有一家券商，剛給每一個客戶一個「幫你下單」的按鈕。四個月內，超過十五萬人打開了它。那些 agent 每天打這個平台的工具大概三千萬次。

這不是一份 bug 報告。這是一次結構性的改變，而它比那些「AI 交易」的標題所暗示的，嚴重得多。

有件事沒人明講：那十五萬個帳戶，並不是在跑十五萬套獨立的策略。他們是從少數幾個共用的模型裡挑——同樣那幾個 AI 系統，盯著同樣的市場資料，朝大致同樣的目標優化。

市場之所以能運作，是因為餵它的人彼此不同意。幾百萬個小小的、獨立的判斷——錯的、對的、慢的、早的——平均起來，變成一個大致可信的價格。一旦把「獨立」抽掉，你手上就不再是一群個體組成的市場，而是同一個判斷，被複製了幾十萬份。

這才是該盯的變化，而且它跟一般人担心的方向剛好相反。要怕的不是 AI 不理性。是 AI 一模一樣。

「相關性」是接下來要盯的詞

管市場的人已經開始講這個詞了。監管機構用書面問過：當「大量參與者依賴相似的模型」、並因此產生「相關聯的交易決策」時，會發生什麼事。一位央行官員講得更直白：人類的群眾恐慌是有快有慢的——有人猶豫、有人提早跑、有人撐著。一群一模一樣的 agent 不會。它們對同一個訊號，在同一刻、做出同樣的反應。一次小晃動，在任何人來得及踩煞車之前，就變成一面倒。

這不是危言聳聽。這講的是機制——而這是第一次，由那些「最後得負責收拾」的機構，把這個機制講得這麼清楚。

誠實的反方證據——以及它為什麼重要

接下來這段，讓這篇不至於變成末日文。反方向最有力的證據出現在幾年前，而且到今天仍然站得住：研究人員看過一整個外匯市場的演算法交易，發現這些演算法確實彼此相關——但那份相關性跟更高的波動沒有任何可測量的關聯。真要說，演算法交易越多，反而對應到越低的波動。

所以誠實的立場比「AI 會搞垮市場」更窄、也更有意思：相關性是真的，但它會壓抑還是放大波動，完全取決於那些共用的模型在優化什麼——而這件事，目前沒有人知道。

風險還沒有被決定。風險只是還沒有被測量。

這對一人公司意味著什麼

大部分談差異化的建議，講的都是「怎麼被看見」——護城河、定位、「跟別人不一樣你才會贏」。這篇把它重新框了：當所有人都在同一批模型上出貨，這份「一樣」就不再是行銷問題，而是安全問題——對你，也對你所屬的任何東西。

你的槓桿從來就不是那個模型。而是你擁有、而那些共用模型沒有的東西：你的資料、你的規則、你那個具體的問題、你的品味。這就是「租腦袋，自己造機台」在做的事。但除此之外，還有一個比較不明顯的理由，值得你去擁有自己的脈絡。

擁有脈絡，才會讓你的產出不成為一份複製品。 當你用你的使用者、你的失敗、你的利基裡的邊角案例去訓練，你產生出來的判斷，才會真的是你自己的。它們不會像那些開箱即用的答案一樣，跟你同一條街上其他建造者相關。你不再是同一個模型的又一個回音。

在一個「一樣」正在變成系統性風險的世界裡，刻意的不一樣不是虛榮指標。它是一種韌性——你的，以及整個系統的。

一句話版本

如果一個模型又便宜、人人都有，那它就不是策略，它只是背景。你真正擁有的，是你餵給它的脈絡，跟你替它設下的規則。這個「要造機台」的論點，其實已經講很久了。新的部分是為什麼它變急了：因為當所有人都在出貨同一個 AI 時，壞事的不是那份智慧，而是那份「一樣」。

資料來源

  • Robinhood HOOD Summit 2026（2026 年 9 月 29 日）。——自五月起開設超過 15 萬個 agentic 交易帳戶；agent 每天打 Robinhood 的工具約 3,000 萬次；app 內的 agent 是從共用的 OpenAI／Anthropic 模型中挑選。
  • 美國眾議院金融服務委員會致 SEC 函（2026 年 6 月 23 日，Foster 與 Sherman）。——指出 agent 之間「相關聯的交易決策」與「羊群行為」，尤其是「以相似資料訓練」的 agent，構成市場誠信風險。
  • 英格蘭銀行副總裁 Sarah Breeden（2026 年 6 月 30 日）。——自主 agent 可能在壓力下「放大波動」，以人類群眾無法比擬的方式同步行動。
  • 美國聯準會 IFDP《Rise of the Machines》（外匯演算法交易）。——演算法交易彼此相關，但與更高的波動沒有因果關聯；真要說，演算法交易越多，對應到越低的波動。