中研院院士斷言「AI泡沫已經形成」！投資熱潮歷史重演，晶片產能過剩是遲早的事

AI發展令人耳目一新，隨著科技巨頭紛紛砸下重金投入軍備競賽，對於AI泡沫的質疑聲浪甚囂塵上。中央研究院院士、新加坡國立大學榮譽退休教授段錦泉直言，AI泡沫已經形成，過熱的資本支出終究無法達到投資者對於報酬的期待，「歷史上發生太多次了，AI不是第一次，大概也不會是最後一次。」

政大企業永續管理研究中心日前舉辦「AI驅動永續｜解鎖ESG的未來價值創新發表會」，邀請金融工程和風險管理權威，同時也是Criat（深信數科）、ADBIZA（優算智科）聯合創始人及董事長段錦泉發表專題演講，深入解析AI本質與當前業界的實際應用狀況。

訂閱風傳媒VIP會員，享有零廣告閱讀介面

透過<Google新聞>追蹤風傳媒

可詮釋性依賴主觀認定　並非客觀科學問題

段錦泉認為，ChatGPT這類GenAI透過超大型神經網路模型，具備令人驚豔的處理語言、圖像能力，但就算「黑盒子」產生出來可詮釋的結果，背後仍是不可詮釋的模型，「這在管理使用上已經撞牆了」，因為可詮釋性依賴主觀認定，並非客觀科學問題。

他指出，黑盒子可以是高品質，雖然在許多場景仍有用處，但以管理決策而言，這些挑戰極難克服，不只需要說服力，也必須合規，對於金融、醫療業而言，模型本身必須是可詮釋的。

業界集體焦慮　為何卻難以大規模導入AI？

麥肯錫今年曾對國際信貸組合經理協會（IACPM）會員銀行和保險公司進行一項調查，將金融機構在AI上做的探索和實際應用情形分為「業務簡化」、「內容生成」及「顧客契合」三類，這些都不是真正的管理決策工作，而根據調查結果顯示，除了業務簡化之外，幾乎沒有進入作業程序的案例，其他兩者也僅限於早期開發階段。

段錦泉分析，業界目前普遍處於集體焦慮，擔心會被淘汰或市場被搶走，因此幾乎所有產業都會投入AI，但礙於技術能力限制、商業模式不可持續，以及缺乏實際應用效果等因素，現階段仍難大規模導入，尤其AI提供的答案可能聽起來頭頭是道，卻不見得是正確答案，對於涉及作業流程或管理決策的重要結果，一旦錯誤發生，後果非常嚴重。

此外，AI模型設計未必適合處理企業管理所需的核心數據，例如管理決策通常面對的是會計、成本報表等「表列資料」，這和通用AI擅長處理的文字、圖像等非結構性資料截然不同；即使AI能夠完成任務，高昂的運算成本和能源消耗也是大材小用。

AI變成資本密集產業　人們真的願意長期買單？

段錦泉提到，AI知識是公共財，但AI工具都是由自然人或法人擁有和控制的私有財。AI本應是高度知識密集的產業，實際上卻已經變成資本密集的產業，現今若要從事相關投資，甚至超過建立一座汽車工廠所需的資本。

砸了這麼多錢，企業到底該怎麼賺回來？段錦泉提出個大哉問：「人們是否願意長期、經常性地付費使用AI產品與服務？」（相關報導： AI驅動永續！政大推出獨步全球的創新ESG解決方案，已經助攻超過百家企業轉型｜更多文章）

他表示，企業為了搶佔市場，現在許多AI工具都是「補貼」使用者，未來能否順利回收還很難說，甚至就連賺取暴利的輝達，如果未來出現能耗更低、效率更好的晶片，或是在科技上有所突破，不再需要那麼多的算力，市場給予的本益比也會隨之回落，「個人認為，GPU晶片產能過剩只是遲早的問題。」

​可詮釋性依賴主觀認定 並非客觀科學問題​

業界集體焦慮 為何卻難以大規模導入AI？

AI變成資本密集產業 人們真的願意長期買單？

集體瘋狂的投資熱潮 AI泡沫注定歷史重演？

可詮釋性依賴主觀認定　並非客觀科學問題

業界集體焦慮　為何卻難以大規模導入AI？

AI變成資本密集產業　人們真的願意長期買單？

集體瘋狂的投資熱潮　AI泡沫注定歷史重演？