有一個在藝術圈流傳很久的場景：1839 年，攝影術（達蓋爾銀版法）正式公開的那天，一位畫家看著眼前這台能在幾分鐘內、精準到毛孔的機器，喃喃說出一句話——「從今天起，繪畫已死。」
這句話常被掛在法國畫家德拉羅虛（Paul Delaroche）名下。只是，這個歸屬其實大有問題：找不到任何 1839 年的紀錄，這句話要到 1870 年代才開始出現，而那時德拉羅虛早已過世；更諷刺的是，他本人不但沒唱衰攝影，還公開稱讚它對藝術是一大助力，並且繼續畫到生命最後一刻。換句話說，這是一句「聽起來很對、但很可能是後人編出來」的名言。我先把它拆穿，是因為這篇文章接下來要講的，剛好就是一個關於「不要相信漂亮故事」的故事。
因為事實是：繪畫沒有死。但它的確再也不一樣了——它搬家了。當機器把「把眼前畫得像」這件事變得又快又便宜，畫家們慢慢不再跟相機比寫實（那場仗他們會輸），而是把繪畫的價值，搬到相機跟不過去的地方：光線、感受、「一個活生生的人，是怎麼看這個世界的」。
把時間快轉到 2026。我們正在經歷一模一樣的劇本，只是這次的相機叫做 AI。生成式 AI 把網路灌滿了「AI 垃圾內容」（slop，這個字甚至成了多家辭典的 2025 年度詞），於是幾乎每個創作者都在問同一個問題：當機器可以瞬間量產「還不錯」的東西，我這個人還剩下什麼值錢的？我還能不能在 AI 時代脫穎而出？
這篇文章就是要把這個問題拆開來談——而且我會盡量誠實：哪裡是真的、哪裡是雞湯、哪裡的「正確建議」其實會害你。一句話先講結論：當「複製」變便宜，「真」就變貴；但你要在 AI 時代脫穎而出，靠的不是「假裝有人味」，而是「真的有人賭上了自己」。
先說結論：想在 AI 時代脫穎而出，先看懂稀缺性翻轉
- 核心觀念：每一次某樣東西被技術變得「又多又便宜」，價值就會從它身上，搬到旁邊那個還很稀缺的東西上。AI 讓「寫得通順、做得像樣」變免費，所以稀缺的不再是文筆或產量，而是可究責的、親身經歷的、有品味判斷的「人」。
- 一個你今天就能用的測試（換人測試）：把這份作品的作者換成 AI、把署名拿掉，它的價值有沒有變？沒變 → 它本來就可以被取代；變了 → 那個「變」就是你的護城河，把資源全押在那裡。
- 但別被騙：「做一個有觀點的真人就會被看見」是倖存者偏差。真實是「乘數」，不是「替代品」——它能放大你的分發，但不能代替分發。這篇後半會講清楚這個坑。
這個想法到底在說什麼：價值會搬家
先把一個常被講得很玄的東西講白。經濟學裡有個樸素到不行的觀察，軟體創業者 Joel Spolsky 在 2002 年的〈Strategy Letter V〉講得最清楚：「互補品」的價格下降，本身產品的需求就會上升。他的例子是——飛去邁阿密的機票變便宜，邁阿密飯店的生意就變好，因為機票和飯店是一起消費的互補品。
把這句話倒過來看，就會得到一個很有用的鏡頭：當一整層被「白菜化」、不再是瓶頸，利潤和定價權就會往剩下那個還稀缺的互補環節移動——而且是流向「擁有」那個瓶頸的人。（順帶一提，這跟常被混為一談的「傑文斯悖論」不是同一回事：傑文斯講的是同一種資源變便宜後、總用量反而暴增；這裡講的是價值往「旁邊那個稀缺品」跑。兩者常同時發生，但機制不同，別搞混。）
AI 就是那台把「內容生產」白菜化的機器。它讓「產出一篇通順的文章、一張堪用的圖、一段及格的程式碼」幾乎免費。所以照這個邏輯，價值會往它的互補品跑——而那個互補品，就是 AI 拿不走的那一層：是誰做的、那個人有沒有親身經歷過、敢不敢把名字和信譽押上去。
用音樂看懂它：最乾淨的一個例子
如果攝影那個例子離你太遠，換一個你天天在用的：音樂。
從 MP3 到串流，二十年來「錄製好的音樂」幾乎變成了零成本的複製品——一首歌可以被無限複製、無限播放，邊際成本趨近於零。照舊邏輯，這該是音樂人的末日。但實際發生的事，剛好相反：價值整批搬到了那個「無法被複製」的東西上——現場。
而且這不只是直覺。一份由 Mortimer、Nosko 與 Sorensen 進行、經過同儕審查的經濟學研究（NBER 工作論文 w16507）發現：檔案分享確實讓專輯銷售下滑，但同時讓現場演出的收入上升——也就是說，錄音和現場不是互相取代，而是互補品：那個免費的複製品，反而變成了「不可複製版本」的廣告。數字也很驚人：根據 Pollstar，2023 年全球百大巡演票房創下 91.7 億美元的紀錄，年增 46%；Taylor Swift 的 Eras Tour 更成為史上第一個票房破 10 億美元的巡演。
看出那個模式了嗎？技術把「複製」變免費，於是價值從「能不能擁有這首歌」（人人都能，免費），搬到了「能不能在那個房間裡、和這個活人共度這一晚」（無法複製，貴到爆）。錄音沒有死，它只是失去了「稀缺」這個身分。
同一個劇本，演了快兩百年
回到開頭的攝影。這裡要小心，因為這是一個容易被講成假歷史的例子。攝影並不是印象派的唯一原因——這點要先說清楚，不然就變成那種「聽起來很順、其實是錯的」流行歷史。
1839 年達蓋爾銀版法公開後，繪畫確實開始往「主觀的光線與感受」轉，但同時還有好幾股力量在推：1841 年發明的金屬軟管顏料，讓畫家終於能扛著顏料到戶外寫生；日本浮世繪的構圖大量影響了當時的歐洲畫家；藝術家受夠了僵化的官方沙龍與學院體制，乾脆在 1874 年自己辦獨立畫展；再加上光學與色彩理論、還有現代巴黎本身的都市生活。攝影是其中一個重要的推手，但不是唯一的扳機。而且這些印象派畫家並不覺得自己「放棄了寫實」——他們認為自己是用更誠實的方式，捕捉眼睛真正看到的「感知」。
把這個複雜的真實版本講出來，反而比那句假名言更有力：新技術很少是「殺死」舊技藝，它做的事是「逼舊技藝搬家」——搬到機器跟不過去的那個房間。
再給你一個離 AI 最近的例子：西洋棋。1997 年深藍擊敗了世界冠軍卡斯帕洛夫，今天隨便一支手機 App 都能把所有人類碾成粉。照理說，「人類下棋」應該變得毫無意義才對。結果呢？人類西洋棋反而比歷史上任何時候都熱門——影集《后翼棄兵》上線 28 天就有約 6,200 萬個家庭觀看，線上棋手暴增，頂尖棋手在直播平台有數十萬人盯著看他們下出一台免費引擎都會嫌爛的棋。價值從「誰下得最準」（機器贏定了）搬到了「人的戲劇性、個性與故事」。（公平地說，這波熱潮是疫情、Netflix 和實況主一起催出來的，不能全算在引擎頭上——但方向是一致的。）
所以給創作者、工作者的第一個動作很簡單，但反直覺：不要在機器的主場跟它比賽。產量、速度、「把規格寫得很完整」、「把文章寫得很通順」——這些都是 AI 的主場，你拼不過，也不該拼。你要做的，是把自己搬到右邊那一欄：親身經歷、可被究責、有判斷與品味的軌跡。
但這裡有一個大坑：倖存者偏差
到這裡，這篇文章已經有點太順了。順到我必須停下來，告訴你它哪裡會害你——不然這就只是一碗包裝得比較高級的雞湯。
那個漂亮的結論「做一個有觀點的真人，你就會脫穎而出」，是倖存者偏差。我們之所以相信它，是因為我們只看得到那些「已經」脫穎而出的真人——我們從來沒機會看到那一大群同樣真誠、同樣有觀點、卻永遠沒被看見的人。創作者經濟是一條殘酷的長尾：極少數的頭部拿走絕大多數的注意力與收入，而那條長尾裡，塞滿了品質不輸、卻沒有分發、沒有運氣的人。
有兩個經典研究把這件事講得很透。一個是 Salganik、Dodds 與 Watts 的「音樂實驗室」研究（發表於《Science》，超過一萬四千名受試者）：當他們讓受試者看得到「別人下載了什麼」的社會訊號，結果是成敗變得既更不平等、也更不可預測，而作品本身的品質只能「微弱地」預測成敗。另一個是 Pluchino 等人的「才能 vs 運氣」模型：最成功的人，幾乎從來不是最有才華的，而是「中等才華 + 運氣特別好」的那一群（這是模擬模型，才能仍會提高你個人的勝算，但在群體層面，運氣的影響力大得驚人）。
更刺的是：在「衝量」的戰場上，AI 垃圾內容常常是贏的那一方。史丹佛與喬治城研究者的一份同儕審查研究發現，一張沒有標示的 AI 生成圖片，曾擠進 Facebook 2023 年第三季「最多人看到」的前 20 名貼文（約 4,000 萬次觀看）；而且平台演算法還主動把這些 slop 推送給「沒有追蹤的人」（推薦來源中「非追蹤內容」的比例從 8% 一路升到 24%）。SEO 工具 Ahrefs 分析 60 萬個頁面後也發現，「AI 內容比例」和「Google 排名」之間的相關性大約是 0.011——幾乎是零。
結論很不浪漫，但你需要它：「真」這件事，只有在「以品質排序」的場域才有明顯優勢（例如 Google 的第一名、講究專業與可信度的地方）；一旦進到「以互動和演算法推薦排序」的動態消息流，衝量的 slop 常常打趴認真的人類。把不同場域的規則混為一談，就是這個想法最大的破綻。
還有一個更新的威脅：「看起來像人」這件事，AI 也正在學會複製。第一人稱的口吻、刻意的「不完美感」、真情流露的小故事——這些都能被模仿。所以真正稀缺的，不是「人味的表演」，而是「可被查證地、賭上了自己」：真的有那段經歷、真的會因為說錯而付出代價、真的有一條長期、會回頭打自己臉的判斷軌跡。
一個更古老的提醒：19 世紀工業革命把商品變得又便宜又一致，於是出現了「美術工藝運動」，William Morris 帶頭推崇手工藝。聽起來像是「手工＝高級」的勝利對吧？但真相是——他的手工製品貴到只有有錢人買得起，完全背離了他「讓好東西普及」的理想。「價值搬到高溢價那一端」，有時候意思是「搬進一個極小的有錢人小眾市場」，而不是「人人有飯吃的大復興」。連最強的音樂例子也一樣：現場票房高度集中在少數巨星巡演上。所以請記得——價值是「搬家而且更集中」，不是「天降甘霖」。
AlphaLab 的判讀：我同意什麼、存疑什麼
我同意的：稀缺性翻轉是真的，「換人測試」是我見過最乾淨的判斷工具，而「價值往稀缺的互補品移動」這個經濟學機制也站得住腳。在 AI 把生產白菜化的世界裡，把自己搬到「機器跟不過去的那一層」，是正確的防守方向。
我存疑、甚至想直接反駁的：很多這類論述會給你一顆安慰劑——「別擔心，AI 寫不出真正好的東西。」這是錯的，而且這個錯會害你被偷襲。耶魯一份 2024 年的盲測研究發現，專業審稿人分辨「人寫的」和「AI 寫的」文章，正確率大約只有 50%（跟擲硬幣差不多），甚至把 AI 寫的評得更高；唯一讓他們起疑的，是文章「太有說服力」。所以「機器寫不好」是不成立的。
那真正的護城河在哪？另一份研究給了最乾淨的答案：把同一段 AI 寫的文字拿給讀者看，只要一告訴他們「這是 AI 寫的」，他們對它的信任、在乎、能力與好感全都下降——字一個字都沒變，變的只是「誰站在這些字後面」。這就證明了：護城河不是文筆，是信任與究責。問題已經從「機器會不會寫？」（會）變成「誰的名字、經歷和信譽，押在這些字後面？」（這個 AI 給不了）。
（至於「AI 到底會不會思考」——這是一個還沒有定論、而且摻雜哲學定義的爭論，正反兩方都有嚴肅的學者。請不要把任何一方當成已成定局的事實來引用。好消息是：上面這個「護城河是信任不是文筆」的結論，根本不需要這個爭論有答案。）
所以我會把那句口號改寫成：稀缺的不是「真實」這個感覺，而是「可被究責 + 親身經歷 + 一條會打自己臉的判斷軌跡」這三件具體的事。把「做自己」這種無法執行的廢話，換成這三件你今天就能動手檢查的東西。
怎麼真的用上它：4 件讓你在 AI 時代脫穎而出的事
- 對自己的作品做「換人測試」。拿出你最近寫的一段、做的一份東西，問自己：把作者換成一個對我的人生一無所知的模型，這段價值會不會掉？如果不會，它就是可被取代的——把它重寫，加進一個只有你會知道、而且可能被打臉的具體細節（一個真實的數字、一次真實的失敗、一個你會負責的判斷）。
- 寫一件「你今年改變了想法」的事。不是寫你多有遠見，而是寫你原本錯在哪、為什麼錯、後來什麼證據讓你改。這一篇 AI 幾乎寫不出來，因為它同時需要三樣它沒有的東西：親身經歷、可被究責、會打自己臉的軌跡。
- 挑機器的「客場」開打。別跟 AI 拼產量和速度。挑一個你的領域裡「多數人都同意、但你覺得不對」的看法，誠實寫出你的理由——而且明白寫出「什麼證據會讓我改變立場」。一個敢被驗證的觀點，勝過一百句正確的廢話。
- 但別自己騙自己：把分發當第一公民。真實是乘數，不是替代品。再好的東西沒有通路也會沉到長尾裡。所以同時要做最不性感的事——固定輸出、長期累積、找到並經營一條屬於你的分發管道。把「真」乘在「被看見」上面，而不是用「真」去賭你不需要被看見。
最後補一個關於「品味」的殘酷事實，順便解釋它為什麼值錢：品味要付學費。它來自大量、刻意地去消費那些「慢內容」——一本難讀的書、一篇要想很久的長文、一場需要全神貫注的對話。正因為幾乎沒有人願意付這個學費，所以它才會一直稀缺。這也是這整篇文章最反雞湯的地方：護城河之所以是護城河，正是因為它麻煩、慢、而且大部分人不會去做。
📚 延伸閱讀
- AlphaLab 知識分享——更多把一個想法拆到能驗證、能動手的文章。
- AI Agent Harness 是什麼？——想搞懂「AI 到底能幫你做到哪一層、哪一層還是你的」，從這裡開始。
- 怎麼把 AI 用得更聰明——把 AI 當成你的「客場工具」，而不是你的替身。
本文為知識分享與個人觀點，非專業（心理／職涯／財務）建議。文中引用的研究與數據截至 2026 年 6 月：攝影術 1839 年公開、印象派為多重成因（攝影為其一）、德拉羅虛「繪畫已死」名言出處存疑；串流與現場收入的互補關係參考 NBER 工作論文 w16507，2023 年巡演票房數據來自 Pollstar；互補品經濟學參考 Joel Spolsky〈Strategy Letter V〉（2002）；AI 文章盲測與「揭露即降低信任」研究、Salganik–Watts「音樂實驗室」（Science 2006）、史丹佛／喬治城與 Ahrefs 的 AI 內容研究，均為公開可查的同儕審查或業界研究。AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。本文無業配內容。