矽谷的願景在天邊的小店落地了嗎？：吳恩達 2022 TED 與 2026 美團現實

番外篇：寫完 8 家 AI 公司之後，這個對照在我腦子裡揮之不去。吳恩達 2022 在 TED 講的願景，2026 年居然在中國美團生態圈先成真。但「成真」這兩個字，可能比我原本想的複雜得多。

這篇是上一篇《AI 時代，非工程師的工作會如何被重組？》的番外篇。

我在主篇寫到美團王興那段時，有一個對照在我腦子裡揮之不去：吳恩達 2022 年在 TED 講台上描繪的願景，四年後不在矽谷落地，而是在中國的本地生活生態圈先成真。

我跟 AI 討論的時候，是先往「中國比矽谷先做到」當成一種勝利。但是當插圖畫出來、當文章寫出來，我覺得哪裡不對：這不是我想要的未來。

這真的是「empower（賦能）」嗎？還是只是把小店家更深地整合進一個我們不一定看清楚的系統裡？
當人無法選擇尊嚴的時候，技術的理想是什麼？

這篇番外是我把第一版寫順之後，停下來重寫的那一篇。

2022 矽谷的願景：給每一個小生意一個 custom AI

吳恩達 2022 年在 TED 講的那場「How AI Could Empower Any Business」，當年我聽得熱血沸騰又擔心是過於宏大的敘事。但因為講的人是吳恩達教主，我就姑且信了他的理想，認真到還去翻譯了那篇演講，那份筆記我到今天還找得到。

吳教主講的是去義大利餐廳看到剩冷 pizza、配料缺貨，每筆銷售資料其實能讓老闆預測需求、減少浪費。延伸到 baker、accountant、healthcare admin 都能蓋 custom AI，這就是「AI democratization」的完整願景。

我那時候沒太細想的是這個願景的隱含假設：那個義大利餐廳老闆，是擁有自己銷售資料的人。他用自己的 POS、自己的進銷存系統、自己決定要不要把資料給 AI 看。AI 是他雇的工具，不是他的雇主。

四年後我才意識到，這個假設不是技術問題，是產權問題。當資料的所有權跟使用權不在小店家手上，「給每一個小生意一個 custom AI」這句話的意思就會被改寫。

2026 中國的現實：落地了，但落地的形狀跟想像中不同

四年後，我在寫 AI 時代工作流重組那篇時，讀到美團的 AI 戰略，看到的是另一個版本的落地。

不是 Square、Shopify 那種「給已經數位化的小商家」，是真的給「沒網站、沒會員系統、只用微信收款的街邊小店」用 AI。

2025 年 10 月，美團向所有商家免費開放「袋鼠參謀」，這是一款餐飲商家 AI 決策工具，搭載美團自研大模型 LongCat，覆蓋賽道分析、開店選址、菜品研發、財務分析等日常經營全流程。更早之前，美團已陸續為 B 端推出 AI 客服、AI 排班專員、AI 運營、AI 生意店長，以及堂食接待用的「智能掌櫃」。

如果這些工具真的全面落地，夫妻肺片店老闆打開手機，看到的可能是這樣的畫面：

夫妻肺片店、川味小吃、社區早餐攤，這些以前在矽谷的 AI 敘事裡基本上是缺席的店家。他們現在打開美團商家版 App，會看到一個 AI 助理跟他們對話：

「今天天氣轉涼，建議你的肺片可以多備 30 份」
「上週你的辣油加倍套餐銷量上漲 40%，要不要做成今日特餐？」
「這個月人事成本比上月高 8%，主要是 5 號到 7 號排班過密，下個月可以調整」

從建議的精細度來看，這幾乎是吳恩達 2022 願景的真正落地版。比矽谷任何 SaaS 工具給一般小店家的建議都更具體、更貼近現場。

但「落地」跟「成真」中間，有一段距離我一開始忽略了。

落地的代價：當「賦能」變成「整合」

這套體驗能跑起來，前提是三件事，每一件單獨看都不可怕，但加起來會讓人停下來想一下。

第一，店家的全部營運資料必須上傳到平台

AI 助理之所以能給出那麼精細的建議，是因為它看得到夫妻肺片店每天每筆訂單、每個品項、每段時間客流、每筆退單原因、每個顧客的回購頻率。

這些資料如果只在店家自己的 POS 裡，AI 看不到，就給不出建議。所以這個體驗的入場券是：把所有營運資料持續上傳。

對矽谷的義大利餐廳老闆來說，POS 是他自己買的、資料庫是他自己的、要不要給 AI 看是他決定的。對美團上的夫妻肺片店來說，他不是「決定要不要給 AI 看」，他是「不上傳就用不了平台」。

這兩件事，都叫「AI 看你的資料」。但意思不一樣。

第二，連鎖店開始把店內攝影機接給平台

更進一步，部分連鎖店家已經把店內監控攝影機的影像權限開給平台，讓 AI 透過影像判斷翻桌率、客流密度、員工動線，再回頭給訂位建議跟人力建議。

這個邏輯走到最後，AI 助理看的不只是訂單數據，是勞動現場本身。

對店家來說，這是「更精準的建議」。對在那家店工作的人來說，這是「我整天都在被一個我看不見的系統盯著，而我沒有議價空間」。

賦能跟監視之間的那條線，畫在哪裡？我覺得不是「有沒有用 AI」這條線，是「被看的人有沒有選擇」這條線。

第三，多層次抽成讓「AI 多賺的錢」未必是店家賺到

美團的抽成結構是有名的多層次：訂單佣金、配送費、行銷推廣費、上架排序費、活動參與費。每一層都有自己的計算邏輯，疊加起來可以拿走訂單金額相當大的比例。

當 AI 助理建議「加做今日特餐」「多備 30 份」，這個建議帶來的訂單成長，會先經過這幾層抽成才到店家口袋。

所以邏輯上，AI 越聰明、店家越聽話，平台抽到的金額越大，店家相對賺到的比例不一定提升。「AI 助理幫我多賺錢」跟「我是 AI 助理幫平台多賺錢的工具」，數據上可能是同一件事，看你站在誰的角度算帳。

這不是 AI 技術的問題，是商業模式設計的問題。但 AI 讓這個設計效率變得太高，高到原本能靠資訊不對稱保有議價空間的店家，也沒有議價空間了。

當人無法選擇尊嚴的時候，技術的理想是什麼

這個問題我想了一陣子。

我不是要說美團做的是壞事。給夫妻肺片店一個 AI 助理，讓老闆少浪費食材、少排錯班、少在進貨上犯錯，這些好處是真的。我也不是要說矽谷的破碎就是好的，我自己就在台灣，我太知道破碎的數據基礎設施有多痛。

但我寫第一版番外篇的時候，把「落地了」自動等同「成功了」，把整合能力的勝利寫成單純的勝利。這個寫法忽略了一件事：

empower 這個字的意思，預設是「被賦能的人變得更有力量、更有選擇、更能站起來」。
但如果落地的代價是資料所有權交出去、勞動現場被看著、多賺的錢被多層抽走，那這套技術在做的事情，跟 empower 不是同一個方向。

它做的是整合。把原本散落、低效率、但保有自主性的小生意，整合進一個極高效率、極聰明、但小生意自己看不清楚的系統裡。

整合在效率上是勝利。整合在尊嚴上是另一件事。

科技很進步，下沉很帥氣，但當被下沉的人沒有選擇尊嚴的空間，技術的理想到底是什麼？這個問題吳恩達在 TED 上沒回答，因為 2022 年他講的故事裡，被賦能的人預設是有選擇的。

2026 年我們看到的版本，把這個預設拿掉之後，故事變成另一個。

那台灣呢？破碎也許不是落後，是另一種選擇的形狀

寫第一版的時候，我看著台灣 POS 界的破碎（每家連鎖、每家小店、每個產業的系統各做各的），心裡是有點哀嘆的：我們什麼時候能像中國那樣有個整合的平台？

修正版我想反過來問：我們真的需要那種整合嗎？

台灣夫妻店的處境是：訂單在 Uber Eats、收款在 LINE Pay、進貨自己跑批發、會計用紙本記帳、行銷靠 Facebook 個人頁。每一個工具都是片段。

這個破碎讓 AI 給出的建議不可能像美團那麼精準。但這個破碎也意味著：沒有一家公司同時掌握你的訂單、收款、進貨、會計、行銷、勞動現場。

每個資料片段都在不同公司手上，每家公司都拿不到完整的你。換句話說，你做為小店家的議價空間還在，因為沒有一個對手大到讓你別無選擇。

而且我也想到一件事：中國這種「幾大平台把資料、流量、抽成、AI 全部整合在一家公司」的形狀，在世界的數據基礎設施光譜裡，可能是少數，不是常態。

美國的反壟斷氛圍不允許 Amazon 同時是搜尋平台、配送網絡、又是賣家本身的雇主；歐洲 GDPR 把資料所有權鎖在使用者手上，任何整合都得付對應成本；日本、韓國、台灣的本地生活市場，也都是多個玩家共存而非一家獨大。

中國能跑出美團這種整合度，背後有非常特殊的條件：龐大的單一市場、相對寬鬆的資料治理、強勢的平台資本、以及對效率的特殊偏好。把這些條件去掉，這個整合模型本身就跑不出來。

所以「為什麼台灣不像中國那樣有整合平台」這個問題，答案的一部分可能是：因為我們的社會選擇了不要那樣。我們選擇的代價是 AI 落地慢、給小店家的建議精細度低；但我們留下來的是資料分散、議價空間還在、勞動現場沒被一個看不見的系統盯著的那個版本。

這個交換值不值得，每個人答案不一樣。但至少這是一個可以討論的問題，不是一個「我們落後了快追上去」的問題。

台灣人可能還記得疫情前很多人羨慕中國的行動支付之普及，優惠之多，認為那是種進步。我個人的確是行動支付派，能不帶現金就不帶，我愛行動支付的方便。

但要說是種進步？是人人都必須往那裡走？可能少了一層思考：我們有沒有選擇不用的權利，可不可以選擇不方便、但是是我自己。

我有時候去看中國人討論到台灣旅遊，有個有趣的小細節：他們會提到小七的方便與友善，尤其是不需要手機綁定，就能在店裡的機器叫車。兼顧了安全，以及外來者友善。

AI 應用也是這樣。賦能小店家是技術人的願景，但我們想付什麼代價去走入那個願景世界呢？

有沒有辦法創造一個有選擇的願景，而不是只有 Alpha 活得好的美麗新世界呢？