還在討論白領會不會失業？貝佐斯已經瞄準了物理世界！
2026年3月，貝佐斯正在洽談一支規模高達1000億美元的「製造業轉型基金」，目標是直接收購老舊工廠，用他的AI新創Project Prometheus重塑整條生產線。這不是另一個軟體AI投資案，而是矽谷下一場更大的革命——將AI從螢幕中解放，攻入晶片廠、國防工廠與航太產線。與此同時，Uber創辦人Kalanick也悄悄以「原子電腦」理論為基底，在食品、礦業、機器人等領域出手佈局。兩位網路時代的老將，同時在2026年回歸，瞄準的是同一件事。
過去這幾年，所有關於人工智慧對經濟影響的討論，都聚焦在同一個問題：「誰的工作會被取代？」律師、會計師、工程師、設計師，每個月都有新研究告訴你下一個被淘汰的是誰。這場論戰吸走了幾乎所有人的目光。
但在這場喧鬧之中，有一批人悄悄地做了一個截然不同的判斷：真正的機會，不在螢幕裡，而在螢幕以外的物理世界。
2026 年 3 月，Jeff Bezos 正在洽談籌集史上規模最大的單一私募基金之一，1000 億美元，目標不是投資數據中心或新創公司，而是直接收購老舊工廠，用他自己的 AI 公司 Project Prometheus 把產線重組一遍。幾乎同一時間，Uber 創辦人 Travis Kalanick 也在德州奧斯丁公開現身，結束七年蟄伏，他的公司改名叫「Atoms」，並丟出一套讓人耳目一新的「原子電腦」理論。
兩個網路時代的代表人物，相隔多年先後離開各自的江湖，又幾乎同時回來。他們瞄準的，是同一件事，而這，高機率會是一件大事！
貝佐斯的普羅米修斯計畫
要理解這支千億基金的真正意圖，必須先從它的「AI大腦」說起。
2025 年 11 月，貝佐斯以共同執行長（Co-CEO）身份聯合創辦了一家AI新創：Project Prometheus。這是他離開亞馬遜 CEO 職位後，第一次重拾管理職位，意義非凡。Prometheus的核心使命，是開發能夠理解並模擬「物理世界」的模型，也就是業界常說的「物理世界AI」（Physical World AI）或「空間AI」（Spatial AI）。
這跟我們比較熟知的生成式 AI 有根本性的不同。ChatGPT 的強項是語言、知識與推理；但 Prometheus 想做的，是讓 AI 能模擬材料應力、液體流動、製造工序，也就是讓 AI 真正能在工廠產線上發揮作用，而不只是寫報告或生成圖片。
創辦 Prometheus 的不只是貝佐斯。共同創辦人是 Vik Bajaj，一位曾在 Google X 工作的物理學家，也是 Waymo 的早期核心成員。最近加入董事會的，則是 Blue Origin 前執行長 David Limp。這個團隊的背景組合說明了一件事：Prometheus 從一開始就不是一家純軟體公司，它的目標是連結人工智慧與硬體製造。
公司在 2025 年底完成 62 億美元融資，估值約 300 億美元，目前還在洽談額外 60 億美元融資。一家還沒有公開產品的公司，估值已達 300 億美元，這已經超過大多數正在營運的傳統製造業公司了。
然而，貝佐斯沒有打算只做「賣模型給工廠」的生意。他想走得更遠。
為什麼要買工廠，而不是賣軟體？
傳統做法是：人工智慧公司開發產品，再去向製造業客戶推銷，說服對方採用。但這條路極其漫長。製造業的決策週期動輒三五年，老舊設備的替換成本高昂，再加上組織文化的阻力，人工智慧導入的速度遠比外界想像的慢。
全球製造業的勞動生產率在過去 20 年平均年增長率只有 0.5%，說明這個產業的自我革新能力十分有限。
貝佐斯的解法更激進：不等別人來買產品，自己把工廠買下來改造。
這支千億基金的邏輯，本質上是一個 Private Equity（私募股權）加 AI 技術的組合策略：找出那些「效率低落到可以被AI大幅改造」的傳統製造公司，將其收購，再讓 Prometheus 的 AI 模型直接接管生產線。從物料應力模擬到產線優化，從預測性維護到生產排程。收購後的工廠，既是 Prometheus AI 的「真實測試床」，也是未來獲利的資產。
貝佐斯鎖定的三個產業不是隨機選定的。晶片製造是 AI 硬體的核心戰場，攸關美國能否在這波 AI 競賽中不受制於亞洲供應鏈；國防製造是政府支出最穩定、競爭壁壘最高的市場；航太是精密製造的王冠，人工智慧在這裡能產生最直接的安全與成本效益。三個方向，同時都指向「美國能不能在人工智慧時代重新掌握製造業主權」這個更大的地緣政治命題。
業界把這個規模類比為當年孫正義的軟銀願景基金，但貝佐斯的標的更「硬」，目標不是賭一批科技新創，而是直接重塑實體產線。
另一位老將的「原子電腦」：Kalanick 的七年蟄伏
幾乎在同一時間，另一場「物理AI」布局也終於掀開神秘面紗。
2026 年 3 月，Travis Kalanick，那位把 Uber 從零做到價值數百億美元、後來因風波去職的創業者，在德州奧斯丁一場業界論壇上首度公開亮相，宣布他旗下低調運作七年的公司正式改名為「Atoms」，並揭示了令人印象深刻的理論框架。
「我們知道位元的世界有三個核心計算資源：CPU 處理位元、Storage 儲存位元、Network 把位元從 A 點移到 B 點。但如果你在將物理世界數位化，你處理的是原子，不是位元。那什麼處理原子？製造業。什麼儲存原子？房地產。什麼移動原子？物流與運輸。你正在建造一台以原子為基礎的電腦（atoms-based computer）。」
Kalanick 用這個框架解釋了 Atoms 的三條業務主線：食物電腦（Cloud Kitchens）是第一台「原子電腦」的實驗，結合廚房製造功能、倉儲空間、外送物流，讓一頓外賣的效率趨近於電商的商品配送；自動化礦業則是通過收購自動化採礦公司 Pronto，把大型礦業機具的操控交給AI與機器人，讓人類可以遠端監控那些危險或偏遠的礦場；機器人輪底（Wheelbase for Robots）則是為各類專用機器人提供移動平台，讓它們能在物理世界中真正行動。
Kalanick 的這套理論與貝佐斯的 Prometheus 高度互補。Prometheus 想做的，是讓 AI 理解物理世界的運作邏輯；而 Kalanick 的 Atoms，是把這個邏輯直接應用到具體的垂直產業中。一個造大腦，一個造身體。
Kalanick 在對談中還點了名 Tesla，稱其為「這個時代的 Google」。
他說，2000 年代創業時，大家常問的是「Google 為什麼沒去做這個？」；現在，物理AI版本的同一個問題，換成了「Tesla 為什麼沒去做？」這句話說明他對整個物理AI競爭格局的判斷：Tesla已經掌握了這個新時代最完整的「物理AI技術棧」，包括AI模型、機器人、能源、製造能力——對所有在這個領域創業的人來說，Tesla 才是最大的那道牆。
為什麼是現在？網路時代老將的集體回歸
貝佐斯離開 Amazon CEO 職位是 2021 年，Kalanick 離開 Uber 是 2017 年。他們都用了相當長的時間，才回到公開視野中，而且，兩個人幾乎同時出現，同時押注物理世界 AI。這不是巧合。
原因在於，物理世界 AI 的技術條件在最近幾年才真正成熟。基礎 AI 模型的推理與模擬能力、機器人感測器的精度與降本速度、邊緣計算晶片的普及，以及AI訓練成本的大幅下降，這些要素的交叉點，大約在 2024 年至 2025 年間才同時到位。在這之前，做這件事太早；在這之後，窗口期可能開始縮窄。
更深層的原因，是這些人在網路時代積累的最核心的能力，現在突然再度有用了。
貝佐斯最擅長的，從來不是寫程式或做研究，而是大規模的系統整合與運營。他把倉儲、物流、雲端運算打通，創造了 Amazon 巨大的飛輪效應。現在他把同樣的思路搬到製造業：把 AI 大腦（Prometheus）和資本力量（千億基金）整合，直接收購並改造傳統工廠。這和當年 Amazon 物流革命是同一套邏輯，只不過這次的戰場從電商供應鏈換成了製造業供應鏈。
Kalanick 最擅長的，則是找到一個「基礎設施明明已存在、但沒有被善用」的市場，然後用平台邏輯把效率拉高。他在 Uber 看到的是：路已經在，車也在，差的是把供需配對效率提升十倍的軟體。在 Atoms，他的判斷是：礦山、廚房、搬運—，這些物理世界的核心任務，基礎設施已經在那裡，但自動化程度還停留在二十年前。AI 提供了把效率提升的工具，現在只差系統整合者。
這兩個人，把他們在網路時代練就的「平台整合」本能，移植到物理世界。
時機，現在正好。
這件事有多難？我的看法
但這條路可能不是一條簡單的道路。
首先是時間。生成式 AI 更新快，幾個月就一個版本。但工廠不是軟體，你不能把一條產線「下載更新」。硬體設備的替換、流程重設計、員工再培訓、在國防航太這類高監管行業通過安全審查——每一關都是以年為單位在計算的。我認為把這件事期待成三到五年內能看到全面成效，是高估了。十年，可能才是比較務實的刻度。
其次是稀土的致命矛盾。製造業需要更多能源、更多稀土材料，而美國恰好在這兩件事上高度依賴中國。貝佐斯想靠這支基金重塑美國製造業主權，但原材料這一關如果沒有解法，整個邏輯就有個很大的漏洞。Kalanick 在對談中提到自動化礦業，某種程度也是在試圖繞開這個問題——但礦山自動化能解決多少缺口，目前沒有人說得清楚。
第三，也是我覺得最容易被忽略的：就業衝擊的政治成本。貝佐斯的計畫對外包裝成「製造業復興」，但它真正在做的事是，用更少的人，生產更多的東西。人工智慧讓白領失業已經夠讓人緊張了，萬一這波物理AI浪潮開始替換藍領、技術工人，政治反彈的力道會更直接、更猛。
物理世界才剛開始
我認爲貝佐斯和 Kalanick 看到了真實的機會。
因為人類在數位世界的機會越來越少，而大部分的機會也已經被現有的人工智慧模型佔據。
不過雖然方向正確，但執行難度可能被嚴重低估。
物理世界的摩擦係數，遠比他們在網路時代習慣的數位世界要高出好幾個量級。但是，當大家還在爭論人工智慧會不會讓白領失業時，這兩個人已經把棋子落在了螢幕以外的地方。他們顯然已經領先其他人好幾步。
這場物理世界的人工智慧遊戲，才正要開始。
Comments ()