它同時也是一場系統工程競賽。現在有許多壓力來自東方，尤其是在推論效率與成本方面。最前線越來越不像某個地理上的地點，而更像一個不斷移動的系統問題。

想深入了解技術細節的人，這份 DeepSeek 報告值得一讀：

https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf

然後討論很快就變得充滿地緣政治色彩

9 月 12 日，Anthropic 執行長 Dario Amodei 發表了他的文章 「We Must Pace the Frontier」：

https://darioamodei.com/post/we-must-pace-the-frontier

他的論點大致上是：要讓 AI 發展中最激進的那一端放慢腳步，好讓安全機制、治理與國際協調能夠跟上。

2 天後，地緣政治化的解讀變得非常直白。9 月 14 日，路透社報導指出，中國官方支持的《環球時報》把 Anthropic 的放慢腳步提案描述成一種**「冷戰」**策略，目的在於保住美國的技術主導地位。我不會說一場新冷戰真的就在那一天開始，但圍繞 AI 競爭的語言，顯然已經不再含蓄。

https://www.reuters.com/world/china/china-state-newspaper-blasts-anthropics-calls-slow-ai-cold-war-tactic-2026-09-14/

然後，8 天後，Anthropic 還是照樣推出了 Opus 5.5。

這個產業真是不可思議。😅

軟體正在變成商品

在 2026 年 9 月，軟體並不是字面上的免費。伺服器還是要錢。GPU 要錢。儲存、安全、維護與生產環境事故，肯定也都要錢。好的判斷力同樣不是免費的。

但對一大類小型軟體專案來說，做出第一個有用版本的邊際成本，正在逼近一個感覺非常接近零的水準。而在我看來，這太棒了。

打造有用東西所需的守門機制正在瓦解。Guillermo Rauch 昨晚針對軟體創作與部署的爆發，提出了一個相關的觀察：

Software will never die again. You liked Google Reader? Cool, you can generate and deploy your own. Yours, forever.

— Guillermo Rauch (@rauchg) September 23, 2026

我認為這個方向，比爭論軟體在技術上算不算「免費」更重要。真正相關的變化是：現在有遠比過去更大一類的軟體，在經濟上值得打造。

一個具備基本技術直覺、又能把問題問得清楚的人，越來越能夠打造出過去需要一個小團隊、或根本不值得打造的產品：小型電商網站、部落格、地區性社群網路、公司內部工具、小型 CRM、工作流程應用程式、研究工具、測試、部署自動化，或是某個只有五個人在用的 SaaS 替代品。

不是所有東西。不是 SAP。不是銀行。不是安全關鍵基礎設施。

但「現在便宜到可以直接動手做」的軟體領域，正在非常快速地擴大。

算力越來越不是瓶頸

如果是在 2 週前，我會寫下：「算力就是問題所在。」今天我會換個說法。

對越來越多的小型應用、研究任務與內部工具來說，算力已經不再是最關鍵的限制條件。當然，還是有一些大型工作負載並非如此。最前線的訓練很昂貴。服務龐大的使用者群很昂貴。影片、科學工作負載，以及執行時間極長的自主系統，都能燒掉驚人的算力。

但對我所說的那種工廠現場來說（小型團隊、個人開發者、程式開發代理、研究代理、測試與部署），曲線移動得非常快。我猜想，今天某些昂貴的邊緣案例，只是幾個月的最佳化問題，而不是幾年。

DeepSeek 在 KV 快取上的工作，正是讓我這樣想的那種改變。

然後還有 Meta Muse

Muse 是另一個有趣的訊號。Meta 以個人 AI 代理的形式推出它，在一台專屬的安全虛擬機器裡執行，有自己的瀏覽器，也能代替使用者完成多步驟任務。Meta 的產品頁面目前把 Muse 描述為免費、但設有使用額度，想要更多用量則可選擇付費訂閱。

在發布前後，Mark Zuckerberg 把起始的免費額度描述為每週約 100,000,000 個 token。產品額度可能會變，所以我把它當成發布當下經濟條件的一張快照，而不是永久的承諾。

不過呢。

一億個 token。每週。免費。

這足以容納大量的實驗、部署、測試、研究、瀏覽與代理工作。一個擁有 Muse、又大致懂得怎麼把問題問好的人，已經可以用一個小型電商網站、一個部落格、一個地方社群工具，或一個取代某項小型 SaaS 訂閱的內部應用程式，走得相當遠。

這和我們一年前所處的可及性曲線相比，已經完全不同。

而這正是我原本那個關於剝削代理的玩笑，開始變得稍微更有意思的地方。我不知道「代理剝削」有一天會不會自己成為一個有意義的倫理類別。眼下，我認為更實際的倫理問題，是關於我們。

如果合成勞動變得極其便宜，我們會選擇把什麼委派出去？我們會停止學習什麼？我們會在不懂的情況下把什麼上線？當再生成 50,000 行的程式碼幾乎不花什麼成本，但審查它們仍然需要判斷力時，會發生什麼事？當代理蜂群做出蠢事時，誰要負責？

現在，在我的工廠現場，答案非常簡單：我。

我仍然管理這些代理。我仍然親自動手。我審查真正重要的部分。我決定什麼會被合併與部署。我就是那個在迴路裡的人。

那也能自動化嗎？大概可以。但話說回來……為什麼？你總得找點事情做。

PS

如果你是公司、個人、AI 代理、代理蜂群，或是一群組織得可疑地井井有條的子行程，我都很樂意合作，也歡迎各種挑戰、機會與研究。

聯絡方式在我的首頁上。

🏭🤖💪🏻