AI 的未來發展與產業變革 10月29日,在美國舊金山有一場訪談,主角是Stripe共同創辦人John Collison及OpenAI的執行長Sam Altman。這段影片並不是一個很正式的商業製作之訪談,而是有點像是輕鬆的把酒言談。不過在這場對談中,Sam Altman在酒過三巡後說出了不少OpenAI內部的方向以及他對未來AI發展的觀點。內容頗值得一聽。 我把內容整理成很簡潔的問答形式,讓大家可以快速獲取重點。若有興趣再去看原影片。 整場訪談的核心結論: Sam Altman 對 AI 未來的五個重要判斷: 1.智慧將快速超越人類。 AI 不再只是工具,而是逐漸成為知識及技術的創造者。 2.AI 安全將成為重大挑戰。 技術隔離不一定能永久控制超越人類的智慧。 3.算力將是核心競爭資源。 晶片、記憶體、能源及資料中心將決定 AI 發展速度。 4.AI 基礎建設成本必須下降。 未來競爭的關鍵是降低每單位智慧的生產成本。 5.AI Agent 將改變企業經營。 AI 不只是提升工作效率,更可能重塑整個商業服務模式。 一、AI 技術與人類智慧 Q1:為什麼 AI 最近能發現許多存在數十年的軟體漏洞? Sam Altman: 因為 AI 已經具備大規模分析程式碼、尋找漏洞的能力。過去不是這些漏洞不存在,而是人類沒有足夠的時間與能力全面檢查。未來 AI 可能發現更多過去長期被忽略的資安問題。 Q2:如果 AI 比人類頂尖專家聰明得多,人類還能控制它嗎? Sam Altman: 這是 AI 發展中非常重要的安全問題。目前可以透過 Sandbox(沙盒隔離)、監控及安全機制限制 AI 的行為,但當 AI 能力遠超人類時,我們不能保證現有的隔離技術永遠有效。最終仍需要解決 AI Alignment(人工智慧價值對齊)問題。 Q3:你希望未來出現一個超級智慧 AI,還是大量高智慧 AI? Sam Altman: 我比較希望看到一兆個略微超越人類智慧的 AI,而不是只有一個極端強大的超級 AI。 原因是大量 AI 可以彼此合作、監督及制衡,避免所有智慧與權力集中在單一系統。 這就像人類社會的權力分立,多元制衡可能比單一強權更加安全。 Q4:AI 是否已經能夠解決人類長期無法突破的數學難題? Sam Altman: AI 已經開始在數學研究上展現令人驚訝的能力,包括 Navier–Stokes(納維-斯托克斯)方程相關研究。 他提到,相關研究可能投入約1,000萬美元甚至更多的算力成本,而 OpenAI 在數學研究方面的累積投入更達數億美元規模。 未來隨著模型進步及效率提高,相同的研究可能只需要原本百分之一的成本。 這代表 AI 正從協助人類取得知識,逐漸轉變成能夠創造新知識的研究者。 二、AI 產業與基礎建設 Q5:未來 AI 發展最大的瓶頸是什麼? Sam Altman: 不只是模型技術,而是算力供應。 AI 需要大量晶片、記憶體、電力及資料中心。目前算力供應仍然不足,因此 OpenAI 正積極思考如何自行開發晶片、建設資料中心,甚至利用機器人協助基礎建設。 這意味著 AI 公司未來不只是軟體公司,也可能成為半導體、能源及基礎建設的重要參與者。 Q6:建設一座1GW的 AI 資料中心,需要多少成本? Sam Altman: 訪談中提出的估算是,1GW 資料中心五年總持有成本(TCO)可能高達700億美元。 但他希望未來能將成本降低至200億美元左右。 降低成本的方向包括: • 晶片製造成本下降。 • 電力及能源成本下降。 • 資料中心建置效率提高。 • AI 軟硬體運算效率持續改善。 這說明未來 AI 的競爭,不只是誰擁有更多算力,而是誰能以更低成本取得相同甚至更高的運算能力。 Q7:未來機器人是否可能自行建設 AI 資料中心? Sam Altman: 這是 OpenAI 長期關注的方向。 未來機器人可能參與資料中心建設,甚至進一步協助製造晶片、零組件及能源設備。 但這仍面臨土地、電力、設備製造及供應鏈等現實限制,目前還是長期發展願景,而非已經成熟的技術。 三、AI 商業模式與企業經營 Q8:未來企業會花多少錢在 AI 上? Sam Altman: 目前許多企業在 AI 上的支出比例仍然偏低。 Collison 以 Stripe 為例,談到 AI Token 支出約占營運費用的1%左右,並認為未來可能逐步提高到5%、10%,甚至20%。 Altman 認為,企業目前更大的問題不是 AI 用得太多,而是還沒有充分運用 AI。 Q9:未來 AI Agent 會如何改變我們使用網路的方式? Sam Altman: 未來使用者可能不再需要逐一開啟不同網站及 App,而是直接交代 AI Agent 完成工作。 例如訂購商品、處理文件、查詢資料及執行商業流程,都可能由 AI Agent 自動完成。 這將改變現有網路服務及軟體公司的經營模式。 Q10:AI 服務未來應該如何收費? Sam Altman: OpenAI 曾經考慮以每次 Prompt 作為收費單位,但市場反應並不理想。 目前 Token 雖然不是衡量 AI 智慧價值的完美單位,卻比較容易讓客戶理解及預估使用成本。 未來 AI 服務的收費模式,仍需要在技術成本、客戶接受度及商業價值之間取得平衡。 ------------------------ 如果把整場對話放在 AI 產業發展及投資的角度,我認為有三個重要訊息。 第一:AI 產業正在從模型競爭,轉向基礎建設競爭。 過去大家關注的是 GPT、Gemini、Claude 等模型誰比較聰明。 但 Altman 這次談話透露,真正的競爭已經延伸到: - GPU、ASIC 與記憶體。 - 電力及能源。 - 資料中心建設。 - 機器人及自動化製造。 換句話說,AI 的發展不再只是軟體產業的故事,而是整個實體科技供應鏈的競爭。(鴻海的機會及贏面) 第二:AI 的獲利模式,可能與傳統軟體產業有很大差異。 傳統軟體業具有相對高的毛利率,因為產品開發完成後,增加一個使用者的邊際成本通常不高。但 AI 不同。每一次推論、每一次 Agent 工作,都需要消耗算力、電力及硬體資源。 因此,未來 AI 公司的競爭力,除了模型能力,還必須看: - 每單位 Token 的成本。 - 每單位算力創造的營收。 - 資料中心資本支出的回收速度。 - 算力利用率與折舊負擔。 這些指標可能比單純比較營收成長率更重要。 第三:AI 的安全問題,可能比技術發展更難解決。 Altman 不認為單一超級智慧 AI 是最理想的發展方向,反而偏好大量 AI 彼此制衡。 這與他對 Sandbox 安全性的擔憂其實是一體兩面。當 AI 的能力超越人類理解與控制能力時,人類是否還能確保它按照人類設定的目標行動?這不是單純增加幾條程式規則就能解決的問題。 https://youtu.be/iMsUcCYNKqY?si=7otksN8RcNu2tcid