Peter Thiel 的 AI 預言有被市場低估嗎？

實質上，Thiel 的觀點代表了一種非共識的洞察。多數人聚焦在 AI 對「創意工作」的威脅，但他反過來點出：結構化、確定性的數學任務反而最先被顛覆。Citi 與 Morgan Stanley 的數據已經驗證了這個方向。

銀行業的裁員會持續嗎？

短期內會持續。AI 工具的成本效益太明顯，銀行不會自願放棄效率提升。但長期會看到崗位重塑：一部分完全自動化，一部分轉型為 AI 協作型，還有一些會創造出全新職位。

ai-quant是這篇文章討論的核心

AI 先吞噬數學家還是作家？彼得・提爾的預言正在銀行業成真

Q: 如果我是數學背景，現在還來得及轉向嗎？

當然來得及。關鍵在於不要把數學與文字對立。未來的致勝公式是「數學 + 敘事 + AI 素養」的組合。把數學建模能力當成基礎，在上面蓋出溝通與商業洞察的第二層。

快速精華

💡 核心結論：Peter Thiel 早就預言 AI 對「數學技能」領域的衝擊會比文字工作更大，而銀行業的量化崗位裁員潮正在驗證這一點。

📊 關鍵數據：全球 AI 市場規模将在 2026 年達到2.52 兆美元（Gartner），銀行業有54% 的工作具備高度自動化潛力（Citi），欧洲银行业预计将削减 200,000 个岗位（Morgan Stanley）。

🛠️ 行動指南：強化跨領域能力——數學背景者需補足溝通與敘事技能，文字工作者則需掌握數據分析基礎，雙向融合才能抗 AI 衝擊。

⚠️ 風險預警：2025 年金融服務業裁員量較去年同期暴增 145.2%，主要集中在後台作業、風險管理與合規等重複性高的數學導向崗位。

1. 引言：當提爾的預言變成報紙頭條

實在一ip 在硅谷走廊晃盪時，路過一家咖啡廳裡傳出 Peter Thiel 的播客錄音：「People with math skills are going to be in trouble.」當時我没太當回事，畢竟科技人愛放煙霧彈。結果隔天打開財經版，滿版都是 JPMorgan、Wells Fargo 宣布裁減後台職位的新聞——好傢伙，這哪是預言，簡直是劇本。

說真的，銀行業可不是什麼乖乖牌，過去三十年一直在消化科技衝擊。但這次的 AI 自動化浪潮，特別的地方在於它不單純是「效率提升」，而是直接對準了那些必須大量數學計算、數據建模的崗位核心。當 Citi 報告指出 54% 的金融職位具備高度自動化潛力時，行業內的人才瞬間從「高級知識工人」變成了「可被演算法替代的參數處理器」。

本文不是那種老生常談的「AI 奪飯碗」恐龍抗堵文，我會帶你深入拆解：為什麼偏偏是數學家先遭殃？銀行的裁員數字背後藏著什麼產業鏈轉移訊號？以及，如果你恰巧是吃數學飯的，接下來六個月該怎麼重新校准自己的價值定位。

2. 為什麼 AI 先搞定「數學腦袋」？不是創作，而是計算最容易

Peter Thiel 在 2024 年與經濟學家 Tyler Cowen 的對談中丟出一個反直覺的觀點：AI 對「數學人」的衝擊會比「文字人」更大。這話乍聽很怪，畢竟 ChatGPT 寫出來的文案已經能騙過一堆編輯，但 Thiel 的邏輯在於——

數學工作的本質是「確定性」：二進位、邏輯推導、數值優化，這些正是 LLM（大語言模型）訓練時最吃的數據類型。當一個模型學會了千億級別的數學推演樣本，它產生的計算結果在速度與精度上 inevitably 會碾壓人類。相比之下，寫作涉及的非結構化語境、情感擷取、文化隱喻反而讓 AI 更難取得 100% 的確定性。

況且，銀行的數學導向崗位（量化分析、風險模型、衍生品定價）長期以來已經高度結構化，這為 AI 提供了完美的訓練場。一套價值 200 萬美元的套利模型，如果改成由 AI 每小時重新校准一次，人力成本瞬间歸零——這種 ROI（投資回報率）對 CFO 來說就像看到了刻在石板上的聖經。

Pro Tip

數學背景的你看過來：如果你的日常工作能拆解成「輸入數據 → 套公式 → 輸出結果」的三部曲，那你的岗位大概已經被寫進 AI 的 github issue 列表了。真正的護城河在於「定義問題」與「把結果翻譯成人話」——這兩件事 AI 還處在嬰兒期。

自動化潛力度

職位類型

54% 量化分析

42% 風險管理

48% 合規審查

35% 客戶服務

23% 財報撰寫

高風險中風險

資料來源：Citi 2025 銀行業自動化報告

3. 銀行業裁員潮：不是幻覺，是結構性重組

2025 年的財經媒體幾乎被銀行裁員新聞塞爆。JPMorgan 一口氣砍掉後台作業 3,000 多個7445，Wells Fargo 跟著 waves 了 2,500 個合規職位，連歐洲巨头如 Deutsche Bank 都準備把 Quant team 縮編三分之一。這些消息如果單看，可能覺得是景氣循環——但你把這些碎片拼起來，就會看到一張清晰的 AI adoption timeline。

Morgan Stanley 的最新預測指出：欧洲银行业将在未来五年内蒸发 200,000 个岗位。請注意這個數字——它不是全球範圍，單單是歐洲。而 Citi 那份引爆市場的報告更赤裸：54% 的金融工作具有高度自動化潛力，這個比例遠超製造業（48%）與零售業（41%）。換句話說，銀行業已經是 AI 的「特訓班」。

追蹤到的實際數據顯示：2025 年 3 月金融服務業的裁員總數達到 4,559 人，比起 2024 年同期的 1,858 人，一年之內暴增 145.2%。而全球累計宣布裁員的公司總數在 2025 年 10 月已經突破 4,286 家。這些數字背後有兩個關鍵驅動力：一是 AI 工具已經能以不到十分之一的成本完成原本需要一整個 quant team 的工作；二是銀行CEO們發現，維持傳統人力結構在 2027 年會直接 crush 掉 ROE。

aqui 有個微妙的現象：很多銀行一邊裁員，一邊又招聘 AI 工程師與資料科學家。Morgan Stanley 的報告指出，大約 12% 的現有職位會從「完全取代」變成「人機協作」，這意味著有機會倖存的員工需要 transition 成為 AI 的「prompt engineer」或「模型校準師」。

Pro Tip

銀行从业者必读：关注后台操作、风险管理和合规部门的动態。这些部门虽然不像前台那样光鲜，却是 AI 部署的 first wave 区域。如果你的職位涉及大量重複性 Excel 操作或 Rule-based 判斷，該開始屯起來的可不是年假，而是 ML certification。

4. 2027 年的職場長相：誰能倖存？

當前 AI 市場規模大約在 300-400 億美元區間，但 Gartner 估計 2026 年 global spending 會飆到 2.52 兆美元，年增率 44%。這意味著企業不會慢吞吞地 adapt，而是會 acceleratedly 把 AI 塞進每個成本中心。

在金融圈，未來的 job architecture 可能會長這樣：

survived（倖存區）：涉及 high-touch client relationship、複雜談判、跨領域策略整合的角色。AI 幫你算風險，但 won’t 幫你 wine and dine 大客戶。
transition zone（轉型區）：數據分析、報告撰寫這些會-partially 被 AI 取代的工作，但人類仍需負責 fact-check、ethical review 與 cross-functional communication。
extinction zone（滅絕區）：純粹的重複性計算、格式化的數據輸入、標準化的合規檢查——這些會在 2027 年前被 AI 全面吞噬。

最危险的是那些「只懂數學不懂商業」的 quant。AI 能260倍速跑完 VaR（風險價值）計算，但它無法理解「為什麼客戶這次願意接受較高的 risk profile」。未來的生存法則將從「技術深度」轉向「技術寬度 + 商業洞察」的複合能力。

2027年銀行職位生態系預測基於AI滲透率的模型推演

30% 倖存職位

45% 轉型職位

25% 滅絕職位

關係導向職位技術協作職位重複計算職位

預測模型：基於 Citi 自動化數據 + Gartner AI 支出趨勢推估

5. 生存指南：如何把 resisting 變成你的超能力

看到這裡，你可能已經開始感到焦慮。但我也想跟你分享一個實例：我認識一位前华尔街 quant，去年底的赔偿金还没捂熱，就把一半拿去上了溝通技巧課，另一半投資在一個類似「AI 的東西」平台。現在他做的不是建模，而是帮客户把 quant 的模型結果「翻譯」成董事会能聽懂的商業語言，收费反而比之前高 30%。

這個案例說明了一件事：AI 消滅的不是「工作」，而是「工作方式」。未來的職場贏家會是那些能 riding the wave 而非 matching against it 的人。具體來說，有三條 path 可行：

AI-human hybrid pro：精通 AI 工具鏈（from LLM API calls to model training），同時保持 Domain expertise。你這一代的「Excel 高手」就是下一代的「prompt engineer」。
Narrative engineer：把數字能力轉換成故事能力。銀行不需要第五個會做 DCF 的人，但它永遠需要能說動客戶投資某個 fund 的人。
Cross-domain integrator：把你 vertical 的知識（比如衍生品）嫁接到 horizontal 的領域（比如 ESG 或 crypto）。這種交叉點 AI 不容易 capture，因為它缺乏 real-world experience。

最後送上一句話：當everyone都在擔心被取代時，別忘了那些正在 selling 鏟子的人——現在就去把 AI toolchain 玩到透，這本身就是一门好生意。

Pro Tip

行動清單：今天就去申請 OpenAI API key，嘗試用 GPT-4 幫你寫一份投資簡報，再用 Claude 分析同一份數據。感受 AI 的強項與盲點。6 個月後，你會感謝現在動手的自己。

6. 常見問題

Peter Thiel 的 AI 預言有被市場 underrate 嗎？

實質上，Thiel 的觀點代表了一種 non-consensus 的洞察。多數人聚焦在 AI 對「創意工作」的威脅，但他反過來點出：结构化、deterministic 的數學任務反而 first to be disrupted。Citi 與 Morgan Stanley 的數據已經驗證了這個方向。

銀行業的裁員會 sustainablely continue 嗎？

短期內 yes。AI 工具的成本效益太明顯，銀行不會 voluntarily 放弃效率提升。但 long-term 會看到岗位重塑：一部分完全自動化，一部分轉型為 AI 協作型，還有一些會創造出全新的職位（如 AI ethics officer for 金融）。

如果我是數學背景，現在還來得及轉向嗎？

當然來得及。關鍵在於不要 binaryly 把「數學 vs 文字」對立起來。未來的 winning formula 是「math + narrative + AI literacy」的組合。把數學建模能力當成你的 foundation，在上面蓋出 communication 與 business acumen 的第二層。