OpenAI執行長Sam Altman似乎正在修正的，是人工智慧（AI）改變世界的時間表，而不是AI的重要性。

在2026年8月23日發布的一段訪談中，他據報表示，GPT-4於2023年問世後，原本以為軟體企業與整體經濟會很快受到更大程度的衝擊。實際情況卻是，從模型能力提升到企業普遍改變營運方式，中間仍隔著一段不短的距離。36

這段經驗帶來的核心教訓是：一個能力強大的模型只是起點。要把模型能力轉化為整體經濟的變化，還需要可靠的應用程式、企業流程重整、算力與能源基礎設施、監管制度，以及社會與地方社群的接受。這些環節，都比GPT-4發布後的樂觀預期更加緩慢，也更具爭議。

Altman重新評估了什麼？

Altman所承認的錯估，重點在於區分技術進步與經濟採用。當GPT-4展現出新一階段的能力時，他預期企業和軟體市場會迅速改變；但模型在測試或示範中的表現，並不會自動轉化為廣泛的商業顛覆。36

這並不代表AI已失去經濟價值，而是說，訓練更強的基礎模型，不會立即改變企業的日常運作。公司仍須面對一連串實務問題：如何把AI接入既有系統、如何重新設計工作流程、如何培訓員工、如何監督輸出，以及如何判斷投入成本是否值得。

因此，眼前的瓶頸可能較少在於模型能否繼續進步，而更多在於組織能否有效部署AI。Altman後來對AI快速進展與使用成本下降的觀察，仍然相當積極，顯示「顛覆速度較慢」不應被誤解為「AI雄心減弱」。40

為什麼模型能力會跑在採用速度前面？

從模型示範到真實世界部署，中間的落差相當大。企業可能需要重新安排工作流程、建立人工覆核機制、管理資料、處理資安風險，並釐清當AI犯錯時，究竟由誰負責。

基礎設施也是限制之一。AI系統需要大量算力，而數據中心的興建則會牽涉用電、用水、電網容量、土地使用與地方經濟等問題。據《紐約時報》引述的蓋洛普調查，美國有71%的成年人反對在自己所在區域興建AI數據中心；同一報導表示，已有十多個相關計畫因地方反對而遭到阻擋或延遲。18

Altman曾表示，他理解居民不希望數據中心蓋在自家附近的心理，並建議這類設施或許更適合設在偏遠沙漠地區。23這番說法恰好凸顯AI擴張的現實限制：即使企業取得晶片與電力，也不代表一定能拿到土地、輸電能力、施工許可與社區支持。

「放慢」AI發展，並不等於永久停止

Altman另曾表示，AI發展或許需要適度「調節速度」，讓社會有時間「圍繞新的能力水平建立足夠的防護與制度」。但他同時強調，任何類似做法都應避免監管俘獲，也不應演變成前沿AI實驗室之間的串通。37

這不是要求永久叫停AI，而是指出：技術部署的速度，可能需要與社會適應的速度更仔細地協調。模型能力可以快速提升，但負責監管的制度、使用AI的企業，以及需要承擔結果的公眾，通常不會以同樣速度改變。

他所說的兩種「反人類」風險

這場討論背後有兩種方向相反、卻同樣令人擔憂的失敗模式：

1. AI變得過於強大，以致人類與現有制度無法有效控制。
2. 先進AI的控制權集中在少數企業或政府手中。

第二種風險與Altman一貫主張的「AI應該民主化」相呼應。他曾警告，權力不能過度集中，未來的控制權應屬於所有人及其制度。44這兩種風險也會把政策推向不同方向：更嚴格的集中式管控或許能降低部分濫用，但如果存取權與決策權都落在極少數參與者手中，也可能帶來政治與經濟上的新危險。

目前資料並未證實Altman是在直接批評Anthropic，也沒有證據顯示他把Anthropic偏重安全、集中管理的做法描述為本質上「反人類」。因此，把這些言論解讀為針對Anthropic，仍屬於分析者的推論，而不是已確認的指控。較穩妥的結論是：前沿AI確實帶來一項真實取捨——安全控制可能降低風險，卻也可能讓先進能力與決策權更加集中。

NVIDIA押注Poolside，透露了什麼？

NVIDIA據報與AI新創公司Poolside達成的交易，說明AI採用速度較慢，並不代表投資熱潮正在退潮。NVIDIA據報將支付60億美元，取得Poolside技術的授權，並另外投資10億美元；超過100名Poolside員工預計加入NVIDIA，參與Nemotron開放權重模型系列的開發。1

這項交易顯示，AI競賽已不只是訓練更大的前沿模型。硬體公司與模型開發商也在爭取軟體系統、模型開發流程，以及可由企業自行調整和部署的開放權重模型。5

「開放權重」模型並不必然等同於完全開源，但通常能讓使用者取得模型權重，進一步依需求客製化或部署。這類模型的成本與使用彈性，也可能使其成為封閉式模型以外的另一條路。5

因此，這筆交易更適合被理解為對較長部署週期的準備，而不是NVIDIA預期AI需求即將崩潰的證據。企業可能正在為AI逐步滲透不同產業、應用與組織做準備，而不是假設單一次模型發布就能立刻重塑整個經濟。

更大的結論：AI不是退潮，而是在慢速擴散

把Altman修正後的時間表、地方社群對數據中心的反彈，以及NVIDIA對Poolside的投資放在一起看，AI轉型顯然比最初的市場炒作更加複雜。

AI模型的發展仍在加速，但採用速度受到多重因素限制：

• 建立可靠且具實際價值的應用並不容易；
• 企業需要投入大量時間改變工作流程與組織結構；
• 算力、電力、用水與輸電容量都有上限；
• 數據中心需要取得許可，也可能遭遇地方政治反對；
• 社會仍在爭論安全、責任歸屬與權力集中的問題。

最有力的結論，不是各大AI公司已經同意刻意放慢發展。現有證據呈現的是更細緻的情況：企業仍在大舉投資，同時也逐漸承認，經濟轉型需要透過應用落地、組織重整、能源與數據中心建設、監管，以及公眾信任，逐步而且充滿資本與政治成本地擴散。

GPT-4或許標誌著AI能力的一次重大躍升，但模型能力從來不等於立即普及。真正決定AI何時改變經濟的，可能不是下一個模型何時發布，而是社會何時準備好讓它進入日常運作。

OpenAI執行長Sam Altman似乎正在修正的，是人工智慧（AI）改變世界的時間表，而不是AI的重要性。

在2026年8月23日發布的一段訪談中，他據報表示，GPT-4於2023年問世後，原本以為軟體企業與整體經濟會很快受到更大程度的衝擊。實際情況卻是，從模型能力提升到企業普遍改變營運方式，中間仍隔著一段不短的距離。36

這段經驗帶來的核心教訓是：一個能力強大的模型只是起點。要把模型能力轉化為整體經濟的變化，還需要可靠的應用程式、企業流程重整、算力與能源基礎設施、監管制度，以及社會與地方社群的接受。這些環節，都比GPT-4發布後的樂觀預期更加緩慢，也更具爭議。

Altman重新評估了什麼？

Altman所承認的錯估，重點在於區分技術進步與經濟採用。當GPT-4展現出新一階段的能力時，他預期企業和軟體市場會迅速改變；但模型在測試或示範中的表現，並不會自動轉化為廣泛的商業顛覆。36

這並不代表AI已失去經濟價值，而是說，訓練更強的基礎模型，不會立即改變企業的日常運作。公司仍須面對一連串實務問題：如何把AI接入既有系統、如何重新設計工作流程、如何培訓員工、如何監督輸出，以及如何判斷投入成本是否值得。

因此，眼前的瓶頸可能較少在於模型能否繼續進步，而更多在於組織能否有效部署AI。Altman後來對AI快速進展與使用成本下降的觀察，仍然相當積極，顯示「顛覆速度較慢」不應被誤解為「AI雄心減弱」。40

為什麼模型能力會跑在採用速度前面？

從模型示範到真實世界部署，中間的落差相當大。企業可能需要重新安排工作流程、建立人工覆核機制、管理資料、處理資安風險，並釐清當AI犯錯時，究竟由誰負責。

基礎設施也是限制之一。AI系統需要大量算力，而數據中心的興建則會牽涉用電、用水、電網容量、土地使用與地方經濟等問題。據《紐約時報》引述的蓋洛普調查，美國有71%的成年人反對在自己所在區域興建AI數據中心；同一報導表示，已有十多個相關計畫因地方反對而遭到阻擋或延遲。18

Altman曾表示，他理解居民不希望數據中心蓋在自家附近的心理，並建議這類設施或許更適合設在偏遠沙漠地區。23這番說法恰好凸顯AI擴張的現實限制：即使企業取得晶片與電力，也不代表一定能拿到土地、輸電能力、施工許可與社區支持。

「放慢」AI發展，並不等於永久停止

Altman另曾表示，AI發展或許需要適度「調節速度」，讓社會有時間「圍繞新的能力水平建立足夠的防護與制度」。但他同時強調，任何類似做法都應避免監管俘獲，也不應演變成前沿AI實驗室之間的串通。37

這不是要求永久叫停AI，而是指出：技術部署的速度，可能需要與社會適應的速度更仔細地協調。模型能力可以快速提升，但負責監管的制度、使用AI的企業，以及需要承擔結果的公眾，通常不會以同樣速度改變。

他所說的兩種「反人類」風險

這場討論背後有兩種方向相反、卻同樣令人擔憂的失敗模式：

1. AI變得過於強大，以致人類與現有制度無法有效控制。
2. 先進AI的控制權集中在少數企業或政府手中。

第二種風險與Altman一貫主張的「AI應該民主化」相呼應。他曾警告，權力不能過度集中，未來的控制權應屬於所有人及其制度。44這兩種風險也會把政策推向不同方向：更嚴格的集中式管控或許能降低部分濫用，但如果存取權與決策權都落在極少數參與者手中，也可能帶來政治與經濟上的新危險。

目前資料並未證實Altman是在直接批評Anthropic，也沒有證據顯示他把Anthropic偏重安全、集中管理的做法描述為本質上「反人類」。因此，把這些言論解讀為針對Anthropic，仍屬於分析者的推論，而不是已確認的指控。較穩妥的結論是：前沿AI確實帶來一項真實取捨——安全控制可能降低風險，卻也可能讓先進能力與決策權更加集中。

NVIDIA押注Poolside，透露了什麼？

NVIDIA據報與AI新創公司Poolside達成的交易，說明AI採用速度較慢，並不代表投資熱潮正在退潮。NVIDIA據報將支付60億美元，取得Poolside技術的授權，並另外投資10億美元；超過100名Poolside員工預計加入NVIDIA，參與Nemotron開放權重模型系列的開發。1

這項交易顯示，AI競賽已不只是訓練更大的前沿模型。硬體公司與模型開發商也在爭取軟體系統、模型開發流程，以及可由企業自行調整和部署的開放權重模型。5

「開放權重」模型並不必然等同於完全開源，但通常能讓使用者取得模型權重，進一步依需求客製化或部署。這類模型的成本與使用彈性，也可能使其成為封閉式模型以外的另一條路。5

因此，這筆交易更適合被理解為對較長部署週期的準備，而不是NVIDIA預期AI需求即將崩潰的證據。企業可能正在為AI逐步滲透不同產業、應用與組織做準備，而不是假設單一次模型發布就能立刻重塑整個經濟。

更大的結論：AI不是退潮，而是在慢速擴散

把Altman修正後的時間表、地方社群對數據中心的反彈，以及NVIDIA對Poolside的投資放在一起看，AI轉型顯然比最初的市場炒作更加複雜。

AI模型的發展仍在加速，但採用速度受到多重因素限制：

• 建立可靠且具實際價值的應用並不容易；
• 企業需要投入大量時間改變工作流程與組織結構；
• 算力、電力、用水與輸電容量都有上限；
• 數據中心需要取得許可，也可能遭遇地方政治反對；
• 社會仍在爭論安全、責任歸屬與權力集中的問題。

最有力的結論，不是各大AI公司已經同意刻意放慢發展。現有證據呈現的是更細緻的情況：企業仍在大舉投資，同時也逐漸承認，經濟轉型需要透過應用落地、組織重整、能源與數據中心建設、監管，以及公眾信任，逐步而且充滿資本與政治成本地擴散。

GPT-4或許標誌著AI能力的一次重大躍升，但模型能力從來不等於立即普及。真正決定AI何時改變經濟的，可能不是下一個模型何時發布，而是社會何時準備好讓它進入日常運作。