Sam Altman修正AI時間表：真正樽頸唔係能力，而係落地採用

Sam Altman今次重新評估嘅，似乎係AI改變世界嘅時間表，而唔係AI最終會有幾重要。

GPT-4喺2023年推出後，Altman原本預期軟件公司同整體經濟會好快受到顛覆，甚至令大量現有業務即時面臨重新洗牌。但佢近日嘅講法，明顯更加重視另一個現實：將模型能力變成可靠、實用而且被廣泛採用嘅產品，往往比訓練出更強模型更加困難。36

換句話講，模型「識做」唔等於企業即刻「用得落」。由技術突破到經濟真正轉型，中間仲隔住應用開發、公司流程重整、實體基建、監管、信任，以及公眾是否願意接受等一大堆關卡。

真正樽頸：部署比訓練更難

目前較完整嘅解讀係，AI短期發展嘅最大限制，未必只係能唔能夠整出下一個更強大嘅基礎模型，而係企業可唔可以將AI嵌入日常工作。

公司需要將AI接入現有系統，重新設計部門流程，同時處理資料治理、採購、私隱及合規問題。員工亦要改變工作方式，客戶就要相信AI能夠穩定、準確咁完成任務。呢啲組織層面嘅改變，速度自然比模型更新慢得多。

所以，GPT-4之後未有即時出現部分預測所講嘅「經濟斷層」，並唔代表AI能力停滯。更可能係技術進步同商業採用行緊兩條唔同速度嘅時間線。

Altman近期對AI經濟學嘅觀察，亦同時指向兩個方向：模型智能大致會隨住訓練及運行資源增加而提升；而達到同一水平智能嘅使用成本，則會隨時間大幅下降。佢指成本大約每12個月下降10倍，而價格降低會帶來更廣泛使用。40

不過，成本下降唔會自動解決監管、採購、信任、資料管理，以及企業內部轉型等問題。AI可以愈來愈平，但要真正融入社會，仍然要逐步過制度同組織嘅關。

點解Altman提到要為AI發展「踩一踩掣」？

7月，Altman表示業界可能需要為AI發展「pace」，即係調節推進速度，俾社會有時間圍繞新一代能力建立防護及適應機制。他同時強調，任何協調都唔應該變成監管俘獲，亦唔可以演變成前沿AI實驗室之間嘅合謀。37

呢個講法唔等於永久停止AI研究，而係承認技術進步同社會適應未必同步。由政府、企業、學校到一般社區，可能會出現一段「能力已經出現，但規則仲未準備好」嘅過渡期。

與此同時，領先AI公司有超過1,000名員工簽署公開信，要求加強監管，並爭取時間處理安全措施同監督機制。38 呢啲聲音反映，業內爭論唔只係應唔應該繼續加快，而係社會有冇足夠能力承受下一輪能力躍升。

「反人類」警告，其實指向兩種風險

Altman過往亦多次表示，AI力量唔應該過度集中，未來控制權應該屬於人類及其制度。44 按照相關脈絡，佢所指最難接受嘅兩種結果，可以概括為：

1. AI強大到人類無法再有意義地控制佢。
2. AI能力及決策權集中喺極少數公司或政府手上。

第一種係「失去控制」；第二種就係控制權仍然存在，但掌握喺一小撮擁有巨大經濟及政治影響力嘅機構手上。兩者都可以被視為對人類不利，但政策取向未必一樣：更嚴格安全措施有助減少濫用，過度集中嘅存取權及封閉系統，則可能令權力更加集中。

呢番話係咪針對Anthropic？

將上述講法直接解讀成Altman批評Anthropic，暫時只能算係推論，唔係已獲證實嘅直接攻擊。現有材料冇顯示Altman明確點名Anthropic，或者將佢以安全為先、集中式管理前沿模型嘅做法稱為「反人類」。

不過，當中確實存在政策取捨。由少數公司嚴格控制前沿模型，可能較容易進行監察及執行安全要求；但同時亦可能令更多力量集中喺少數AI實驗室手上。相反，開放權重模型可以擴闊存取及客製化空間，亦可能降低部分運行成本，但濫用同問責問題會更加複雜。

因此，現有證據支持討論呢個取捨，但不足以聲稱Anthropic就係Altman嘅目標，更唔足以斷言其理念本身必然有害。

數據中心反對聲音，揭示AI落地嘅「硬件樽頸」

AI採用唔係淨係靠軟件。大規模運算需要數據中心、電力、輸電網絡、水、土地、規劃許可，同埋當地居民及政治層面嘅同意。

而呢個擴建過程已經遇到阻力。有報道引述Gallup調查指，71%美國成年人反對AI數據中心興建喺自己所在嘅地區；另外，超過十個項目據報因地方反對而被叫停或者延遲。18 反對理由包括電力供應、水資源、環境影響，以及數據中心開發商獲得嘅地方稅務安排。20

Altman亦承認，居民唔想數據中心起喺屋企附近係可以理解嘅，並建議較偏遠嘅沙漠地區可能更適合。23 呢個建議正正突顯一點：擴大AI唔單止係搶更多GPU，亦係土地規劃、能源供應同社區政治嘅問題。

密歇根州一個數據中心項目，就將呢種矛盾放到聚光燈下。Altman形容當地一個據報斥資160億美元嘅項目，係對AI未來嘅重大押注；但社區關注點包括供水及電力等資源壓力。2130 AI業界可以對未來需求作出極大型嘅預測，但要將預測變成實際運算能力，仍然要社區接受相關嘅土地及資源成本。

NVIDIA投資Poolside：為長期競爭部署，唔係對AI失去信心

NVIDIA據報同AI初創公司Poolside達成交易，支付60億美元授權其技術，並另外投資10億美元；超過100名Poolside員工預計會加入NVIDIA，參與Nemotron開放權重模型系列嘅工作。15

「開放權重」模型簡單講，即係模型權重可以由用戶自行部署及調整，通常比完全封閉嘅模型更容易客製化；相關報道亦指，部分開放權重方案嘅運行成本可能較低。5

呢宗交易顯示，NVIDIA正由單純硬件供應商，進一步伸延到模型開發工具及開放權重軟件。對企業客戶嚟講，如果AI模型需要配合自家基建、資料及工作流程，彈性同可修改程度就可能成為採用關鍵。

但交易總額達70億美元，依然係一次非常進取嘅AI投資。佢反映嘅唔係NVIDIA預期AI需求會崩潰，而係公司正為一個更漫長、更具競爭性嘅部署周期預先布局。15

大勢所趨：AI轉型可能慢、貴，而且充滿拉鋸

將以上發展放埋一齊睇，可以得出一個比「AI即刻顛覆一切」更加細緻嘅時間表：

• 模型能力提升，可以快過企業採用。36
• 真正決定經濟影響嘅，係應用開發同組織重整。36
• 數據中心擴建會受到電力、水、土地、批文及社區反對限制。182023
• 安全及治理制度需要時間追上技術能力。3738
• 業界仍然大手投資新模型，以及開放權重替代方案。15

因此，最合理嘅結論唔係AI只會帶來有限經濟影響，亦唔係業界已經一致決定刻意放慢發展。現有證據反而顯示，兩件事可以同時發生：模型及基建投資繼續加速，但企業同社會採用AI嘅速度受到現實條件拖慢。

AI仍然有可能深刻改變經濟，只係條路未必係GPT-4推出後即時出現大爆發，而係要經過應用、基建、能源、監管、組織適應，以及公眾認受性等多重關口。換句話講，AI革命可能唔係一夜之間爆發，而係一場成本高昂、步伐不均、亦不斷受到社會拉鋸嘅長期滲透。