生成式AI與人形機器人快速竄紅，帶動半導體與伺服器產業爆發式成長。今（18）日由《風傳媒》主辦的「菁英沙龍－AI驅動的智慧機器人」活動上，知識力科技執行長曲建仲提醒，這波技術狂潮背後暗藏3大隱憂：輝達晶片毛利過高下客戶開始反制、AI意識迷思誤導社會判斷、資金泡沫加劇恐釀下一波金融風暴。
曲建仲開場即直指輝達（NVIDIA）目前雖稱霸AI晶片市場，但過高的定價與暴利結構，已讓其雲端客戶興起「去輝達化」行動。
「一顆晶片賣到1百萬，毛利86%，你是Google或Amazon會怎麼做？當然是自己做晶片！」
他指出，不只特斯拉，包括微軟、Google、Amazon等CSP（雲端服務商，Cloud Service Provider）紛紛投入自研AI晶片，核心目的就是擺脫對輝達的高度依賴，這將在未來3至5年大幅改變整個AI供應鏈格局，也可能衝擊輝達目前的高估值與獲利預期。
AI人形機器人當紅 實際落地應用仍高度受限
對於AI人形機器人話題不斷升溫，曲建仲指出，短期內能實際落地的應用，仍將聚焦在「工廠自動化」與「長照輔助」兩大場域，「翻身、推輪椅、送飯，這些是可預測、可重複的場景，才是AI機器人短期會進入的領域。」
他直言，家庭環境高度變動、不確定因素過多，遠比一般人想像困難得多。真正能達到自由行動與語意理解的全能型人形機器人，至少還需5至10年研發與技術整合。
AI不是思考 而是機率演算法的集合體
在釐清AI原理時，曲建仲重申：人工神經網路本質是一種數學模型，不是「會思考的大腦」。圈圈代表訊號強度（A），箭頭代表權重（W），這些浮點數構成的，是一個計算輸出機率的數學系統。
「當你問AI問題，它回答的不是『理解』後的結果，而是它根據訓練數據算出哪句話的機率最高。」
他舉例，有記者曾報導ChatGPT表白「我愛你」，引發「AI是否有情感」的熱議，但這其實只是語言模型在語境下的高機率回應，並非任何真實情感或意識展現。
訓練與推論：AI兩大核心流程
AI的運作邏輯可拆解為兩大階段：訓練（training）與推論（inference）。訓練階段是將大量已知輸入與結果資料餵入模型，計算出最佳參數；推論階段則是在此模型下對新資料進行預測。
曲建仲說：「你想讓AI預測台積電股價，就得輸入歷年金價、美元、半導體產業數據，把這些轉為浮點數進模型做訓練。」他並補充，訓練過程不只是「給資料」，更牽涉到數千億參數的計算，極度仰賴高算力與優化演算法。
AI熱潮背後是資金泡沫堆疊 市場情緒恐與現實脫節
曲建仲指出，AI熱潮的背後，其實是近十年資金過剩所堆疊的結果。他提醒，現在不是技術太快，而是錢太多，「大家看到的是AI題材不斷衝高，但沒看到實際現金流是否匹配估值。」
他認為，當科技股與加密貨幣、AI初創公司全數高估時，市場情緒與基本面之間的落差只會越拉越大，一旦資金退潮，資產價格將出現系統性修正。
全球資金氾濫未歇 下一場金融海嘯恐比2018年更劇烈
演講尾聲，曲建仲語氣轉趨嚴肅，強調全球央行的量化寬鬆政策已讓市場高度扭曲。他說：「全世界印太多鈔票，錢沒進到實體經濟，而是推高股市、科技股、AI與幣圈估值，這是典型泡沫前兆。」 （相關報導： 台積電法說》獲利近4000億創高，全年營收上修30%！魏哲家曝這製程將成AI金雞母 ｜ 更多文章 ）
曲建仲示警，下一場金融海嘯一定會來，且破壞力絕對超越2018年，「問題不在技術，而在資金，當錢收回來、利率上升，泡沫會比任何一次崩得更快。」
