夏一新觀點：AI 盛世背後，是下一波科技泡沫的前奏嗎？

人工智慧在過去兩年間以驚人的速度席卷全球，ChatGPT、Gemini、Claude 與 DeepSeek 的崛起，使 LLM（大型語言模型）成為各國政府、跨國企業與資本市場的共同焦點。各界普遍相信 AI 正在重塑世界，但《路透社》的分析提醒，大型模型所需的算力、資料中心與雲端服務正迅速推高成本，並使整個產業的基礎更加脆弱。當外界沉浸於 AI 盛世的光芒時，支持這場盛宴的底層結構其實已出現多處裂縫。

Meta 推出的開源模型 LLaMA，更讓這些裂縫被清晰凸顯。透過量化與壓縮，LLaMA 讓 AI 不必依賴昂貴的雲端，就能在筆電與手機上運行，《The Guardian》更稱其為「AI 去中心化的里程碑」。這意味著技術路線正在分歧，一端是持續投入巨額成本的雲端巨頭，另一端則是以更輕量、更低成本推動的端側模型。看似百花齊放，其實彼此之間已形成結構性張力，預示 AI 生態不會再走單一路線。

然而，比技術分歧更急迫的，是能源問題正逼近整個產業。大型模型推理與訓練的耗電量已遠超一般資料中心負荷，《BBC》指出，美國多州政府開始討論是否必須限制 AI 用電，以避免排擠民生能源；《彭博社》則預估，全球 AI 耗能可能在五年內翻倍，相當於增加一個中型國家的用電量。這代表 AI 的瓶頸不只在 GPU，而是地球本身的能源邊界。

更根本的問題在於，LLM 的能力仍停留在統計預測，而非真正理解。Meta 前首席科學家 Yann LeCun 便指出，再大的模型也無法越過這一層限制。模型規模雖然擴張，邊際效益卻迅速下降，算力軍備逐漸從競爭優勢變成財務負擔。當企業投入昂貴 GPU 卻難以換得相稱商業回報時，泡沫疑慮便會升高。

中國 DeepSeek 的崛起，更讓這種焦慮具體化。《Nikkei Asia》指出，DeepSeek 透過演算法與軟體最佳化，在低成本下達到接近頂尖模型的效果。這顛覆了長期依賴硬體堆疊的敘事，也讓產業開始重新思考，成本效率是否才是下一階段的競爭核心。

Google 最近被《The Information》披露，正與聯發科合作開發下一代 TPU，藉由聯發科與台積電的製程優勢、較低報價與供應鏈多元化能力，降低過去依賴博通所帶來的高成本壓力。這個轉向並非單純擴大合作夥伴，而是顯示連 Google 都開始調整 AI 基礎架構，以避免被昂貴的 GPU 與資料中心成本綁死。當科技巨頭必須透過重新配置供應鏈來降低風險時，正代表 AI 盛世背後的資本與成本失衡已逼近臨界點，也成為判斷 AI 泡沫化風險的重要線索之一。

這股挑戰延伸到端側 AI 的逆襲。量化後的 LLaMA 已能在高通 Snapdragon 晶片上推理，《路透社》分析，這不只降低延遲，也讓企業不再需要依賴昂貴的雲端費用，使個人重新掌握 AI 運算主導權。

與此同時，LeCun 推動的 AMI（自主機器智慧）希望 AI 具備世界模型與因果推理能力。《The Verge》形容這是長線革命，但也伴隨巨額成本與時間壓力。

《彭博社》指出，Google 正擴大 TPU 與資料中心，OpenAI 則押注「AI 訓練 AI」，希望突破算力瓶頸。然而這兩條路線都高度燒錢，稍有誤判便可能引爆整體風險。

2000年的網路泡沫不是技術失敗，而是商業模式撐不起估值。如今 AI 涉及的能源、地緣政治與資本規模遠超當年，任何誤判都可能掀起更深的震盪。AI 的發展正踩在繁榮與泡沫之間的細線上。真正稀缺的不是 GPU，而是洞察、節制與判斷。

＊作者為加拿大英屬哥倫比亞大學哲學博士、教育部部定副教授、精神科醫師。
（相關報導： 韋安觀點：安世半導體歸還中方─中美7年科技戰停火了嗎？ ｜ 更多文章 ）