蒸汽機 vs 雲端運算：能源革命的兩次輪迴

系列：工業革命與數據革命 #01/05 | 閱讀時間：35分鐘 | Python (NumPy, Pandas, Matplotlib, SciPy, NetworkX)

作者：Wina @ Code & Cogito

當瓦特改變了世界

1776年，伯明罕。

詹姆斯·瓦特（James Watt）盯著他改良的蒸汽機，聽著規律的活塞聲。

這不是第一台蒸汽機——紐科門（Newcomen）早在1712年就發明了。但瓦特做了一件事：他讓蒸汽機變得經濟可行。

在瓦特之前，蒸汽機的效率只有1%。99%的能量都浪費了。煤炭成本太高，只有煤礦主自己用得起（用來抽水）。

瓦特的改良：分離冷凝器。效率提升到4%。

聽起來只進步了3%？

錯。這意味著成本降低了75%。

從「虧本」變成「賺錢」。

從「只有煤礦能用」變成「所有工廠都能用」。

一夜之間，蒸汽機從稀有的工業玩具，變成了必需品。

但瓦特做的不只是技術改良。他做了一個商業決定，改變了整個產業：

他不賣蒸汽機，只出租。

收費方式：客戶使用蒸汽機後節省的煤炭成本的1/3。

這是什麼？

這是SaaS（Software as a Service）的原型。

2006年，西雅圖。

Amazon Web Services（AWS）推出第一個雲端運算服務：EC2。

CEO Andy Jassy在發布會上說：「你不需要買伺服器。你只需要為你用的算力付費。」

這聽起來很熟悉，對嗎？

瓦特：你不需要買蒸汽機。你只需要為你省的煤炭付費。
AWS：你不需要買伺服器。你只需要為你用的算力付費。

兩個相隔230年的商業模式，為什麼如此相似？

因為他們都做了同一件事：降低進入門檻，創造彈性規模。

在這篇文章裡，我會用Python分析這兩場能源革命的相似性，視覺化技術擴散的模式，計算成本曲線的演變，並探討一個關鍵問題：當基礎設施被少數人壟斷，自由市場還存在嗎？

準備好見證歷史的輪迴了嗎？

第一個問題：為什麼技術突破不等於技術革命？

蒸汽機的發明和普及，中間隔了整整80年。

1698年： Thomas Savery發明第一台蒸汽機
1712年： Thomas Newcomen改良蒸汽機
1776年： James Watt改良蒸汽機
1785年： 第一座完全由蒸汽驅動的工廠
1850年： 蒸汽機普及到大多數工廠

問題：為什麼要這麼久？

答案不是技術，是經濟學。

早期蒸汽機的三大致命問題

問題1：效率太低

Newcomen的蒸汽機熱效率只有1%。意思是：
– 燒100公斤煤
– 只有1公斤煤的能量轉化成機械功
– 99公斤的能量都浪費了

結果？ 運營成本極高，只有煤礦主自己用得起（煤炭不用花錢買）。

問題2：不可靠

• 零件容易損壞
• 需要專業技師維修
• 停機時間長
• 維修成本高

結果？ 工廠主寧願用傳統水車，至少穩定。

問題3：必須建在河邊

雖然蒸汽機提供動力，但冷卻需要大量水。所以工廠還是要建在河邊。

結果？ 沒有真正解放地理限制。

瓦特的三大突破

突破1：分離冷凝器

把冷卻過程獨立出來，不讓蒸汽缸反覆加熱冷卻。

效果： 效率從1%提升到4%，成本降低75%。

突破2：標準化零件

和合夥人Matthew Boulton建立工廠，大量生產標準零件。

效果： 降低維修成本，提高可靠性。

突破3：商業模式創新

不賣設備，只收租金。租金=客戶省下的煤炭成本×1/3。

效果：
– 客戶無需大筆初期投資
– 客戶只在真正省錢時才付費
– 瓦特有動機持續改進效率（效率越高，客戶省越多，瓦特賺越多）

這個商業模式的天才之處：對齊了供應商和客戶的利益。

用Python模擬技術擴散：Bass模型

讓我們用數學來理解技術如何從「發明」變成「革命」。

Bass擴散模型（Bass Diffusion Model）可以預測新技術的採用曲線。它假設採用者分為兩類：
– 創新者（Innovators）：受外部影響（廣告、媒體）
– 模仿者（Imitators）：受內部影響（看到鄰居用了也想用）

模型的核心邏輯：

def bass_model(t, p, q, m):
    """
    Bass擴散模型
    p: 創新係數（外部影響）
    q: 模仿係數（內部影響）
    m: 市場潛力（最終採用數）
    當 q > p 時，表示「口碑效應」主導
    """
    return m * (1 - np.exp(-(p+q)*t)) / (1 + (q/p) * np.exp(-(p+q)*t))

# 歷史數據：英國蒸汽機數量（估計）
steam_years = [1760, 1770, 1780, 1790, 1800, 1810, 1820, 1830, 1840, 1850]
steam_count = [100, 280, 520, 1100, 2200, 4500, 8500, 15000, 25000, 38000]

# 用 scipy.optimize.curve_fit 擬合模型
# → 得到創新係數 p、模仿係數 q、市場潛力 m

完整程式碼已上傳 GitHub（含免費版基礎分析）：查看完整程式碼 →

把歷史數據餵進模型後，擬合出的 S 型擴散曲線如下：

左：S型採用曲線，紅點為歷史數據，藍線為Bass模型預測。右：年度新增採用率，顯示擴散速度的變化。

這個分析揭示了什麼？

發現一：q/p 比率約為 25——模仿效應遠大於創新效應。蒸汽機的擴散主要靠「看到鄰居用了，我也要用」。這是網路效應的早期形態。

發現二：延遲效應——瓦特 1776 年改良蒸汽機，但最大增長率出現在 1800 年左右，中間延遲了 24 年。為什麼？因為需要建立配套生態系統（煤炭供應鏈、技師培訓、零件標準化）。

發現三：S 型曲線——起初緩慢→快速爆發→趨緩。這是所有重大技術的典型擴散模式，AWS 的擴散曲線也是一樣。

230年後：AWS做了同樣的事

2006年，當AWS推出EC2時，很多人不理解。

「把數據放在別人的電腦上？太危險了！」

「網路延遲太高，不實用！」

「我們有自己的機房，為什麼要用雲端？」

這些反對聲音，和1776年對蒸汽機的質疑一模一樣。

但AWS做對了三件事：

對的事1：降低進入門檻

蒸汽機時代：
– 買一台蒸汽機：350英鎊（技術工人2年薪資）
– 安裝和維護：還要更多錢
– 小工廠買不起

瓦特的解決方案： 租賃模式，按效果付費

雲端時代：
– 自建機房：數百萬美元
– IT團隊：每年數十萬美元
– 小公司負擔不起

AWS的解決方案： 按需付費，零初期投資

對的事2：創造彈性規模

蒸汽機的革命：
– 在此之前：工廠必須建在河邊（水車動力）
– 蒸汽機之後：工廠可以建在任何地方（煤炭可運輸）
– 解放了地理限制

雲端的革命：
– 在此之前：公司必須預測最大流量，購買足夠伺服器
– 雲端之後：流量多就自動擴展，流量少就自動縮減
– 解放了容量限制

對的事3：建立生態系統

瓦特的生態：
– 標準化零件（可互換）
– 培訓技師（全國巡迴）
– 建立供應鏈（煤炭運輸網絡）

AWS的生態：
– 標準化API（各服務可組合）
– 認證體系（AWS Certified）
– 第三方工具市場（AWS Marketplace）

用Python對比兩個時代的成本曲線

為什麼技術會普及？因為成本下降。

我們用指數衰減模型（a * exp(-b*t) + c）擬合兩個時代的成本數據，追蹤降價趨勢：

# 核心數據
steam_cost = [12, 11, 10, 8, 6.5, 5, 4.5, 4, 3.5, 3]    # 便士/小時, 1760-1850
ec2_price  = [0.10, 0.085, 0.068, 0.052, 0.040, 0.032,    # 美元/小時, 2006-2024
              0.026, 0.021, 0.017, 0.0135]

# 用指數衰減模型擬合，計算成本減半期
# half_life = ln(2) / decay_rate

擬合結果：

左：蒸汽機 90 年成本曲線。中：AWS EC2 18 年成本曲線。右：正規化時間軸對比。

驚人的發現

摩爾定律 vs 瓦特定律——蒸汽機成本減半期約 13 年，雲端成本減半期約 2.3 年。雲端降價速度是蒸汽機的 5.6 倍。 但兩者的衰減模式完全相同：都是指數衰減曲線，都有成本下限（不可能降到零），都在普及後降價趨緩。

蒸汽機受物理限制（材料強度、熱力學效率），雲端受技術限制（摩爾定律、軟體優化）。數位技術的改進速度遠快於物理技術——但規律不變。

黑暗面：基礎設施的壟斷

瓦特的蒸汽機創造了煤炭貴族。

AWS的雲端運算創造了科技寡頭。

為什麼？

19世紀的煤炭壟斷

蒸汽機讓煤炭從「取暖燃料」變成「工業血液」。

結果：
– 煤礦主成為最富有的階級
– 控制煤炭供應=控制工業命脈
– 貧富差距急劇擴大

倫敦基尼係數（貧富不均指標）：
– 1820年：0.45
– 1870年：0.59

用 HHI 指數（Herfindahl-Hirschman Index）計算市場集中度——HHI 低於 1500 為競爭市場，1500-2500 為中度集中，2500 以上為高度集中。

結果令人警醒：

左：1850 年煤炭市場份額。中：2024 年雲端市場份額。右：AWS 市場份額從 100% 降至 32% 的演變趨勢。

兩個時代都形成寡頭壟斷——基礎設施的資本密集度造成高進入門檻，先發優勢加上網路效應，最終趨向自然壟斷。

歷史的教訓：

1850年代，煤炭貴族的壟斷導致：
– 煤炭價格飆升
– 工廠主被迫接受高價
– 社會矛盾加劇
– 最終引發政府監管（1842年《礦山法》）

2024年，雲端寡頭會重蹈覆轍嗎？

新的地理學：從河流到算力

蒸汽機時代的地理革命

在蒸汽機之前：
– 工廠必須建在河邊（水車動力）
– 產業分布完全受地理限制
– 你出生在哪裡，決定你能做什麼工作

蒸汽機之後：
– 工廠可以建在任何有煤炭的地方
– 煤炭可以運輸，河流不行
– 產業開始往勞動力和市場聚集

結果： 工業城市的誕生

• Manchester（曼徹斯特）：1750年小村莊 → 1850年工業中心
• Birmingham（伯明罕）：人口從7萬 → 23萬
• Leeds（利茲）：紡織業重鎮

雲端時代的新地理

在雲端之前：
– 公司必須在有機房的地方
– IT能力受地理限制
– 創業需要大筆資本投資硬體

雲端之後：
– 公司可以在任何有網路的地方
– 算力可以「運輸」（透過網路）
– 創業門檻大幅降低

但這創造了新的不平等。

我們計算 AWS 全球 8 個主要區域的服務分布基尼係數，結果為 0.31——中度不平等。美國東岸（us-east-1）擁有 200 項服務，而非洲（af-south-1）只有 100 項，差距整整一倍。

左：各區域可用服務數量（按級別著色）。右：AWS 全球擴張時間軸——從 2006 年北維吉尼亞到 2020 年開普敦，14 年的差距。

數位殖民主義？

就像19世紀的煤炭分布造成了工業中心和邊陲，
21世紀的算力分布正在造成新的數位鴻溝：

• 延遲不平等：非洲到亞洲的延遲是美國內部的3倍
• 服務不平等：新興市場無法使用最新技術
• 成本不平等：相同服務在不同地區價格不同

表面上，人人都能「上雲」。
實際上，你的地理位置決定了你能獲得的運算品質。

誰為進步付出代價？

19世紀的代價：勞工的苦難

工業革命創造了巨大財富。但誰付出了代價？

工廠工人的生活：
– 工作時間：每天14-16小時，一週6天
– 工作環境：噪音、粉塵、危險機器
– 工資：僅夠糊口
– 童工：8歲小孩在工廠工作

Charles Dickens在《艱難時世》裡寫道：

「這些工人就像機器的零件。他們沒有名字，只有編號。他們沒有情感，只有功能。」

盧德運動（Luddite Movement, 1811-1816）：

工人砸毀機器，抗議技術搶走工作。政府派軍隊鎮壓，處決17人。

為什麼工人輸了？

因為資本家掌握了基礎設施：
– 擁有工廠
– 擁有機器
– 擁有煤炭供應鏈

工人只有勞動力，可替代性高。

21世紀的代價：演算法控制

今天的代價是什麼？

表面上，雲端運算讓創業變簡單了。但它也創造了新形式的依賴：

案例1：AWS停機事件（2017年2月28日）

AWS us-east-1 區域停機4小時。

結果：
– Netflix無法播放影片
– Slack無法發送訊息
– 數千家公司業務中斷
– 估計損失：1.5億美元

一個區域的故障，癱瘓了半個網路。

案例2：供應商鎖定（Vendor Lock-in）

一旦你的系統建在AWS上：
– 遷移到其他雲端成本極高（重寫代碼、重新培訓）
– 價格上漲？你沒得選
– 服務終止？你被迫接受

這和19世紀工廠主控制工人有什麼不同？

案例3：演算法黑箱

AWS的定價演算法是秘密的：
– 為什麼這個服務這個價格？不知道
– 為什麼我的帳單突然增加？不清楚
– 如何優化成本？只能猜

這是新形式的不透明。

歷史會重演嗎？

讓我們回顧歷史：

1850年代： 煤炭貴族壟斷能源供應
1880年代： 勞工運動興起
1900年代： 政府介入，開始監管能源產業
1940年代： 許多國家將能源公共化（國有化）

2024年： 科技寡頭壟斷算力供應
2030年代： ？
2040年代： ？

會有「數位勞工運動」嗎？
會有「雲端國有化」嗎？
會有「算力作為基本人權」的主張嗎？

我們建了一個四象限模型，以「市場集中度」和「監管強度」為軸，模擬四種可能的未來：

四象限圖：X 軸=市場集中度，Y 軸=監管強度。目前我們在右下角——低監管、高集中度。

哪個未來更可能？

歷史告訴我們：基礎設施的壟斷，最終都會引發政治反彈。

唯一的問題是：需要多久？

結論：基礎設施就是權力

瓦特的蒸汽機和AWS的雲端運算，相隔230年，但邏輯相同：

1. 技術突破創造新的可能性
– 蒸汽機：不必建在河邊
– 雲端：不必自建機房

2. 商業模式創新降低進入門檻
– 瓦特：租賃+按效果付費
– AWS：按需付費+零初期投資

3. 成本快速下降，推動普及
– 蒸汽機：90年降價75%
– 雲端：18年降價86.5%

4. 形成寡頭壟斷
– 煤炭貴族控制能源供應
– 科技巨頭控制算力供應

5. 社會矛盾加劇，引發變革
– 19世紀：勞工運動→政府監管→部分國有化
– 21世紀：？→？→？

最關鍵的洞察：

基礎設施的所有權，決定了權力的分配。

19世紀，誰控制蒸汽機（能源），誰就控制工業。
21世紀，誰控制雲端（算力），誰就控制數位經濟。

技術在變，但權力的邏輯不變。

這些問題沒有標準答案。

雲端運算會成為公共事業嗎？算力會被視為基本人權嗎？我們會重蹈 19 世紀的覆轍，還是找到新的解決方案？

歷史沒有答案，但歷史提供了框架。

當基礎設施被少數人壟斷，「自由市場」就不再自由。這句話在 1850 年的煤炭市場成立，在 2024 年的雲端市場同樣成立。

瓦特在 1776 年改變了世界。AWS 在 2006 年改變了世界。下一個改變世界的，會是誰？

後記：回到那個聽著活塞聲的瞬間

寫完這篇文章，我一直在想一個畫面。

1776 年的伯明罕，瓦特聽著他改良的蒸汽機運轉。他大概不會想到，這台機器的邏輯——降低門檻、按效果收費、讓使用者不必擁有底層基礎設施——會在 230 年後被一家西雅圖的網路書店完整複製。

如果你是創業者，雲端確實降低了門檻，但也悄悄地讓你的命脈交到了別人手上。多雲策略不是技術選擇，是生存策略。

如果你寫程式碼，雲端讓你能專注在業務邏輯，但也讓你離底層越來越遠。理解基礎設施的工作原理，不是為了回到自建機房的時代，而是為了在需要的時候有選擇的能力。

如果你制定政策，能源產業的監管歷史是最好的參考。煤炭貴族的壟斷最終引發了國有化運動——等到矛盾爆發才介入，代價遠比提早規劃來得高。

技術進步是好的。但如果進步的果實只被少數人享有，歷史告訴我們，社會終究會找到自己的平衡方式。

瓦特的蒸汽機帶來了工業革命，也帶來了勞工運動。AWS 的雲端運算帶來了數位革命——也會帶來什麼？

這是我們這一代人要回答的問題。

深度探索：完整分析包

這篇文章分享了蒸汽機與雲端運算的結構性對比——從 Bass 擴散模型到成本曲線，從 HHI 市場集中度到未來情境分析。完整分析包更進一步：

• Bass 模型敏感度分析：如果瓦特的效率提升不是 4 倍而是 2 倍，擴散曲線會延遲多久？答案是 40 年
• HHI 歷史趨勢追蹤：AWS 份額在降，但前三大合計份額其實在升（58%→66%）——壟斷在加深，只是分散到了三家
• AWS 全球擴張路徑分析：NetworkX 網絡圖揭示算力分布幾乎完全復刻 19 世紀煤炭貿易路線
• 四種未來情境完整模擬框架：可調整集中度與監管參數，觀察不同假設下的結果
• 約 400 行教學等級完整程式碼，11 張進階圖表（PNG 300dpi）

取得 Article 01 深度分析包 →