當奧地利經濟學家海耶克（F.A. Hayek）在 20 世紀提出「知識問題」時，他的核心論點是：任何中央機構都無法處理散布在數百萬個人大腦中的碎片化訊息。然而，隨著大數據、大語言模型（LLM）與超大規模優化算法的崛起，人類歷史上第一次擁有了一種「數位大腦」，其訊息處理能力正逼近甚至超越市場的自發集合。
一、 計算問題的消解：從「事後補救」到「事前預測」
傳統計劃經濟的失敗在於「時滯性」與「訊息失真」。過去，中央計劃者拿著三個月前的生產報表追趕昨天的需求；但在 AI 時代，這種落後已不復存在。
- 需求側的「透明化」：透過電子支付、社交媒體與 IoT 感測器，AI 代理能精準預測消費者的需求曲線。這不是「猜測」，而是基於數據的「確定性規劃」。當亞馬遜或阿里巴巴能在你下單前將商品移至附近的轉運倉，這本質上就是一種微觀的計劃行為。
- 供應鏈的「全局優化」：AI 能夠在毫秒內處理全球數萬個工廠的產能、原材料價格與物流瓶頸。這種協調能力使得資源分配從市場的「隨機碰撞」轉向了算法的「最優解」。
二、 範式轉移：大公司內部的「純粹計劃」
一個經常被忽視的事實是：當今全球經濟的很大一部分已經在實行「計劃經濟」。沃爾瑪（Walmart）或亞馬遜內部的資源調度，並非透過內部市場報價，而是透過極端嚴密的中央指令與算法分配。
隨著這些巨型企業（Big Tech）的規模超越中等國家，「數據壟斷」 實際上在企業內部創造了一個高效的計劃區塊。如果 AI 能讓一家百萬人規模的公司運作順暢，那麼技術邏輯上，它也能擴張到整個社會的基礎資源調配。
三、 核心邊界：AI 無法解決的「人類變量」
儘管 AI 解決了「計算能力」問題，但「計劃經濟」仍面臨三大本質挑戰：
- 激勵機制的崩塌：市場不僅是訊息處理機，更是激勵機制。如果一切分配由算法決定，個體的創新動力與冒險精神（Animal Spirits）將因缺乏超額回報而萎縮。AI 擅長優化「已知的效率」，卻難以獎勵「未知的叛逆」。
- 權力的「黑盒化」：誰來定義算法的「目標函數」？如果是政府，目標可能是穩就業；如果是企業，目標是利潤。當資源分配權轉移給算法，掌握算法的人將獲得前所未有的數位極權，這超越了純粹的經濟範疇，進入了政治倫理的雷區。
- 創新的偶然性：人類進步往往源於「錯誤的嘗試」或「非理性的直覺」。AI 的優化邏輯是基於歷史數據的機率最大化，這會導致社會陷入「局部最優解」，失去像青黴素發現或互聯網誕生那種跳躍式的、不可預測的創新。
四、 未來圖景：混合式「算法市場」
AI 時代不會簡單地復辟蘇聯式的指令經濟，而是演化為一種「算法市場」（Algorithmic Market）。
這是一種新型形態：基礎設施計劃化，終端消費市場化。
政府或大型協作組織利用 AI 管理能源、糧食、交通與基礎原材料（追求穩定與效率）；而在藝術、文化、高科技研發與個性化消費領域，則保留市場機制（追求多樣性與創造力）。
結論
AI 確實正在復活計劃經濟的某些遺產，但它並非要殺死市場。相反，AI 正在成為市場的一種「外骨骼」，將市場從低效的價格博弈中解放出來，轉向更高層次的價值競爭。
我們不應擔心「計劃」的崛起，而應警惕「選擇權」的喪失。 在算法利維坦到來之際，保留人類「不按預測行事」的權利，才是維持經濟活力的最後防線。
