🧠
第二大腦
🌏國際視野2025-04-09

American Disruption(美國式顛覆)

#部落格#英文#Stratechery#AI#地緣政治#製造業#供應鏈

American Disruption(美國式顛覆)

來源: Stratechery (Ben Thompson) 原文日期: 2025-04-09

中文摘要

Ben Thompson 以 Clayton Christensen 的「顛覆性創新」理論為框架,分析美國製造業如何被亞洲經濟體系統性地顛覆。文章指出,半導體產業從 1950 年代開始,封裝測試等勞動力密集型環節就因工資差異外移到香港、台灣、新加坡,而美國保留了高附加價值的晶片設計與製造。然而,隨著時間推移,連高階製造也逐漸外流,導致美國在現代戰爭與高科技領域的製造能力出現真正的缺口。Thompson 認為,Trump 的關稅政策雖然粗暴,但背後反映的「美國製造空心化」問題是真實存在的。文章重新審視了 Stratechery 過去幾篇相關文章的預測失誤,承認低估了政治驅動的貿易保護主義對科技產業的影響。

關鍵洞察

  • 顛覆性創新理論完美解釋了亞洲製造業如何從低端組裝逐步升級,最終取代美國製造能力
  • 美國晶片設計仍領先,但製造與封裝的地理分佈已成為地緣政治風險
  • 科技產業正從「經濟效率驅動」的聚合時代,轉向「政治安全驅動」的新時代
  • 企業 AI 轉型必須考慮供應鏈韌性與地緣政治因素,不能僅看技術指標
  • 原文關鍵句(英文保留)

    > "Disruption describes a process whereby a smaller company with fewer resources is able to successfully challenge established incumbent businesses."

    > "The driver is not foreign countries closing their doors to America; it's America closing its door to the world."

    對 CJ 哥的價值

    這篇文章提供了一個經典的產業分析框架(Christensen 顛覆理論),可用於向企業客戶說明 AI 轉型中的「平台轉移」風險——就像當年製造業外流一樣,企業如果不主動擁抱 AI 能力,也可能被競爭對手顛覆。適合用於顧問簡報中的「產業趨勢」章節,或作為「AI 轉型策略」課程的理論基礎。

    相關文章

    當管理層的大腦還留在十九世紀,企業憑什麼駕馭二十一世紀的AI?

    # 當管理層的大腦還留在十九世紀,企業憑什麼駕馭二十一世紀的AI? > 來源:https://home.gamer.com.tw/artwork.php?sn=6393385|作者:劍心san(sanboy289)|2026-09-05|巴哈姆特創作 > 存入:2026-09-05|分類:管理心理學 ## 一句話 管理思維還停留在工業革命早期的企業——用羞辱究責取代系統分析——不可能駕馭 A...

    Stratechery:Anthropic Fable 5.1 與企業 AI 資料政策轉向

    # Stratechery:Anthropic Fable 5.1 與企業 AI 資料政策轉向 **來源:** Stratechery(Ben Thompson) **日期:** 2026-09-02 ## 摘要 Ben Thompson 分析 Anthropic 發布 Fable 5.1 的產業意義:最值得關注的不是模型能力,而是 Anthropic 大幅修改了引發巨大爭議的資料保留政策(F...

    AI 代理與客戶資料之爭:資料基礎建設的未來(A16Z)

    # AI 代理與客戶資料之爭:資料基礎建設的未來 **來源:** A16Z Podcast(Martin Casado × Fivetran 共同創辦人 George Fraser) **日期:** 2026-06-05 ## 摘要 Martin Casado 與 Fivetran CEO George Fraser 對談 AI 時代資料基礎建設的未來。涵蓋 Fivetran 與 dbt 的合...

    全球首例雙盲 AI 評測:用密碼學環境建立基準信任(Google DeepMind)

    # 全球首例雙盲 AI 評測:用密碼學環境建立基準信任 **來源:** Google DeepMind(William Isaac、Sol Messing、Kristian Lum) **日期:** 2026-08-27 ## 摘要 DeepMind 推出全球首例「專有前沿模型的雙盲評測(double-blind evaluation)」,把外部評測侷限在密碼學「盒子」內,防止模型事先看到題目...