Meta 執行長 Mark Zuckerberg 於 2026 年 8 月 10 日發表長文 The Future Is for Everyone（可譯為〈未來屬於每一個人〉），提出「個人超級智慧」（personal superintelligence）願景：個人賦權是繁榮來源、發明是超級智慧首要目的、權力平衡是安全基礎。
最犀利的批評不必停留在「Meta 不可信」；可以直接指出這份宣言的結構性矛盾：它用「人人的 AI」語言，替 Meta 爭取下一代個人資料入口、算力基建擴張與美國產業政策的正當性。
一面以民主化、個人自主、開放來界定自家 AI 的正當性，一面將監管、版權、資料權利與勞動影響，描繪成阻礙創新的成本。
本文將這種做法稱為「正當性漂白」（legitimacy-washing）：企業先以自由、民主化、隱私或公共利益界定技術擴張的道德意義，卻未同等具體地交代資料來源、模型審計、受影響者救濟、商業模式衝突與補償責任。
這一用法接近數位倫理研究所說的 digital ethicswashing：以表面的倫理溝通營造「倫理問題已被充分處理」的印象，但缺乏可驗證的實質實踐與問責機制。
本文分析的是此類論述的公共效果與治理缺口，無意預先判定 Meta 的主觀意圖。
更細一層：Evers（2024） 比較 Big Tech（Google、Microsoft）與歐盟 AI 政策論述，發現各方在「公平、透明、隱私、責任」等高層次詞彙上常呈現表面一致，但對落實方式、商業模式與約束程度存在深層差異；當規範從自願原則變成具約束力的法律時，原先被抽象語言遮蔽的政治與經濟衝突才更明顯。
這正可支撐對 Meta 宣言的判斷：「個人賦權」「權力平衡」「隱私」等詞彙本身未必虛假；問題在於，當它們停留在原則層次時，可以掩蓋資料權利、勞動救濟、廣告誘因與算力分配等真正具有分配效果的衝突。
本文不反對個人可用的 AI，也不否認開放權重的外溢；本文質疑的是，Meta 能否在既有平台權力與商業誘因下，可信地擔任個人自主的基礎設施。
先把反方說清楚：宣言裡站得住的四點
若只讀成「又是 Meta 公關」，會漏掉它真正踩中的幾點—也是批評者必須正面回應的。
把問題從「Meta 的目標是否邪惡」改成「Meta 是否提出足以約束自身的承諾與制度」，批評才站得住：
集中化風險不是假議題。 少數政府或封閉實驗室壟斷超強模型，確實會改寫個人、企業與國家的議價能力。把「誰握有 frontier capability」當成政治問題，比把 AI 只寫成工具箱更準。
開放權重有真實外溢。 相對於只賣 API 的封閉路線，釋出可下載、可微調的權重，確實降低了部分開發者與研究者的進入門檻；生態效應不是零。
「發明優於純取代」作為價值排序，本身可辯護。 若超級智慧主要拿去壓縮既有崗位，很少用來擴大個人創造半徑，社會成本會更高。口號可辯；要看 Meta 有沒有按這句運作。
完全私密模式若可被第三方驗證，比「雲端同事看光一切」更值得談。 隱私承諾的價值，取決於技術保證與審計，不取決於宣言語氣。
承認這些之後，「人人可及」這個目標仍可成立。真正卡住的是：誰來承諾、用什麼商業模式資助、開放到哪一層、稀缺算力如何分配—這封信幾乎全用道德語言帶過。
宣言怎麼講故事：從壟斷恐懼到價值選擇
把風險定位為「少數政府或實驗室壟斷超級智慧」。
把 Meta 定位為「把能力交還給每個人」的反壟斷者。
將其產品路線—個人 AI、眼鏡、裝置、Llama 生態—自然地呈現成解方。
把企業應承擔的治理義務，轉述為一種「你是否相信個人自由」的價值選擇。
The Next Web 的讀法很準：這更像 Rorschach test（羅夏克測驗），距離可執行的 roadmap 還很遠。
相信 Meta 的人讀到 AI 民主化；不信的人讀到為平台擴張鋪路的烏托邦語言。缺口遠超過缺細節—尚未處理「誰來承諾」：一家公司必須先贏得資料使用的同意與信任。
這封信讀起來像一場信任壓力測試：它要求人們相信 Meta 能成為個人自主的基礎設施，卻沒有先證明個人自主不會被收編成更精細的平台依賴。
勞動現場 vs 消費者願景
下表整理的是訴訟與報導所載指控，不構成對事實或違法性的預先判定。每一格涉及員工案之處，均為原告指控或報導稱；Meta 否認相關說法，強調最終決定由人作出—尚未經法院認定。
同一套「個人賦權」修辭，在消費者端是願景，在勞動端卻撞上監控、不透明與救濟不足。 這不預設原告必勝；它標出的是公開論述與勞動端可驗證安排之間的落差。若連內部員工都難以審計影響其生計的系統，對外談「對齊每個人的目標」就欠缺程序基礎。
三層壓力測試：親密性、廣告空白、算力拍賣
親密性：最受監控的角落，要求進入健康與關係
The Next Web 切中要害：Meta 承諾能理解健康、財務、關係與人生目標的「親密個人 agent」，但提出這個承諾的，正是長年依賴廣告與注意力收割的 Facebook／Instagram 母公司。看似個人賦權，也可被讀成同一套以參與度與廣告為核心的機器，換上 empowerment 的新包裝。
Meta 所謂「個人超級智慧」，也可能把一個更深度介入健康、財務、關係與日常決策的資料擷取與依賴引擎，交到 Meta 手中。當「最受監控的網路角落」要求進入人最私密的生活，功能方便與否只是次要問題；先要問誰值得被授權如此接近。
親密資料一旦進 agent，平台權力的粒度就跟著變。
廣告空白：6,542 字談權力，零次談 advertising
PPC Land 對全文做字數盤點：「balance of power」出現 23 次；advertising、monetization、subscription、profit 均為 0；Facebook、Instagram、Threads、Messenger 也未出現。同文指出，Meta 2026 年第二季廣告營收約 593.6 億美元，是支撐超大規模算力、資料中心與 AI 投資的主要資金來源。
一封反覆談「權力平衡」的 AI 宣言，刻意略過自身權力最主要的物質來源：廣告。它沒有說明，如何讓一個由注意力交易、行為推斷與廣告最佳化資助的公司，同時成為使用者私密 agent 的可信受託人。
這是整份宣言最關鍵的政治經濟學空白。
同一條線戳穿「發明而非自動化」：祖克柏宣稱超級智慧最大貢獻將是發明；但 Meta 最成熟、規模最大的 AI 商業部署，正是高度自動化的廣告系統—Advantage+ 把受眾、版位、預算等原本由媒體採購與行銷人員處理的工作，收進機器管理流程，年化營收運行率據稱超過 750 億美元（PPC Land）。
Meta 不是反對自動化；它反對的是別人控制自動化。
對 Meta 而言，「發明」是給消費者的願景語言，「自動化」則是已被大規模變現的廣告基礎設施。
廣告自動化不必等於失業。把「AI 用於創造」與「AI 用於取代／壓縮既有工作」設成二選一，框架仍不可信：企業可以同時販售賦能敘事，並從自動化與控制權集中獲利。
算力拍賣：免費普惠其實是配給
官方信說每個人都能「免費或負擔得起」地使用 AI，但同段也寫：高算力需求者需付費，且透過 dynamic auction mechanism（動態拍賣機制）配置有限算力（about.fb 原文）。
正面讀法可以成立：稀缺算力若不配給，只會變成排隊或隱形配額；拍賣至少把價格公開化。反面讀法更尖銳：
Meta 把稀缺算力的市場分配機制稱為「人人可及」。
但在動態競價下，最需要能力的人未必最能負擔能力；最有支付能力的人，反而更可能優先獲得模型推理、代理執行與高品質服務。不平等從組織門檻改寫成算力購買力。
模型可以「廣泛提供」，能力與支配權仍可能高度不均。
Frontier lab 修辭：開放權重 ≠ 權力下放
這也不只發生在 Meta。前沿模型公司普遍有一個自利的修辭結構：
核心：Meta 把開放模型、個人 agent、智慧眼鏡與大規模算力整成同一故事，真正爭奪的是人與 AI 最長期、最高頻的入口；模型、算力、終端、分發、個人資料仍有顯著規模經濟與控制權集中。
Meta 所謂的「開放」，更準確說是把部分模型權重開放；資料、GPU、雲端、作業系統級入口、穿戴式終端、社交關係圖譜、分發渠道與付費算力，仍然集中。
開放權重證明不了反壟斷；它也可能是建立事實標準、擴大生態依賴的策略。
開放權重有外溢—前面已承認。有外溢，仍推不出權力已下放。
企業願景不是公共治理
不必反對 AI，也不必否認前沿研究的公共價值；關鍵是拒絕把企業願景當作公共治理。
要判斷一份「普惠 AI」宣言是否真誠，不能看它講多少自由、賦權或民主，而要看它是否承諾並接受：
可獨立驗證的訓練資料來源、權利人同意與退出機制。
對模型能力、濫用、勞動影響及環境成本的外部審計。
受 AI 決策影響者的知情、解釋、申訴與補救權。
對高風險部署設下可執行的紅線，不能只公布「原則」。
讓公民社會、勞工、創作者、弱勢社群進入治理，不能只把他們納入 beta 測試與事後公關。
真正的「AI 民主化」，要求人們有能力拒絕、質疑、審計、替代並共同決定該 AI 系統的規則—遠超過「人人都能用上某家公司的 agent」。
你站在哪一層：三則場景
Mark 把 AI 的核心政治問題定義為「超級智慧是否被少數機構壟斷」。
這個診斷並非全錯，但他刻意省略了另一個問題：當同一家公司同時擁有社交關係圖譜、廣告基礎設施、個人資料、裝置入口、龐大算力與 agent 分發渠道時，「把 agent 發給更多人」也可能只是把平台權力推進使用者更私密的生活層面。
要檢驗的是人是否擁有拒絕、攜出資料、轉換服務、審計系統、集體談判與要求補救的實質權利。Meta 說「人人皆可使用」本身不夠。
這封信寫給大眾；下面三則場景寫給會把 agent 嵌進生意、組織與職涯的人。不必先選邊站 Meta—先問自己站在哪一層權力關係裡。
Claire｜創業者：免費的入口
Claire 和兩位朋友做了一個給診所使用的 agent。
它能整理病人來信、預約紀錄與照護筆記，提醒護理師哪些病人可能需要回訪。產品一開始很受歡迎：診所不用聘工程師，也不必自己建模型，每月訂閱費比多聘一位行政人員便宜。
一年後，大部分診所的照護流程都已經圍繞這個 agent 重組。病人資料存在平台的向量資料庫裡；護理師的修正紀錄、常用語句、病人分流規則，也逐漸變成 agent 的「記憶」。某天，一家診所問 Claire：「我們要換模型供應商，能把這些東西帶走嗎？」
Claire 打開後台，才發現能匯出的只有 PDF 報表與原始附件。
真正重要的東西—agent 的狀態、任務邏輯、評估紀錄、持續累積的工作脈絡—都綁在上游模型供應商的格式、工具呼叫與雲端執行環境裡。
同一週，算力價格在流感季高峰突然上升。
診所希望 agent 能更頻繁地追蹤高風險個案，但每多跑一次長上下文推理，成本都在變。Claire 開始調低服務門檻：一般客戶只能得到摘要，付更高費用的客戶才有即時追蹤與多步驟 agent。
投資人稱讚他們找到了「分級變現」。
但 Claire 知道，自己原本賣的是普惠照護工具；現在賣的其實是有限算力下的優先通道。
要問的是：當客戶帶不走工作狀態、資料與流程，創業者賣的是賦能工具，還是某家 frontier lab 的分發入口？當算力由競價決定，普惠是產品原則，還是低階方案的宣傳詞？
Jordan｜管理者：人永遠在迴路中
Jordan 是連鎖零售集團的人資轉型主管。
公司導入一套 AI 績效平台，宣稱能幫主管從數千筆工作紀錄中找出真正需要支持的同事，並強調這套系統不取代管理者。
系統讀取排班、銷售數字、內部訊息回應速度、培訓完成率與客戶評價，最後生成每個人的「成長動能分數」。在董事會簡報上，Jordan 反覆強調一句話：所有最終決定仍由人類主管作出。
半年後，區域經理要縮減一個門市團隊。主管打開系統，看見三名員工被標記為「低動能、高流失風險」。
其中一位是剛結束照護假回來的資深店長；另一位因為長期支援新同事，自己的銷售數字下降；第三位則刻意少在內部聊天工具發言，因為他發現自己每次深夜回覆訊息都會換來更多工作。
主管沒有完全相信系統，但時間不夠、人手不足，最後仍以系統排序作為裁撤討論的起點。他告訴被裁員的店長：決定來自管理團隊的綜合評估，系統沒有自動裁人。
店長問：「那我能看見 AI 用了什麼資料嗎？誰看過我的請假紀錄？主管在哪一步不同意過系統？我的申訴會交給誰？」
Jordan 才發現，專案文件寫了很多「負責任 AI」原則，卻沒有明確規定資料來源、排除條件、人工覆核紀錄、申訴期限與更正程序。人確實仍在迴路中，但人只是替系統承擔最後的責任話術。
要問的是：若 AI 影響升遷、績效與裁員，員工是使用者，還是被量測與排序的對象？「人類最終決定」若沒有覆核紀錄與申訴機制，是否只是不可驗證的免責聲明？
Aaron｜員工：你的個人 AI
Aaron 進公司第一天，IT 部門替他開通了一個「個人 AI 工作夥伴」。
它能摘要會議、整理文件、草擬電郵、提醒待辦事項，也會根據他的日曆、專案文件與聊天訊息，主動建議下一步。
他很快離不開它。
半年後，Aaron 在績效面談裡聽到主管說：「你最近的跨部門協作可見度下降，系統也顯示你的專案回應節奏有風險。」Aaron 愣住了。他以為 AI 只是他的私人工作助手，沒想到它記錄的回覆時間、文件修改頻率、會議參與情況，可能同時進入了另一套管理儀表板。
他詢問人資：個人 AI 和績效系統之間有沒有資料牆？
得到的回答是：「不用擔心，績效不是由 AI 自動決定，最後還是主管判斷。」
Aaron 再問：「我的哪些資料被用過？我可以看到系統如何得出『協作可見度下降』嗎？若上下文錯了—例如我正在處理一個保密客戶案、不能在公開頻道留言—誰能修正？」
人資建議他「和主管多溝通」。他想停用個人 AI，但發現團隊的會議紀錄、專案交接、文件搜尋都已假設每個人使用它；不用的人會漏掉摘要、跟不上決策，也更容易被認為協作不足。
於是他理解到：公司給他的入口同時在協助他，也在量化他。他沒有真正拒絕的空間。
要問的是：當你無法拒絕、無法看見資料流向、無法攜出自己的工作狀態，也無法有效挑戰系統結論時，所謂的「賦權」到底賦予了誰權力？
串連：三個人都以為自己在「使用」AI
Claire 以為她在替小型診所降低技術門檻。Jordan 以為她在替主管提升管理品質。Aaron 以為他得到一個更聰明的工作助手。
但最後，他們都發現：AI 同時是工具、資料管道、算力配額、行為度量系統與平台依賴。Claire 帶不走狀態，Jordan 寫不出覆核紀錄，Aaron 停不掉「個人」助手—退出、可攜、知情、申訴與要求改變的權利，都還沒交到使用者手上。
稽核軌跡
觀點、判斷與專欄裡的自製概念是我的。資料蒐集與初稿撰寫有 agent 參與，成稿由我逐段改定。每一則引語、數字與來源，發稿前都對過原始文件；「讀者回函」系列引用的來信與提問來自真實讀者。寫錯了算我的。
Copyright © PrivacyUX Consulting Ltd. All rights reserved.
Joshua 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。