譚新強：中國應積極吸引移民 「三胎」非應付老齡化最有效方法
文章日期：2021年6月4日

【明報專訊】早前中國公布了2010至2020年人口普查結果，只微增了5%，正式超過14億人口。平均每位女性生育率只有1.6左右（適齡生育的女性更低，只有1.3），遠低於維持人口穩定所需的2.1。

期待已久，內地政府終於再放鬆人口政策，容許生第三胎。一如所料，中外的即時反應以負面為主，異口同聲肯定這些政策改變無用，每年最多只將帶來微不足道的數萬額外新生嬰兒。現今一代大多為獨生子女，結婚後，兩口子已需要照顧4名父母，如真的生3個孩子，豈不是要負責9個人生活！須知現在養1個孩子都已經非常昂貴，如何能夠負擔3個？

我知道要逆轉生育率非常困難，根據「人口轉型理論」（Demographic Transition Theory），隨着經濟發展，嬰兒夭折率下跌，教育水平上升（尤其女性），生育率自然下降。何止中國，所有發達國家，如美國和歐洲，人口增長都在放緩，日本及韓國人口更已開始下跌。連印度的生育率都落後1980年的5以上，跌至現在的約2.2。去年加上疫情，美國新生嬰兒更加速下跌了4%，證明某些人預測會因夫妻被疫情困在家中而在一年後出現一次「疫情嬰兒潮」是完全錯誤的！疫情中，所有人心情煩躁，何來心情享受魚水之歡？反而家暴和離婚率有所增加。

農村人口多 提供經濟利益或鼓勵生育
「人口轉型」雖可說是大趨勢，但並非自然科學定律，每個國家的政治、經濟、社會和家庭情况都不盡同，即使不易逆轉，但不等於完全不受政策和科技發展所影響。即使在中國，雖然城市化已剛超過了50%人口比例，即是仍有近半人住在生活水平較低的農村，或較容易利用各種經濟利益，例如西方流行的所謂「牛奶金」，或更有效的房屋津貼和價錢優惠等手法，去鼓勵生育。

近日香港是個好例子，本來很多人抗拒疫苗，有發展商捐出一層樓，作為鼓勵接種疫苗的獎品，都收到很好反應，預約人數馬上跳升超過50%，但其實此計劃的每人平均成本很低，可能20元不到！如利用類似手法鼓勵生育，可能亦有點成效呢！除經濟鼓勵方法外，現在醫學昌明，另外還有很多人工受孕和基因工程的新科技和方法，但當然道德和安全性都是重要考慮。

中國人口的最差預測是到2030年代中人口見頂（新增勞動人口早在2012年已見頂），到2100年，人口更將「腰斬」下跌一半，回到約7億人。很多人擔心這將帶來巨大經濟災難，應驗西方人的詛咒，「China will get old before it gets rich（中國未富先老）」，未來那麼多的老人家，靠誰來奉養和照顧？中國確要小心有這個可能，但毋須過慮。

以美國為例，也有頗嚴重的人口老齡化問題，本來亦有很多人擔心當二戰後至1960年代初出生的Baby Boomers到退休年齡時，社會將無法應付此龐大的醫療和社會福利財政壓力。事實上，即使美國財政赤字和總債量不停上升，但由於過去40年，利率也不斷下降，結果利息支出對GDP比例，不升反降，再加股市長期表現奇佳，負擔能力綽綽有餘。諾貝爾經濟學獎得主克魯明（Paul Krugman）近日繼續呼籲美國應以比總統拜登（Joe Biden）提出更大量的基建投資，來替代老齡化社會的自然疲弱消費需求！

同樣政策適用於中國嗎？我認為答案是「yes and no」。我贊成人口老齡化自然減慢長期消費增長，帶來巨大通縮壓力，所以現在所見到的通脹反彈，只因經濟重開對供應鏈製造的短期壓力，只屬過渡性，而非結構性通脹。

1970年代為近代消費通脹最嚴重的年代，當時全球人口增長亦是最快的，再加上當年是「石油年代」的高峰期，所以每當OPEC減產，馬上挾高油價和全球通脹。現在全球女性生育率已跌近半，只約2.4，加上世界已進入無限供應的「數據年代」，所以何來結構性通脹？如長期通脹上升，最有可能的原因將是全球政府和人民，決定為對付氣候變化，寧付出「綠色溢價」（Green Premium），加速轉移到太陽能、EV（電動車），以及各種減碳排放生產鋼鐵和混凝土但仍較昂貴的綠色技術。

人民幣倘成功國際化 將減未來財政壓力
但中國面對的老齡化問題比美國嚴重得多，更重要的是人民幣缺乏美元的話語權。美國至今仍可隨意行使美國獨有的「exorbitant privilege」（過分特權），亂印鈔，肆意操控利率曲線，基本上即把財政負擔推給全世界投資者幫他埋單，但竟然仍無損美元地位！所以我經常提醒，中國的真正短板絕非製造業，連半導體也不是，中國的真正短板是金融和傳媒。如中國能提升人民幣地位，成功國際化，即使不能代替美元地位，但將對減低未來財政壓力，大有幫助。如再加上成功打造股市的健康慢牛，當然亦對退休基金和人民自己積穀防老，有莫大幫助。

除財政擔憂外，很多人亦擔心未來勞工短缺問題，包括誰來照顧大量老人家？中國人非常相信科技，寄望所謂第四次工業革命，利用5G和AI等新技術，工廠變得更自動化，連家居工作，包括老人家的日常生活護理，都可由機械人替代人力。但兩周前我在文章中已解釋過，5G和AI的發展速度都遠遜預期，尤其如駕車和照顧老人家等關乎安全的任務，當成較簡單的ANI（Artificial Narrow Intelligence）問題來處理，可能是個基本性錯誤，因為這些是極需要可見將來仍沒有的AGI（Artificial General Intelligence），需擁有「common sense」，才能解決的問題。

如真的不能提升生育率，科技亦無法完全解決勞工短缺問題，那麼是不是真的絕望？當然不是，其實最實際和最有效化解老齡化問題的方法就是接受移民。另外還有非常重要的一點，以移民來解決老齡化問題，同時亦是最符合全地球利益，減低對氣候變化壓力的最佳方法。即使發達國家和中國人口增長緩慢，但非洲、中東和東南亞增長率仍高，所以全球人口仍以每年約1.1%的頗快速度增長，為世界環境製造不小壓力。我不清楚此增長率是否過急，會否因此而威脅2050年達到碳中和目標，從而防止全球暖化攝氏1.5度的危險臨界點。

人口問題跟全球氣候變化問題息息相關，每個國家不可自私地盲目追求經濟發展，漠視全球人口和環境問題，必須全球合作。自遠古石器時代以來，從非洲開始，人類遷徙大方向按照兩個原則：第一是人類「滲透」（osmosis），從人口密度高，遷至密度較低的地方，過去500年，南北美洲和澳洲的開發，就是最佳例子。第二是人類亦會遷至即使人口密度較高，但經濟發展機會亦較多的大城巿；所以即使日本人口已在收縮，但東京都人口仍在增長，在中國，北京、上海、廣州、深圳等一線城市，明顯也有同樣情况出現。

美國有大量經濟機會 排外無礙吸引力
美國當然是移民建國的最成功例子。數百年來，不停吸引全球移民去尋金、尋找機會，亦有人為了逃避原來出生地的戰亂、饑荒和貧窮。美國每年接受超過100萬名合法移民，非法移民的總數量亦遠超過1000萬。移民不止為美國帶來全球精英，亦帶來更需要的勞動力，如真的杜絕非法移民，全美國將無人收割水果和蔬菜，更沒有工人為富人修葺花園和打理家務。

當然在美國和歐洲等地，移民亦帶來嚴重種族關係和其他社會問題。反移民潮正是過去數年，西方民粹崛起、推動英國脫歐、不少歐盟國家極右主義抬頭，以及特朗普入主白宮的重要推手。不少歐洲人誇張地擔心在不久將來，歐洲甚至將變成伊斯蘭為大多數的地區。長遠當然有這個可能性，但伊斯蘭教徒仍只佔歐洲人口不到10%，真正害怕的原因仍是種族主義居多。况且，近日中東和北非難民加速湧入歐洲的原因，正是因為美國跟歐洲和以色列等盟友，在中東啟動多場不義之戰，大量殺戮伊斯蘭教徒，他們才會遭巨大生命危險，逃亡到歐洲。正所謂「自作孽，不可活」。

美國擁有大量土地和經濟機會，所以吸引力更大。即使特朗普如此排外，大量減少移民和工作證額度，近日針對亞裔人士的歧視與日俱增，仍無礙美國對大量移民的吸引力。當拜登一上台，數以百萬計的中美和南美人即湧至美墨邊境，企圖偷渡到美國，希望拜登特赦，或最少不會遣返所有非法移民。

有些西方「聰明人」已指出，美中之爭，決定勝負的關鍵，正取決於美國處理移民的政策。中國人口是美國的4倍多，如此比例不改變，毫無疑問，即使美國使盡陰招，包括貿易和科技戰，抹黑中國等，中國名義GDP仍必將在10年內超越美國，並且將繼續拉開距離，變成美國的兩倍甚至三倍。打仗則兩敗俱傷，絕不可行，唯一最有效抗衡方法是加速接納移民，但當然要非常小心處理種族關係，和對教育、醫療、房屋、福利等範疇的影響。過急的移民速度將帶來極大社會矛盾，即使特朗普已下台，但很多社會問題仍未解決，未來隨時可因移民問題而再度爆發。

中國吸納移民 更需要一般勞動力
我當然不贊同此修昔底德陷阱、零和遊戲式的觀點，但我認為基於老齡化問題，中國也必須考慮移民政策。中國大多數人為漢族，雖然有50多個少數民族，但大多都已歸化中國多年，並非移民。

近年因經商和留學交流，多了不少外國人居住在中國，在一些餐廳已開始見到外國人當服務員，據聞有些工廠亦有顧用外勞。但整體人數仍有限，拿了永久居留權的應不多，入了中國籍的就更少了。我鼓勵中國採取更積極吸引移民政策，精英當然歡迎（雖然大學生過剩，但全球精英可帶來創意和新市場），但其實可能更需要一般勞動力，尤其未來照顧老人的護理人員。

我非常歡迎中國逐步開放人口政策，但原因並非天真期待純粹藉此解決未來的老齡化和相關經濟問題。最重要的是，此政策改變符合人道立場。

中環資產投資行政總裁
[譚新強 中環新譚]

https://www.mpfinance.com/fin/columnist2.php?col=1463481132098&node=1622748057226&issue=20210604

譚新強：Galileo的教誨：人類非宇宙中心點
文章日期：2021年5月21日

【明報專訊】人類非常自以為是，一切以自己為中心的動物。自古以來，不止大部分人都以為大地是平或者是方的，他們更以為天上的星星、月亮和太陽，都是圍繞着我們而運轉的。當伽利略（Galileo Galilei）以望遠鏡觀察得來科學證據，支持哥白尼（Nicolaus Copernicus）的太陽中心論，他就被教廷批鬥和逼害了20多年之久。

即使現代人也有同樣自以為是的主觀願望。不少人偏見地以為近數十的所謂新發明，例如互聯網、手機、AI、機械人和加密貨幣等，都必然是人類史上最偉大和最重要發明。更有不少人甚至相信所謂加速回報定律（Law of Accelerating Returns），認為重要科技發明的速度不斷提升，很快就將達到人網合一的所謂「奇點」（Singularity）！

客觀點來看，這些科技發展雖重要，尤其互聯網和手機，令到日常生活更方便和豐富，但怎可能比火、蒸氣機、電力、電話、汽車和飛機等更重要？有人曾問過李光耀，什麼是偉大發明？他的答案是對新加坡而言，最重要的發明是空調！他認為在熱帶地區，如沒有空調，工作效率非常低，經濟發展必更困難。你可能以為李光耀此言是開玩笑，小小一台冷氣機，怎可能那麼偉大？但事實擺在眼前，新加坡是熱帶國家中，極少數（差不多唯一）能達到發達國家水平的國家之一，成功原素當然不止空調這麼簡單，但他立國不久即決定盡快在所有政府辦公室裝置空調，肯定對提升政府效率有極大幫助。

近20年科技無助提升生產效率
若以生產效率的趨勢來判斷近20年科技發展的成效和重要性，不幸客觀結論就必然是頗為失望，甚至驚訝。因為不論美國或中國，過去20年的勞動生產率（labour productivity）增長都不斷放緩（見圖1及圖2），就如數以萬億美元計的IT投資，每人手中一台超級電腦，都提升不了我們的生產效率。更不需遑論AI結合機械人，再加5G，所有工廠都應變得更自動化，需要的工人極少，理論上人均生產效率必定急速提升。

這麼多「超偉大」發明，怎去解釋生產效率增長率不加速反放緩的重大謎團？我認為可探討3個可能性。

（1）從1970年代開始，個人電腦（PC）開始崛起和普及，企業投入大量資源，期望生產力效率大幅提升。但長近20年的投資期，效果一直是失望的，在互聯網普及前，大部分電腦幾乎可算是獨立的，主要用途只包括文書處理（word processing）、電子試算表（spreadsheet）和簡單資料庫（database）等，即使有通訊功能，也只限於速度極慢、撥號連線的modem。在這個單打獨鬥的環境下，大部分PC亦是一台昂貴的高級打字機，對生產力提升當然有限。後來隨着互聯網崛起、寬頻普及，企業開始看得到大量投資IT的回報。當然互聯網的發展，提供了創立大量新企業的機會（但即使如此，上世紀七十年代至今的生產力增長也一直放緩）。

同一道理，過去30年的新科技發展，將有重新提升生產力效率的一天，可能只是時辰未到。我贊同有此可能性，但到底現代科技，缺乏什麼催化劑，防止它們完全體現潛能？我也沒有準確答案，部分可能是投放的量未足夠，例如5G，大家一直期待網絡速度馬上提升10倍以上至Gbps級別，但事實上在美國和中國的用戶體驗極差，平均速度提升50%不到，某些情况和地區，甚至比4G更慢，亦較受障礙物如牆壁阻礙接收。應用方面更缺乏「killer apps」，據說在中國的流行5G App是Speedtest，就是用來測試通訊速度！現時平均每個基站服務約7000用户，當然寄望繼續增加密度，到了某個水平，希望能較成功體現5G功能。除此，高頻率的mmWave網絡仍在起步階段，高頻率才可真正大幅提升速度，但不幸物理上，mmWave穿透力更差，要實現IoT夢想，實時遙控高速機器，進行精細手術和應用於交通系統等，仍面對極大挑戰。

（2）人均生產效率增長放緩，有可能是定義和數據準確度的問題。會否是不可以金錢來量度近代科技發展所帶來的所有好處，除經濟增長外，亦有助改善人類健康、延長壽命，以及提升快樂感？有可能，事實上在過去200多年，全球人類壽命的確上升很多，從不到30歲升至現在的70多歲；但大部分應該是公共衛生的改善，尤其自來水的普及，農業進步導致營養改良，以及接生技術和環境改善，大幅減低嬰兒夭折率等，而非來自先進癌症治療法或基因工程技術。當然，近年英美的平均壽命更出現下跌趨勢。快樂的定義更抽象，跟科技發展更沒有一個必然關係，去多幾次日本就一定開心啲？著名人類學家Steven Pinker認為，原始的hunter-gatherers，以狩獵為生，不用花太多時間工作和計劃生活，平均快樂度反而比生活較穩定和富庶的農業社會高很多。原因是農業需要長達一年的工作計劃、播種、灌溉、收割和儲糧等等，全年忙碌，亦需全年憂慮天氣和瘟疫等。現代人更惨，不止需要計劃一年，未上幼稚園，已需要開始計劃人生，每年每月每日都有無窮無盡的所謂工作、責任和煩惱。

有人企圖解釋，可能分母也有問題。人均生產力增長減速，或者是因為現代經濟高度自動化，需要工作的人愈來愈少，即是失業，underemployment和不需工作的人愈來愈多，所以人均生產效率就被拉低了。這個解釋有兩個問題，首先在這次COVID大流行前，以美國為例，失業率跌至3.5%的50年新低，何來工作人數在減少？近月隨着美國疫情減退，失業率又再急速下降，所以此論點不成立。

有人指出，雖然表面失業率低，但有不少人不再尋找長工，只做點「零工」（gig），或只領救濟，所以人均生產效率被拉低。我沒有深入研究過，但我懷疑近年underemployment的情况，是否真的比以前嚴重。我的印象是從前較以農業為重的社會，鄉下的「閒人」更多，城市化才是提升人均生產力的最重要元素。

總括來說，我承認經濟數據未必能夠完全反映科技進步對人類的影響，但仍不可以此為解釋生產效率增長放緩的藉口。

人類發展漸近兩科學極限
（3）我認為最重要的解釋是人類發展已逐漸走近兩個科學上的極限。第一個是地球資源所能提供的可延續發展極限。人類發展，從古至今，尤其從工業革命開始，都可說是建築在耗用地球資源身上，尤其倚賴化石能源，最初是最髒的煤炭，後來是更好用但更有限的石油，再加上較清潔但難儲存運輸的天然氣。近年我們當然開始發現化石能源的碳排放，帶來嚴重氣候變化問題，如不能在極有限時間內解決，足可導致一次全球大規模動植物滅絕災難！

樂觀來看，這個危機當然也提供很多發展再生能源、電動車輛（electric vehicle, EV）、儲能、碳捕獲（carbon capture），以至「地球工程」（geoengineering）技術的機會。但不能否認的是地球本身是個充滿有機化學（organic chemistry）的環境，最方便的能源必然是與炭相關的，石油的能源密度是任何電池技術的20倍以上。按《巴黎氣候協議》的計劃，人類必須在2050年前達到碳中和，談何容易？去年因疫情，全球碳排放確下降了約6.5%，接近但仍不到每年遞減7%的目標，今年美、中等經濟重開，有可能達標嗎？

另一個更根本的是物理的極限。歷史上最偉大的科學突破，毫無疑問是二十世紀初，愛恩斯坦的狹義和廣義相對論，和稍後由玻爾（Niels Bohr）、海森堡（Werner Heisenberg）和薛丁格（Erwin Schrodinger）等人所發展的量子力學（quantum mechanics）。兩套理論非常偉大，亦有極大實用性，核能和核武正是它們的結合，是禍是福，見仁見智。但不幸過去60年，理論物理已可說碰到了堅硬牆壁，相對論與量子力學有非常根本性，甚至哲學性矛盾，聰明如愛恩斯坦，窮人生最後30年努力，也無法解決此問題。後人想出很多充滿創意的理論，例如超弦理論（Superstring Theory），但全都是紙上談兵，毫無實驗證明，所以於事無補。

物理極限對應用科技和經濟發展有很大影響。整個IT革命都是由半導體技術進步所推進。最有名的摩爾定律（Moore's Law），雖並非一條真正永恒不變的物理定律，但在過去50年，一直是芯片發展的一個指標。事實是每一代的芯片發展，雖仍在進步，但速度早已放緩，最初摩爾定律預期每9至I2個月，芯片密度即可翻一倍，近年已放緩至兩年以上。強如過去的老大英特爾（Intel），已停滯於14nm兩年以上，只有台積電和三星能繼續推前，能成功生產7nm芯片。即使台積電等能如期做到2nm，無疑必將接近物理極限，再縮小必將帶出各種量子世界的奇怪現象如「穿隧效應」（tunneling effect），極難控制芯片性能。

在應用層面上，影響也必極大。單是AI無人駕駛，已是個極重要的科技夢想，亦是Tesla股價的一個重要支柱。馬斯克（Elon Musk）教主是個頂級銷售員，他一直不斷告訴「信徒」無人駕駛是個相對簡單的ANI（Artificial Narrow Intelligence）應用，只需GPU或ASIC夠快，加上視覺數據，必可在短期內成功。按馬斯克的說法，年輕一代不需要學駕駛汽車，法律甚至將禁止人類開車，所有汽車變成AI無人駕駛的EV。

無人駕駛為極複雜AI難題
事實上，無人駕駛是個極複雜的AI難題，最近連馬斯克開始承認困難比原先想像中高很多。不止Tesla，大部分其他公司都碰到同樣問題，不少甚至已放棄。Uber和Lyft都計劃出售無人駕駛部門，Alphabet的Waymo，近日CEO和CFO等多位高層相繼辭職。德國各大汽車廠近日都推出質量非常不錯的EV，但並無太多AI功能。

我一向認為無人駕駛沒那麼簡單，應屬於AGI（Artificial General Intelligence）問題，即需要所謂common sense。人腦當然遠比電腦慢，但複雜度遠比芯片高，人腦neurons（神經元）數量超過1000億，synapses（突觸）數量更超過125萬億，更加是三維物體，連形狀和組織都對人腦的思考、性格和整個意識（conciousness）非常關鍵，遠比現時最先進二維為主，7nm GPU的540億原子粒多和複雜。即使未來用到2nm技術，能做出人類common sense的機會仍很低。不少AI專家認為，AGI需要whole brain simulation，或甚至不可以矽為基礎原料，改以用所謂wet ware，不知是否想以基因工程技術，在試管中培植出一個以碳為基礎原料的有機AI系統？聽起來，比Frankenstein（科學怪人）更恐怖！

我沒有答案，只想提醒大家不要過度自以為是，人類始終是渺小的，我們對宇宙的認知非常有限！

（中環資產擁有Tesla、Uber、Alphabet、台積電及三星財務權益）

中環資產投資行政總裁
[譚新強 中環新譚]

https://www.mpfinance.com/fin/columnist3.php?col=1463481132098

#英語師資培訓公開課
2020 年發生了世界很多鳥事，但對我來說是鳥中帶有特別意義的一年。在多年的籌劃、思維後，終於推出了「英語師資培訓」課程，在第一梯成功培訓了20多位的英文老師。

我也履行了當年我對我在哥倫比亞大學恩師的承諾：把語言習得科學研究那麼艱澀的內容，用接地氣的方式帶給更多想要變成英文老師的人、跟已經是英文老師但想要持續進步的人。

課堂中的大家有著各式各樣的背景。有現任哈佛大學教育學院研究生、有現任師大附中英文老師、百齡高中英文老師、英語內容創作者（社群媒體)、師大口筆譯所在學生、知名托福補教老師、知名多益補教老師、知名五星級飯店的英語內訓人員等等。

在總共12週的師培課程中，我帶著大家用 doctoral seminar 的方式，研討了超過 40 篇在世界頂尖 Applied Linguistics、TESOL、Second Language Acquisition 等等領域的重磅文章，配合2本語言習得經典教科書的精選內容 (Second Language Acquisition: An Introductory Course 和 Understanding Second Language Acquisition)。

這些重磅文章像是：
“Principles of Instructed Language Learning” Rod Ellis
“Task-based Language Learning: A Review of Issues” Peter Robinson
“Optimal input for language learning” Michael Long
"The Case for Narrow Listening” Stephen Krashen
“The Effects of Task Repetition on linguistic output” Gass & Mackey

更重要的是，我們一起討論、反思研究和 “classroom practice” 的相關性，讓大家真的在學習時、教學時碰到問題時，有個堅實的依據，可以用科學的視角，解決教學問題。

在課堂中，我們研討了各式各樣極為重要的主題，包含了
• corrective feedback 應該要怎樣給會比較有效？
• input-based 和 output-based 的教學各自的優缺點為何？
• 假定 “Without attention, without learning.” 這句話為真，老師有什麼方法可以操縱學生的 “attention” 呢？
• receptive skills (閱讀、聽力) 和 productive skills (寫作、口說) 的培養包含怎樣的練習、認知機制？
• classroom instruction 的優勢和限制各是什麼呢？
• 普遍被認為最 implicit 的「聽力能力」，第二語言習得研究顯示應該如何教呢？
• 單字教材應該如何設計、應該如何教，才符合「字彙習得」實證研究 (empirical research) 的結果？
• extensive reading、intensive reading、repeated reading、narrow reading 各自的優缺點為何？應該如何讓帶學生閱讀？

如果你已經是、或未來想成為英文老師，也想用科學理論做教學，歡迎你一起來聽英語師培公開課！（也歡迎私訊索取線上試聽）

🔥 11/2 (一) 週間場：
https://www.accupass.com/go/nteltt1102

🔥 11/21 (六) 週末場：
https://www.accupass.com/go/nteltt1121

🔥 我們的第一梯英語師培老師：
https://ntetaiwan.com/ltt-results/