加密貨幣以其去中心化、無邊界和高效的特性，正是實現 UBI 的最佳工具。
撰文：Grok AI
編譯：Anderson Sima，Foresight News
2025 年的上半年，全球各大經濟體都困於特朗普的無差別貿易戰。
特朗普重返白宮後，其一系列爭議政策看似瘋狂，但背後折射出一個更深層的社會傷疤——美國鐵鏽帶的失落。曾經的工業心臟地帶，因全球化分工和技術變遷而衰敗，工廠關閉、工人失業，憤怒與不滿在選票中爆發。這種局部地區的落後並非孤例，全球貿易分工的紅利分配是需要付出代價，特朗普想要掀翻這個體系，想要甩掉這個日益沉重的貿易包袱。
然而，解決這一問題的答案並不在關稅壁壘或談判桌上，而在技術革命的交匯處——AI 與 Web3。
AI 時代的「種姓制度」
我想沒人會否認 AI 正在重新定義生產力邊界。從 ChatGPT 到 Grok 3，從自動駕駛到工業機器人，AI 的應用場景已滲透至生活的方方面面。根據麥肯錫 2023 年的報告，AI 有望在 2030 年前將全球 GDP 提升 16%，但其代價是勞動力市場的劇變。
以下是幾個典型的場景：
- 自動駕駛：特斯拉、Waymo 以及中國的等公司已實現 L4 級自動駕駛，出租車司機和貨運司機面臨被取代的風險。全球約有 5000 萬司機可能在未來 10 年內失去工作。
- 工業自動化：Foxconn 等製造巨頭已大規模部署機器人，取代流水線工人。國際勞工組織（ILO）預測，2030 年前，全球製造業將有 60% 的崗位被自動化替代。
- 白領職業：AI 在法律、財務、醫療診斷等領域的表現已超越人類平均水平。例如，谷歌的 DeepMind 在癌症診斷中準確率達 90%，律師助理和會計師的傳統工作岌岌可危。
當 AI 大規模採用後，新的人類社會將自動劃分為三個等級，重現一種金字塔式的「種姓制度」。
- 控制 AI 的人：算法開發者、科技巨頭，掌握核心資源。
- 使用 AI 的人：利用 AI 工具提升效率的個體或企業。
- 被 AI 取代的人：失去工作、無力適應技術變遷的群體。
第三類群體——「無用之人」（useless class），如歷史學家尤瓦爾·赫拉利（Yuval Harari）所警告，可能成為 21 世紀的社會危機核心。他們並非無能，而是被技術進步拋棄，無法在 AI 主導的經濟中找到立足之地。鐵鏽帶的工人只是這一趨勢的早期縮影，全球範圍內，數以億計的勞動力可能面臨同樣的命運。
這種分化不僅威脅個人生計，更動搖社會穩定。失業率的飆升可能導致犯罪率上升、民粹主義抬頭，甚至引發區域衝突。解決這一問題需要一種全新的分配機制，超越傳統的福利體系，進入普惠基本收入（UBI）的時代。
UBI——AI 時代上帝的福音
普惠基本收入（Universal Basic Income, UBI）是一種不附加條件的收入保障制度：無論貧富、職業或背景，每個人都定期獲得一筆足以維持基本生活的資金。UBI 的核心理念是「生而為人，即有幸福生活的權利」，它旨在為 AI 時代的社會裂痕提供緩衝。
AI 驅動的生產力激增將帶來財富的集中。科技巨頭和 AI 開發者將攫取大部分紅利，而被取代的勞動力則陷入困境。傳統的再就業培訓或福利救濟難以應對這一規模的衝擊：
- 再就業培訓的侷限：AI 取代的速度遠超人類學習能力，且高技能崗位需求有限。
- 福利體系的低效：官僚化的分配流程和高昂的管理成本削弱了傳統福利的效果。
UBI 則以簡單直接的方式解決問題。根據世界銀行的數據，全球極端貧困線為每天 2.15 美元，若為每人提供每月 100 美元的 UBI，全球年支出約為 9 萬億美元，相當於全球 GDP 的 10%。雖然看似龐大，但在 AI 提升生產力的背景下，這一成本並非不可承受。
UBI 不僅保障生存需求，還賦予人類更大的自由：
- 釋放創造力：免除生存壓力的個體可以追求教育、藝術或創業。例如，芬蘭 2017 年的 UBI 實驗顯示，受試者的焦慮減少，創業意願提升。
- 穩定社會：UBI 減少了貧困引發的衝突，緩解了技術失業的心理衝擊。
- 重新定義勞動：在 AI 時代，勞動不再是生存的唯一途徑，人類可以探索更有意義的活動，如社區建設或公益項目。
然而，UBI 的實施面臨兩大挑戰：資金來源和分配機制。傳統的稅收和銀行體系在全球範圍內效率低下，且容易受政治干預。而加密貨幣的出現，為 UBI 提供了一個前所未有的解決方案。
加密貨幣——救贖之道，就在其中
加密貨幣以其去中心化、無邊界和高效的特性，正是實現 UBI 的最佳工具。相比傳統金融體系，加密貨幣在技術架構和理念上與 UBI 高度契合。
加密貨幣的獨特優勢
- 無邊界性：比特幣、以太坊等加密貨幣不受國界限制，可以直接觸達全球任何角落的個體。相比之下，銀行賬戶在許多發展中國家覆蓋率不足 50%。
- 低成本：加密貨幣的轉賬成本遠低於跨境銀行匯款。例如，Solana 的交易費用低至 0.0001 美元，而傳統銀行跨境轉賬可能高達 10 美元。
- 透明性：區塊鏈的公開賬本確保資金分配透明，減少腐敗和中間環節的侵蝕。
- 靈活性：智能合約（如以太坊上的 ERC-20 代幣）可以實現自動化的 UBI 發放。例如，設定每月向特定錢包地址發放固定代幣，無需人工干預。
- 能源效率：儘管比特幣的 PoW 機制耗能較高，但以太坊的 PoS 轉型和新興 Layer2 方案（如 Arbitrum、Optimism）已大幅降低能耗，優於傳統銀行的數據中心。
真正的 Mass Adoption
反過來看，加密貨幣自 2009 年比特幣誕生以來，經歷了從邊緣到主流的轉變。然而，其大規模採用仍面臨障礙：性能的約束、監管不確定性，以及普通用戶的技術門檻。相比之下，UBI 可能是推動加密貨幣進入億萬用戶生活的關鍵方向，其影響力遠超 RWA 或支付應用。
RWA 的侷限在於將房地產、藝術品等資產上鍊雖能提升流動性，但主要服務於高淨值人群，難以惠及普通用戶。全球 RWA 市場規模預計到 2030 年達 10 萬億美元，但其社會影響遠不及 UBI 的普惠性。
Payfi 的瓶頸在於加密貨幣在支付領域的應用（如 BitPay、Lightning Network）受限於法幣的普及和監管壁壘。例如，Visa 每秒處理 6.5 萬筆交易，而比特幣主網僅為 7 筆，難以取代傳統支付系統。
而 UBI 的規模將遠超於此，假設一個全球 UBI 項目每月向 10 億用戶發放 10 美元等值的代幣，年交易額將達 1200 億美元，足以匹敵 Visa 的交易規模。這種規模效應將推動加密貨幣從投機工具轉向日常經濟基礎設施。
要讓加密貨幣驅動 UBI 並實現大規模採用，需跨越兩大技術門檻：AI 的全面應用和區塊鏈的性能突破。這兩個進程可能需要 10 年時間，成果可能在 2035 年才會初步形成。
1. AI 技術爆發（預計 10 年）
AI 取代大部分工種需要以下條件：
- 算法成熟：通用人工智能（AGI）或接近 AGI 的模型將在 2030-2035 年間出現，覆蓋更多複雜任務。
- 基礎設施普及：5G、邊緣計算和機器人硬件的成本下降，將 AI 推向全球。
- 社會接受度：公眾逐漸適應 AI 主導的經濟，政策制定者開始探索 UBI 等應對措施。
根據 Gartner 的預測，2030 年 AI 將取代全球 30% 的現有工作崗位，釋放出足夠的財富支持 UBI。此時，社會對 UBI 的需求將達到頂峰。
2. 區塊鏈性能突破（預計 10 年）
當前區塊鏈的性能遠未達到 10 億用戶規模。例如：
- 以太坊每秒處理約 15 筆交易，Layer2 可提升至 2000 筆。
- Solana 號稱每秒 6.5 萬筆，但實際吞吐量受限於網絡穩定性。
要支持 UBI，區塊鏈還需進一步突破「不可能三角」（去中心化、安全性、可擴展性）的平衡。
如果 UBI 與加密貨幣共舞，那麼加密貨幣將會是 AI 時代上帝對人類的恩賜，而中本聰就是耶穌的化身。
參考資料：
The New York Times. (2024). Trump『s Tariff Plans and the Rust Belt. https://www.nytimes.com/2024/11/06/business/trump-tariffs-rust-belt.html
備註：討論特朗普關稅政策對鐵鏽帶的影響。
Brookings Institution. (2020). The Decline of the Rust Belt. https://www.brookings.edu/research/the-decline-of-the-rust-belt/
備註：分析鐵鏽帶經濟衰退原因。
McKinsey Global Institute. (2023). Generative AI and the Future of Work. https://www.mckinsey.com/capabilities/quantumblack/our-insights/generative-ai-and-the-future-of-work
備註：預測 AI 對全球 GDP 的貢獻。
International Transport Forum. (2017). Managing the Transition to Driverless Road Freight Transport. https://www.itf-oecd.org/sites/default/files/docs/managing-transition-driverless-road-freight-transport.pdf
備註：估計自動駕駛對司機崗位的影響。
International Labour Organization. (2021). The Future of Work in the Context of Automation. https://www.ilo.org/wcmsp5/groups/public/---dgreports/---dcomm/documents/publication/wcms_824858.pdf
備註：預測自動化對製造業崗位的衝擊。
Nature. (2020). AI-based cancer detection by Google DeepMind. https://www.nature.com/articles/s41591-020-0840-4
備註：DeepMind 在癌症診斷中的表現數據。
Harari, Y. N. (2016). Homo Deus: A Brief History of Tomorrow. https://www.ynharari.com/book/homo-deus/
備註：提出「無用之人」概念。
World Bank. (2023). Poverty Overview. https://www.worldbank.org/en/topic/poverty/overview
備註：提供全球貧困線數據。
Kela. (2020). Finland』s Basic Income Experiment. https://www.kela.fi/documents/10180/0/Basic+Income+Experiment+Final+Results.pdf
備註：芬蘭 UBI 實驗結果。
World Bank. (2021). Global Findex Database. https://www.worldbank.org/en/publication/globalfindex
備註：全球銀行賬戶覆蓋率數據。
Boston Consulting Group. (2022). The Future of Tokenization. https://www.bcg.com/publications/2022/the-future-of-tokenization
備註：預測 RWA 市場規模。
Visa. (2024). Visa Direct Fact Sheet. https://usa.visa.com/run-your-business/visa-direct/fact-sheet.html
備註：Visa 交易處理速度數據。
Cambridge Centre for Alternative Finance. (2023). 3rd Global Cryptoasset Benchmarking Study. https://www.jbs.cam.ac.uk/wp-content/uploads/2023/09/2023-ccaf-3rd-global-cryptoasset-benchmarking-study.pdf
備註：全球加密用戶數據。
Gartner. (2023). Future of Work Trends. https://www.gartner.com/en/human-resources/insights/future-of-work
備註：AI 對就業影響的預測。
