OpenAI行政總裁Sam Altman似乎係修正AI改變世界嘅時間表，而唔係改變對AI重要性嘅判斷。

喺2026年8月23日公開嘅訪問中，佢據報表示，GPT-4喺2023年推出之後，自己原本預期軟件業務同整體經濟會好快出現更大規模嘅顛覆，甚至會有大量軟件公司「即刻變成爭奪對象」。但現實係，模型能力提升，並冇自動轉化成企業營運方式嘅即時改變。36

真正嘅教訓可能係：一個能力強嘅模型，只係起點。要由技術示範變成全經濟層面嘅轉型，仲要有實用應用、企業流程重組、員工培訓、算力及能源基建、監管框架，同埋公眾願意接受。呢啲環節，全部都比GPT-4推出後嘅熱潮預期更加慢，而且更具爭議。

Altman修正嘅，係「落地速度」

Altman今次嘅講法，重點係分清楚技術進步同經濟採用。

GPT-4展示出新一級嘅能力之後，佢原本預期公司同軟件市場會迅速改變。但由模型表現去到廣泛商業顛覆，中間仲隔住一大段距離。36

企業要真正採用AI，唔係買個模型返嚟就完事。公司要將AI接入現有系統，重新設計工作流程，處理數據及保安問題，訓練員工，並決定當AI出錯時由邊個負責。企業亦要計清楚，新增嘅基建、整合及監督成本，係咪值得承擔。

所以，短期內最關鍵嘅樽頸，可能唔再係模型可唔可以繼續變強，而係組織有冇能力將模型有效部署。Altman後來對AI經濟嘅觀察仍然指向快速進步，以及使用成本持續下降，反映「顛覆慢咗」唔等於AI野心減退。40

點解模型能力升得快，企業採用卻跟唔上？

由模型示範去到真實世界部署，中間涉及一連串實務問題：

• 流程要唔要重新設計？
• 數據可唔可以合法及安全咁使用？
• 點樣監察AI輸出？
• 出錯之後，責任由員工、供應商，定係管理層承擔？
• 將AI接入舊有IT系統，成本同風險有幾高？

而且，AI唔只係軟件問題，仲係一場大型基建工程。AI系統需要大量運算能力，數據中心就要面對電力、用水、電網容量、土地使用、環境影響，以及對當地經濟嘅影響。

《紐約時報》引用Gallup調查指出，71%美國成年人反對喺自己所在區域興建AI數據中心；同一報道又指，超過十個項目因地方反對而被阻撓或延遲。18

Altman亦承認，佢明白居民點解唔想數據中心起喺自己「後花園」，並提出將部分設施放到偏遠沙漠地區。23但呢個建議反而突顯AI擴張嘅現實限制：有晶片同電力唔代表項目可以順利落地，仲要有土地、輸電網、牌照，以及社區支持。

「要配合速度」唔等於永久叫停AI

Altman另一個逐漸清晰嘅立場係，AI發展可能需要適度「配合速度」，畀社會有時間圍繞新一級嘅能力建立防護及制度。他同時強調，任何協調方式都唔應該變成監管俘虜，亦唔應該演變成前沿AI實驗室之間嘅合謀。37

呢個講法唔等於要求永久停止AI研發，而係指出：技術進步嘅速度，同社會適應、企業部署及監管制度建立嘅速度，未必一致。

一項技術可以一日千里，但負責管理佢嘅制度、真正使用佢嘅企業，以及需要接受佢嘅公眾，通常唔會同步加速。

所謂「反人類」警告，其實指向兩個相反極端

相關討論提到嘅兩種失敗模式，可以概括為：

1. AI強大到人類及現有制度無法再有意義咁控制。
2. 先進AI嘅控制權集中喺太少數公司或政府手上。

第二種風險，符合Altman一貫主張：AI應該普及化，未來權力唔可以過度集中。44如果少數參與者掌握先進模型、算力及數據，佢哋就可能同時取得極大嘅經濟及政治影響力。

兩種風險會將政策拉向唔同方向。更嚴格嘅集中式控制，可能減少部分濫用；但如果存取權及決策權落入太少人手上，本身亦會製造政治及經濟危險。

至於有人將呢番話解讀成Altman直接批評Anthropic，現有材料並不足以支持呢個結論。將Anthropic較重視安全、集中管理嘅模式形容為「反人類」，屬於分析者嘅推論，唔係已獲證實嘅直接指控。較穩妥嘅理解係：前沿AI確實存在安全控制同權力集中之間嘅取捨，而唔係證明某一間公司嘅安全策略本身反人類。

NVIDIA斥資Poolside，反映嘅係長期部署準備

NVIDIA據報同AI初創公司Poolside達成交易，斥資60億美元授權其技術，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。1

「開放權重」模型，簡單講係模型參數可以由部署者下載、調整或自行運行，通常比完全封閉式服務更容易客製化，亦可能降低部分營運成本。5

呢宗交易顯示，AI競賽已經唔再只係鬥邊間公司可以訓練出最強模型。硬件公司同模型開發商亦要爭奪軟件工具、模型開發流程、工程人才，以及可以畀更多企業自行調校嘅開放權重方案。5

因此，Poolside交易更似係為較長嘅部署周期作準備，而唔係NVIDIA預期AI需求即將崩潰。企業可能預計AI會逐步滲透唔同應用及組織，而唔係一個模型推出之後，經濟即刻重新洗牌。

大局：AI未退潮，只係由爆發轉向擴散

將Altman修正AI時間表、地方居民反對數據中心，以及NVIDIA投資Poolside放埋一齊睇，AI轉型比最初熱潮所講嘅更加複雜。

AI研發仍然加速，但大規模採用正受到幾方面限制：

• 建立可靠、真正有用嘅AI應用並唔容易；
• 企業要花時間改變工作流程及組織架構；
• 運算、電力、用水及輸電容量有限；
• 牌照審批及地方政治阻力增加；
• 社會對安全、責任及權力集中仍然有疑慮。

最合理嘅結論，唔係話主要AI公司已經一致同意刻意放慢發展。現有證據反而顯示一個更細緻嘅情況：企業仍然大手投資，同時亦逐漸承認，AI要改變經濟，必須經過一個較慢、較耗資、亦更具政治爭議嘅擴散過程。

GPT-4可能代表一次重要嘅模型能力躍升，但模型能力本身，從來唔等於企業會即時採用，更唔等於整個經濟會即刻改頭換面。

OpenAI行政總裁Sam Altman似乎係修正AI改變世界嘅時間表，而唔係改變對AI重要性嘅判斷。

喺2026年8月23日公開嘅訪問中，佢據報表示，GPT-4喺2023年推出之後，自己原本預期軟件業務同整體經濟會好快出現更大規模嘅顛覆，甚至會有大量軟件公司「即刻變成爭奪對象」。但現實係，模型能力提升，並冇自動轉化成企業營運方式嘅即時改變。36

真正嘅教訓可能係：一個能力強嘅模型，只係起點。要由技術示範變成全經濟層面嘅轉型，仲要有實用應用、企業流程重組、員工培訓、算力及能源基建、監管框架，同埋公眾願意接受。呢啲環節，全部都比GPT-4推出後嘅熱潮預期更加慢，而且更具爭議。

Altman修正嘅，係「落地速度」

Altman今次嘅講法，重點係分清楚技術進步同經濟採用。

GPT-4展示出新一級嘅能力之後，佢原本預期公司同軟件市場會迅速改變。但由模型表現去到廣泛商業顛覆，中間仲隔住一大段距離。36

企業要真正採用AI，唔係買個模型返嚟就完事。公司要將AI接入現有系統，重新設計工作流程，處理數據及保安問題，訓練員工，並決定當AI出錯時由邊個負責。企業亦要計清楚，新增嘅基建、整合及監督成本，係咪值得承擔。

所以，短期內最關鍵嘅樽頸，可能唔再係模型可唔可以繼續變強，而係組織有冇能力將模型有效部署。Altman後來對AI經濟嘅觀察仍然指向快速進步，以及使用成本持續下降，反映「顛覆慢咗」唔等於AI野心減退。40

點解模型能力升得快，企業採用卻跟唔上？

由模型示範去到真實世界部署，中間涉及一連串實務問題：

• 流程要唔要重新設計？
• 數據可唔可以合法及安全咁使用？
• 點樣監察AI輸出？
• 出錯之後，責任由員工、供應商，定係管理層承擔？
• 將AI接入舊有IT系統，成本同風險有幾高？

而且，AI唔只係軟件問題，仲係一場大型基建工程。AI系統需要大量運算能力，數據中心就要面對電力、用水、電網容量、土地使用、環境影響，以及對當地經濟嘅影響。

《紐約時報》引用Gallup調查指出，71%美國成年人反對喺自己所在區域興建AI數據中心；同一報道又指，超過十個項目因地方反對而被阻撓或延遲。18

Altman亦承認，佢明白居民點解唔想數據中心起喺自己「後花園」，並提出將部分設施放到偏遠沙漠地區。23但呢個建議反而突顯AI擴張嘅現實限制：有晶片同電力唔代表項目可以順利落地，仲要有土地、輸電網、牌照，以及社區支持。

「要配合速度」唔等於永久叫停AI

Altman另一個逐漸清晰嘅立場係，AI發展可能需要適度「配合速度」，畀社會有時間圍繞新一級嘅能力建立防護及制度。他同時強調，任何協調方式都唔應該變成監管俘虜，亦唔應該演變成前沿AI實驗室之間嘅合謀。37

呢個講法唔等於要求永久停止AI研發，而係指出：技術進步嘅速度，同社會適應、企業部署及監管制度建立嘅速度，未必一致。

一項技術可以一日千里，但負責管理佢嘅制度、真正使用佢嘅企業，以及需要接受佢嘅公眾，通常唔會同步加速。

所謂「反人類」警告，其實指向兩個相反極端

相關討論提到嘅兩種失敗模式，可以概括為：

1. AI強大到人類及現有制度無法再有意義咁控制。
2. 先進AI嘅控制權集中喺太少數公司或政府手上。

第二種風險，符合Altman一貫主張：AI應該普及化，未來權力唔可以過度集中。44如果少數參與者掌握先進模型、算力及數據，佢哋就可能同時取得極大嘅經濟及政治影響力。

兩種風險會將政策拉向唔同方向。更嚴格嘅集中式控制，可能減少部分濫用；但如果存取權及決策權落入太少人手上，本身亦會製造政治及經濟危險。

至於有人將呢番話解讀成Altman直接批評Anthropic，現有材料並不足以支持呢個結論。將Anthropic較重視安全、集中管理嘅模式形容為「反人類」，屬於分析者嘅推論，唔係已獲證實嘅直接指控。較穩妥嘅理解係：前沿AI確實存在安全控制同權力集中之間嘅取捨，而唔係證明某一間公司嘅安全策略本身反人類。

NVIDIA斥資Poolside，反映嘅係長期部署準備

NVIDIA據報同AI初創公司Poolside達成交易，斥資60億美元授權其技術，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。1

「開放權重」模型，簡單講係模型參數可以由部署者下載、調整或自行運行，通常比完全封閉式服務更容易客製化，亦可能降低部分營運成本。5

呢宗交易顯示，AI競賽已經唔再只係鬥邊間公司可以訓練出最強模型。硬件公司同模型開發商亦要爭奪軟件工具、模型開發流程、工程人才，以及可以畀更多企業自行調校嘅開放權重方案。5

因此，Poolside交易更似係為較長嘅部署周期作準備，而唔係NVIDIA預期AI需求即將崩潰。企業可能預計AI會逐步滲透唔同應用及組織，而唔係一個模型推出之後，經濟即刻重新洗牌。

大局：AI未退潮，只係由爆發轉向擴散

將Altman修正AI時間表、地方居民反對數據中心，以及NVIDIA投資Poolside放埋一齊睇，AI轉型比最初熱潮所講嘅更加複雜。

AI研發仍然加速，但大規模採用正受到幾方面限制：

• 建立可靠、真正有用嘅AI應用並唔容易；
• 企業要花時間改變工作流程及組織架構；
• 運算、電力、用水及輸電容量有限；
• 牌照審批及地方政治阻力增加；
• 社會對安全、責任及權力集中仍然有疑慮。

最合理嘅結論，唔係話主要AI公司已經一致同意刻意放慢發展。現有證據反而顯示一個更細緻嘅情況：企業仍然大手投資，同時亦逐漸承認，AI要改變經濟，必須經過一個較慢、較耗資、亦更具政治爭議嘅擴散過程。

GPT-4可能代表一次重要嘅模型能力躍升，但模型能力本身，從來唔等於企業會即時採用，更唔等於整個經濟會即刻改頭換面。