亞馬遜 CTO 預告：五年內量子電腦將破解現有加密系統

亞馬遜技術總監維爾納·沃格爾斯（Werner Vogels）博士 6 日發表年度科技預測，首次明確指出量子運算威脅的時間線比業界預估大幅提前。他警告企業「準備刻不容緩」，因為保護網路通訊及金融交易的 RSA 和 ECC 加密系統，五年內就可能被量子電腦破解。這份預測涵蓋陪伴機器人、量子安全、國防科技轉民用、AI 驅動個人化教育，以及全棧開發者崛起五大趨勢，對全球企業布局和人才策略提出根本性挑戰。

量子威脅倒數：企業面臨三重挑戰

Vogels 博士引述 2025 年 5 月研究指出，破解 2,048 位元 RSA 加密所需的量子位元數，從六年前估算 2,000 萬個驟降至不到 100 萬個，減幅達 95%。突破源於 AWS 推出 Ocelot 量子晶片令量子糾錯開銷減少 90%、Google Willow 晶片展示指數級錯誤率下降，以及 IBM 宣布 2029 年實現容錯量子運算藍圖。

「惡意分子多年來一直在收集加密數據，耐心等待解密所需的算力」，Vogels 警告。他強調企業必須三層面同步行動：立即部署後量子密碼學（PQC）、規劃實體基礎設施更新，以及培養量子人才。微軟、蘋果及 Google 已將 NIST 標準的 ML-KEM（基於格的密鑰封裝機制）整合至 Windows、iOS 和 Chrome，但真正挑戰在數百萬無法升級的物聯網裝置，由智慧電錶到飯店門禁系統。

英國量子技能工作組預測，2030 年將新增 25 萬個量子運算職位，2035 年激增至 84 萬個。Vogels 直言：「僅靠高等教育追不上科技改革的速度。」他呼籲企業建立量子培訓體系，因為這類複合型技能「雖然目前尚屬稀缺，但幾年內將成為必備能力」。

陪伴機器人填補全球孤獨危機缺口

世界衛生組織將孤獨列為公共健康危機，影響全球六分之一人口。社會孤立使死亡風險增加 32%（相當於吸煙危害），認知障礙症風險增加 31%。Vogels 引述加拿大長期護理機構的臨床數據：95% 定期與 Paro 陪伴機器人互動的認知障礙症患者，焦慮、憂鬱和孤獨感減少，藥物使用下降且睡眠品質改善。

亞馬遜 Astro 團隊發現，用戶會為機器人取名並視為家庭成員。特別案例：殘障兒童家庭購買 Astro 以專業護理空檔期提供陪伴，「填補關鍵護理空白，同時減輕家庭的情感和經濟壓力」。MIT 研究員 Kate Darling 發現支持這現象：人們對待機器人像寵物而非工具，50%~80% 的 Roomba 用戶會為掃地機器人取名。

Vogels 強調陪伴機器人的目標「並非取代人類護理者，而是開創合作新模式」。但他同時警告製造商必須建立嚴格監管機制，確保這些機器人「永遠不會利用信任來左右用戶決定或重塑他們的信念」。

國防科技轉民用週期縮短至兩年

傳統上，軍用技術走向民用市場需 10~20 年（如雷達從 1930 年代研發到微波爐誕生）。Vogels 指出，週期正在「發生根本性的改變」，因為新國防科技公司從設計之初就瞄準軍民兩用市場，「直接省去了以往需數年改造環節」。

夜視系統已裝備搜救直升機並用於野生動物保護；為戰時斷網環境開發的戰術邊緣運算技術，現在支援偏遠地區遙距醫療；為軍事物流研發的自動系統解決農業勞動力短缺，並用於發電廠、風電場和港口安全。Vogels 預測：「醫療機構、應急部門和基礎設施營運商必須做好準備，迎接兩年內（而非 20 年後）從當前國防投資湧現的新技術。」

AI 教育普及：每月 4 美元就有家教上課

Khan Academy 的 AI 教學工具 Khanmigo 第一年服務 140 萬名學生，超額完成目標 14 倍。英國 UCAS 調查顯示，使用 AI 工具的學生比例從去年 66% 猛增至今年 92%。Physics Wallah 服務 4,600 萬學生，營收增長 2.5 倍。Duke University 研究發現，AI 輔助干預能讓自閉症兒童智商提升高達 17 分。

Vogels 援引文化人類學家 Rob Scotland 的觀察：16 歲學生在數學課用 ChatGPT 和 TikTok 設計學習內容時說，「我們就是想試不一樣的玩法」。對 2000 年後出生者來說，AI 不是工具而是「思維的自然延伸」。使用 AI 工具的教師平均每週節省 5.9 小時，相當於每學年多出六週時間。NextGenU 的 Now Go Build 技術總監研究員以傳統成本的百分之一建立本土化教材，18 個月內從 12 門課程擴展到 605 門。

全棧開發者黃金時代來臨

面對「AI 讓開發者失業」論調，Vogels 回顧歷史：早期組合語言程式員擔心編譯器會讓他們失業，2000 年代工程師擔心雲端運算會淘汰自己，結果都是「整個行業因軟體開發門檻降低而蓬勃發展」。

他強調生成式 AI 雖能在幾秒內產生程式碼，但「垃圾輸入只會得到看似合理的垃圾輸出」。AI 無法理解「讓它快點」意味著「讓它便宜點」，也無法判斷客戶服務系統需要 99.999% 可用性，還是報表系統在銷售旺季當機的巨大影響。Vogels 借用達文西的例子（解剖屍體研究肌肉、觀察水流設計運河），指出脫穎而出的開發者必須成為「現代通才：全棧開發者」，掌握 AI 無法複製的領域知識、業務理解和關鍵現實限制。

（本文由 Unwire Pro 授權轉載；首圖來源：Xuthoria, CC BY-SA 4.0, via Wikimedia Commons）