從哥德堡的機器人說起#

在瑞典哥德堡（Gothenburg）的 Volvo 工廠，整片廠房交給機器人運作：

• 終端組裝區仍有三、四人一組的工人插入細小零件並複核工序。
• 越往生產線上游走，幾乎只剩下機器——液壓機械臂以精確編排的舞步焊接車身。
• 同一條生產線可以混合製造小型房車、SUV、轎車，甚至能無痛切換英規右駕車。
• 幾英里外的辦公室裡，工程師寫下驅動整個製程的程式碼，並在生產線的雷射掃描虛擬模型上模擬重排機器的效益。

今日的汽車製造，本質上首先是一門軟體生意。Volvo 與其他大廠一樣，正準備把自駕車推上瑞典街道。

哥德堡的計程車司機（許多是移民或移民第二代）目前還沒被自駕車威脅，但工業勞動力的空洞化早已發生：

• 即使是這個著名的平等社會，所得不平等也在上升。
• 政府改革慷慨的福利，要求更多失業者投入求職。
• 由於移民背景者佔請領者比例偏高，社會對福利的支持鬆動。
• 2013 年瑞典爆發騷亂，失業青年（既有移民也有極右派的本地年輕人）走上街頭。

創造性破壞為何不再「自動」分配紅利#

整個高所得市場經濟的繁榮，建立在熊彼得式的「創造性破壞」（creative destruction）：新方式取代舊方式、舊技能被淘汰。要讓這套機制公平運作，被淘汰的工人就必須能在新的角落找到位置。

但歷史告訴我們，這個再分配從來不平順：

• 沒有中央權威會溫柔地引導工人從沒落產業流向新興產業。
• 沒有鐵律保證新興產業會剛好提供「適量、合適技能」的工作來吸納被淘汰者。
• 被淘汰的工人累積了正在貶值的知識（過時設備、消失的企業文化），而且常常住錯地方。哥德堡失業的工廠工人，倫敦軟體公司的職缺對他無濟於事。
• 高技能者（如用軟體設計工廠布局的工程師）藉由新技術變得更有生產力，但這些技能不是被淘汰者短時間能習得的。

於是大多數被機器擠出的中低技能工人，被迫去搶「機器目前還做不好的低技能工作」，把工資壓得更低、不平等擴大。

一個誘人的迷思是：只要政策更公平，勞動市場就會回到過去那個「雇主大量雇用低技能工人付體面工資」的時代。

作者認為這是空想。

真正的原因是經濟結構性轉變——證據就在薪資條上：對全球大量勞工而言，過去 15 年的實質工資幾乎沒成長。

大規模就業的黃金年代為何回不去#

工業革命前期的多數技術，是「靠大量低技能工人操作高生產力機器」這個模式。

工廠模式：人是機器的一部份#

• 紡織機把熟練織工掃出市場，但機器需要「能被指令、能維持運轉」的人來看管。
• 在十九世紀，這些工人本身就是工業機器的一部份——提供軟體今日才能扮演的監督與調節角色。
• 機器越熱賣，操作員的需求也水漲船高。

這個模式在 20 世紀初的福特組裝線達到顛峰：

• 1908 年福特只賣 10,000 輛車，450 名員工多半是高技能工匠。
• 福特借用芝加哥肉類加工廠的「拆解線」（disassembly line）概念並反向操作，發展出組裝線。
• 製造一輛車的工時從 1909 年的 400+ 小時降到 20 年後的 50 小時以下；通膨調整後車價下跌約 80%；T 型車年產量從 1 萬升到 1920 年代中期的 200 萬。
• 1914 年福特把日薪一口氣加倍至 5 美元並縮短工時——目的是降低極其單調工作的離職率。

辦公室模式：人是資訊機器的一部份#

公司規模變大後，需要打字員、文書、會計做大量例行性的認知工作。一封封備忘錄、一頁頁帳冊、一筆筆庫存——這些都是「相對不需高技能、卻是大公司運作的必要齒輪」。

數位革命中沒有等量的對應品。

Uber 算是一個粗略的類比：

• 它把司機需要的「在地知識」（如倫敦黑頭車的 The Knowledge）變成 GPS 即可解決的事。
• 結果是大量低技能司機湧入，乘客體驗更好，部分 Uber 司機反而比傳統計程車司機賺更多（每小時約 19 美元 vs. 13 美元）。

但這個例子並不令人鼓舞。

• 它的成功部分依賴「巧妙繞過」既有計程車與雇傭法規。
• 多數數位革命的破壞式商業模式，是「減少低技能工人」而不是「擴大他們的機會」。
• TaskRabbit 等之所以可行，並不是因為它讓低技能勞工生產力大增，而是因為勞動力過於便宜，連「替人排隊」都能商業化。

更關鍵的是：

把工作切碎、簡化以利低技能者進入，等於替最終的自動化鋪路。

Uber 把「找客人、規劃路線、收款」全部交給 App，司機只剩下「操作車輛」一件事——而這件事正是車廠和科技公司全力要自動化的目標。Uber 對外宣稱自己對人類司機很好，對投資人卻強調自己是自動化計程車隊的先鋒。

教育升級的解方為何失靈#

工業革命沒有消滅高技能工作，反而催生了對化學家、工程師、會計師、律師、行銷人員的爆量需求。能讓農村文盲世代填補這些位子的關鍵，是教育：

• 19 世紀晚期到 20 世紀初的普及義務教育、中等教育、高等教育擴張。
• 1940 年美國勞動年齡人口約 1/4 受過中學教育、5% 有學士學位。
• 今日該比例分別是約 90% 和 41%；英國學士比例 39%、德國 26%、日本 46%、OECD 平均約 30%。

教育升級不僅推動成長，還改善分配：

• 1850 年美國只有約 5% 的就業屬高技能；1920 年升至 12%；1990 年達 1/3。
• 因為大量人口接受教育，1910–1950 年間「擁有學位的工資溢價」反而下降了約一半——大學畢業生變多，搶低技能工作的人變少，整體工資結構壓平。

但是進入數位時代後，這個機制熄火了：

• 天花板效應：富裕國家的中學完成率很難超過 90%，學士完成率很難超過 50%。把學士比例從 40% 拉到 45%，比從 20% 拉到 25% 困難太多——很多人就是沒有那個認知條件能完成大學。
• 技能需求往更高層次跑：1980 年美國學士平均比高中生多賺 40%，2000 年溢價接近翻倍；技術或科學科系特別吃香。
• 進入門檻拉高到研究所：學士工資從 2000 年起也開始停滯，研究所比學士再多賺約 30%，且差距還在擴大。但只有約 10% 的美國成人有研究所學位，大量人很難進入工程、計算機、財經等高薪領域。
• 連學士都被擠下游：高學歷者被迫接受過去較低學歷者做的工作，反向擠壓沒學位者的就業機會。

教育曾經是吸納勞動力過剩的主要海綿，但海綿快擰乾了：

• 大學就是難。
• 經濟最賺錢的位置需要的學位，已遠超過大多數人能達到的範圍。
• 全球化加上軟體的進步，讓就連高技能者也面對自動化、海外競爭、贏家通吃的壓力。

第三種機制：工資下滑#

當大量被取代的人沒辦法靠教育往上跑、又沒辦法到新型工廠線打工，剩下的調整機制就是工資下降。

一個天然實驗：2008 年危機中的英美對照#

• 2008–2010 年美國 GDP 下跌約 4%，但就業少了近 900 萬人（-6%）。
• 同期英國 GDP 下跌約 7%，就業卻只少了約 2%。
• 差別在於工資：英國實質工資在衰退期間崩跌約 8%，美國的工資成長只是放慢。
• 結果是英國老闆能留住員工但生產力下滑；美國老闆只能裁員加班，生產力反而上升。

工資便宜時，公司有更多彈性。當勞動極其充沛而工人別無選擇時，工資下滑就成為「願意工作的人都能找到工作」的主要機制。代價是低薪、生活水準下降、長期成長放緩。

廉價勞動力如何吸納就業#

• 服務需求增加：低薪服務業變多——清潔、美甲、私人健身教練、地景維護。富國正在重現過去（或落後地區仍存在的）「眾多低生產力服務人員」的就業形態。
• 企業推遲自動化：當人比機器便宜，公司就不換自動結帳機、不買倉儲機器人，甚至把已自動化的事拉回人力做——衰退期英國法律事務所推遲投資文件管理系統、改僱便宜的法務助理。
• 資源被廉價地揮霍使用：當水多時，人會讓水龍頭一直開著；當勞動力多時，三個人來倒一杯茶。

成長與分配的「斷裂」#

數十年的數據呈現出一致的轉折：

• 1947–1972 美國平均實質工資每年成長 2.5–3%，30 年翻倍；自 1970 年代起每年不到 1%，需要 70 多年才翻倍。
• 1970 年代以前，工資和生產力齊頭並進；之後生產力慢但工資更慢——2005–2014 年生產力年增 1.4%，是工資的兩倍。
• 美國中位數實質工資自 1980 年起 30 多年只漲 4%（總計，不是每年）；男性中位數自 1960 年代起就停滯。
• 英、德、義、日中位數實質工資 1995–2012 多半輸給美國，日本甚至是負成長。

這些不是美國獨有的問題：

• 不平等普遍上升：美國前 10% 高所得者佔比從 1980 年的約 1/3 升到一半；英國、德國、義大利、日本、瑞典、中國、印度都呈相同趨勢。
• 勞動所得份額（labour share）下滑：曾被視為長期穩定的「Kaldor 式定律」之一，1990 年起在全球範圍內下降。生產力 > 工資成長的差距，被某個其他群體拿走了。

病灶與走向#

把上面拼起來，圖像如下：

• 少數被淘汰的工人能跨入更高技能的工作，與其他高技能者競爭。
• 多數被淘汰的工人落入低技能工作的競爭，工資因此下滑。
• 下滑的工資反過來鼓勵企業使用更多人力、放慢自動化——讓低生產力部門像海綿一樣，吸住越來越多廉價勞動力。

這是一種自我設限的技術進步：尖端部門狂飆，低技能部門擴張並停滯。如果這種狀態持續，社會穩定的隱憂只會加深。下一章將檢視：技術變革本身，能否協助緩解勞動力過剩的副作用？