Sam Altman 重新估算 AI 時程：真正瓶頸不在能力，而在採用

Sam Altman 重新思考的，並不是 AI 最終是否重要，而是它究竟要多久才能真正改變世界。

GPT-4 於 2023 年發布後，他原本預期軟體企業與整體經濟會很快出現劇烈變化。如今，他似乎更重視另一個現實：把模型能力轉化為可靠的應用，需要經過產品開發、企業流程整合、組織改造、實體基礎設施建設，以及社會與公眾的信任累積。36

這項區分相當關鍵。一個模型即使在技術上令人驚艷，也不代表它會立刻取代既有產品、重組公司，或馬上改寫整體經濟。

AI 的短期瓶頸：不是訓練，而是部署

目前逐漸浮現的判斷是，短期內的限制不只是能否訓練出更強大的基礎模型。企業還必須打造真正有用的應用，把它們嵌入既有工作流程，重新設計組織運作，並說服客戶與員工放心依賴這些系統。

這也解釋了為什麼 GPT-4 問世後，經濟並未如部分預測般立即出現斷裂式變化。AI 技術可能仍在快速進步，但採用往往要循著更緩慢的制度、商業與組織渠道推進。

Altman 最近對 AI 經濟學的觀察，也同時指向加速與阻力兩面。他曾表示，模型的智慧程度會隨訓練與運行所投入的資源增加；另一方面，達到同等 AI 能力的使用成本，會隨時間大幅下降，而更低的價格可能帶來更廣泛的使用。40

然而，成本下降並不能自動消除採購流程、法規、信任、資料治理，以及改變人們工作方式的難度。換句話說，便宜又強大的模型，仍需要有人願意把它放進真實世界。

為什麼 Altman 談到要為 AI 發展「調速」

7 月，Altman 表示，業界可能需要為 AI 發展「調速」，讓社會有時間「圍繞」新的能力水準建立防護與適應機制。他同時強調，任何類似做法都必須避免監管俘虜，也不能演變成前沿 AI 實驗室之間的合謀。37

這不等於主張永久停止 AI 發展，而是承認技術進步與社會適應可能採用不同的時鐘。包括領先 AI 公司員工在內，逾 1,000 名工作者也曾聯署公開信，呼籲加強監管，並為建立安全措施與監督制度爭取時間。38

實際結果可能是一個更具爭議、也更不均衡的擴散週期：能力強大的 AI 系統可能先一步出現，但政府、企業、學校與社群，未必已經對使用方式形成共識。

「反人類」警告背後的兩種風險

Altman 一再主張，AI 的力量不能過度集中，未來也應由人類及其制度共同掌握。44在這個脈絡下，兩種結果尤其不可接受：

1. AI 強大到人類無法再對其進行有意義的控制。
2. AI 的能力與決策權集中在少數公司或政府手中。

第一種風險關乎失去控制；第二種則是控制權仍然存在，卻落在極少數擁有不成比例經濟與政治影響力的參與者手上。兩者會把政策拉向不同方向：安全措施可能降低濫用風險，但過度集中存取權與封閉式系統，也可能進一步鞏固權力集中。

這是在批評 Anthropic 嗎？

把這番話解讀為針對 Anthropic，應被視為一種分析，而不是已獲證實的直接攻擊。現有資料沒有顯示 Altman 明確點名 Anthropic，或稱其以安全為先、較集中控制的策略「反人類」。

不過，這確實反映出一項政策取捨。嚴格控管前沿模型，可能讓監測與安全執法更容易；但同時，也可能讓更多權力留在少數實驗室手中。相對地，開放權重模型能擴大使用與客製化空間，卻會帶來濫用與問責方面的新挑戰。

目前證據支持我們討論這項取捨，而不是宣稱 Anthropic 就是目標，或其理念本身必然有害。

資料中心阻力，揭示 AI 普及的實體瓶頸

AI 的普及不只需要軟體，還需要資料中心、電力、輸電容量、水、土地、許可，以及地方社群的政治同意。

這場基礎設施擴張已經遇到阻力。有關 Gallup 民調的報導指出，71% 的美國成年人反對在自己所在的地區興建 AI 資料中心；另有報導稱，超過十個資料中心計畫因地方反對而遭到阻擋或延宕。18其他報導則提到，民眾擔心電力與用水、環境影響，以及地方政府給予開發商的稅務安排。20

Altman 也承認，居民不希望資料中心蓋在住家附近是可以理解的，並提出偏遠沙漠地區或許更適合興建這類設施。23這項建議反而凸顯核心問題：擴張 AI 同時也是土地使用與基礎設施問題，不只是爭取更多 GPU 的科技競賽。

同樣的矛盾也出現在 OpenAI 支持大型基礎設施計畫一事上。在密西根州一處資料中心工地，Altman 將外界報導規模達 160 億美元的計畫形容為對 AI 未來的重大押注；但地方居民關注的焦點，則包括水與電力等資源。2130

AI 業界的期待仍然十分龐大，但要把這些期待轉化為實際運算能力，前提是地方社群願意承擔相關的實體成本。

NVIDIA 斥資 70 億美元布局 Poolside：不是撤退，而是在備戰

NVIDIA 傳出的 Poolside 交易，說明「採用時程變慢」不應被誤解為對 AI 失去信心。據報導，NVIDIA 同意支付 60 億美元取得 Poolside 技術授權，並另外投資 10 億美元；超過 100 名 Poolside 員工預計加入 NVIDIA，參與 Nemotron 開放權重模型家族的開發。15

這項交易顯示，NVIDIA 正從硬體進一步跨入模型開發工具與開放權重軟體。根據相關報導，開放權重模型通常更容易客製化，部分情況下也可能比封閉式替代方案擁有較低的運行成本。5

如果企業需要能配合自有基礎設施調整的模型，開放權重系統可能會成為企業採用 AI 的重要一環。這與更漫長、競爭更激烈的部署週期相吻合。

但這筆交易本身仍是對 AI 能力的積極投資，並不能證明 NVIDIA 預期 AI 需求會崩跌。15更合理的解讀是：即使普及速度比早期預測慢，NVIDIA 仍在為長期且更廣泛的 AI 部署提前布局。

更完整的結論：AI 普及可能漸進、昂貴，而且充滿爭議

綜合這些發展，AI 的時程需要更細緻的理解：

• 模型能力的進步，可能快過企業採用的速度。36
• 應用與組織重整，決定模型能力能否轉化為經濟影響。36
• 基礎設施擴張會受到電力、用水、許可與社群接受度限制。182023
• 安全與治理需要時間，讓制度跟上技術變化。3738
• 業界仍在積極投資新模型與開放權重替代方案。15

因此，最有力的結論不是 AI 對經濟的影響有限，也不是整個產業已經達成刻意放慢發展的共識。現有證據更接近另一種圖像：AI 的普及將更緩慢、不均衡、資本密集且充滿社會爭議。

AI 仍可能重塑經濟，但這條路不會只靠模型能力一路衝刺。它還必須經過應用開發、基礎設施建設、法規治理、組織適應，以及公眾對其正當性的認可；這些因素，才是後 GPT-4 時代真正的速度限制。