為避免「五層模型」流於抽象（可參考上一篇），有必要將其放回具體行業，觀察泡沫如何在不同場景中以不同速度退潮。法律、醫療、客服與內容產業，分別代表高責任、高風險、中責任、高產量的典型場景，其對 AI 的吸納與抗拒，正好構成一個完整對照。

第一層：敘事層 - 「很快會被取代」的語言先行失效

在敘事最膨脹的階段，四個行業都曾被放入同一套話語框架中「AI 即將取代專業人士」，但這種一體化敘事，很快在現實中出現裂縫。

在法律界，早期敘事聲稱 AI 能取代律師撰寫合約、做法律分析，但實際上，專業圈子很快發現：AI 可以生成語句，卻無法承擔法律判斷的後果。敘事於是退化為「輔助律師提高效率」。

在醫療界，AI 被描述為能超越醫生診斷，但在實際落地中，敘事迅速收縮為「輔助影像判讀」或「臨床決策支援」。「取代醫生」的語言成為媒體話術，而非行業共識。

在客服與內容產業，敘事存活時間較長，因為這些行業本身容許較高錯誤率。但即便如此，「全面取代」的語言亦逐步轉為「人機協作」。

這一層的爆破表現為語言降級，不是技術消失。

第二層：估值層 - 「值得投多少錢」開始分行業分化

當敘事退潮，資本層的分化便隨之出現。

在法律與醫療領域，企業與投資者很快發現，AI 的變現速度與空間遠不如敘事所承諾。高合規成本、高責任風險、長採購週期，令估值迅速回歸保守，所以這兩個行業的 AI 公司估值通常更貼近「專業工具供應商」，而非「平台級顛覆者」。

相反，客服與內容產業，由於部署成本低、見效快、需求明確，估值修正較慢。即使如此，資本亦開始要求證明：AI 是否真能降低人力成本，還是只是把成本轉移到驗證與維護上。

估值層的爆破在不同產業中呈現不同節奏，但方向一致：資本不再為想像付費，只為可量化效益買單。

第三層：應用層 - 責任場景成為分水嶺

應用層是泡沫破裂最具體、也最貼地的一層。

在法律領域，AI 在合約初稿、案例搜尋、文件整理方面表現良好，但在法律意見、風險判斷與策略建議上，始終無法「直接上線」。任何錯誤都可能構成法律責任，這使 AI 必須被框在「草稿工具」的位置。

在醫療領域，AI 在影像輔助、病例整理上逐步被接受，但「診斷權」與「處方權」幾乎不可能完全交給模型。醫療事故的不可逆性使應用層的幻想迅速破裂。

客服產業則是應用層泡沫最晚破裂的場域。大量企業嘗試以 AI 取代一線客服，但很快發現：在複雜投訴、情緒處理與責任歸屬上，AI 容易激化問題而非解決問題，結果是 AI 被用作第一層篩選，而非最終接觸點。

內容產業的應用層爆破則表現為「品質回調」。AI 可以大量生成內容，但平台與用戶逐漸對低質、同質化內容產生疲勞，迫使內容生產回到「人主導、AI 輔助」的模式。

第四層：算力層 - 「越大越好」的假設開始失效

算力神話在四個行業中同樣出現分化。

在法律與醫療，企業往往選擇專用、小型、可控模型，而非追逐最大模型。原因很實際：成本、合規與資料保密遠比「性能排行榜」重要。

客服與內容產業雖然較依賴雲端模型，但隨著規模擴大，亦開始尋求更便宜、更穩定的方案，而非無限制追求算力。

這說明一點：算力需求會增長，但不會無限增長，神話同時會退位，工具性會上升。

第五層：能力層 - 真正留下來的是「被制度接受的功能」

在泡沫退潮後，四個行業最終留下的 AI 能力，其實高度一致：

    - 在法律界是文件整理、條文檢索、初稿輔助；

    - 在醫療界是影像輔助、病例結構化、行政減負；

    - 在客服是問題分類、回應建議、負載分流；

    - 在內容產業是草稿生成、語言修飾、創意擴展。

這些能力的共同點是它們不取代專業角色及不承擔最終責任，但會被制度與流程明確框住。

小結：行業差異，並未改變泡沫的結構，只改變節奏

法律、醫療、客服與內容產業的差異，並未推翻「五層爆破模型」，而只是改變每一層退潮的速度與強度。高責任行業，泡沫退得快但穩，而在低責任行業，泡沫留得久但終究回調。這再次印證一個關鍵結論：AI 泡沫是敘事、資本與責任錯位的結果。

當錯位被逐層修正，AI 不會消失，反而會以更貼地、更可控、更長期的方式留在各行各業之中。