忙著趕上AI炒作列車？《華爾街日報》逆風警告：小心AI泡沫

本週在南港展覽館登場的COMPUTEX TAIPEI（台北國際電腦展）聚焦人工智慧（AI），黃仁勳、蘇姿丰、季辛格等科技巨頭也來台說明人類走入AI世代的美好願景與龐大商機。不過《華爾街日報》1日卻逆風警告「小心AI泡沫」，因為「人工智慧已被過度誇大」（AI Has Been Massively Overhyped），AI的創新步伐正在放緩、應用有限，最重要的是，AI的運作成本依舊高得離譜。

來台參加COMPUTEX的輝達（Nvidia）執行長黃仁勳親自感謝台灣供應鏈與合作夥伴，並且描繪AI產業的美好未來；英特爾（Intal）執行長季辛格（Pat Gelsinger）更強調「AI就像25年前興起的網際網路，未來每個裝置都會變成AI裝置，每間公司都會變成AI公司」；沒來台灣的馬斯克（Elon Musk）日前則宣告「人工智慧明年就會達到人類水準」。當全台灣都浸淫在人工智慧的超級利多時，《華爾街日報》卻提出警告：無論是對於AI的功能還是投資回報，人們可能很快就會大失所望。

確實，各種日新月異的AI模型不斷湧現，矽谷乃至全世界的大型科技公司也都在持續採購AI晶片、猛力發展AI，這讓人感覺AI炒作列車才剛剛發車。然而《華爾街日報》指出，AI的改進速度正在放緩，能夠應用之處似乎不如預期，甚至對大多數人的實際工作方式短期內也看不出顯著影響。最重要的是，構建和運行AI的成本非常高，如果AI模型不能實現商品化、找到商業模式實際獲利，沒人知道這場AI盛宴還能狂歡多久。

《華爾街日報》指出，種種跡象顯示，似乎受到過度投入的AI，目前的情況與上世紀90年代末的光纖熱潮頗為類似，而那次熱潮一定程度導致了第一次網路泡沫崩盤。以ChatGPT為首的各種大型語言模型（LLM）確實讓人刮目相看，問題是各家企業基本上已經使用整個網路的資料來訓練AI了，這讓利用消化大量文本來取得進步的AI模型遭遇瓶頸。雖然工程師們轉向利用其他AI生成的數據來訓練，但認知科學家馬庫斯（Gary Marcus）認為，這種「合成數據」不會創造更好的自動駕駛技術，對大型語言模型的效果恐怕也好不到哪去。馬庫斯表示，ChatGPT這類AI在最近14個月進展有限，遠遠不如早期的發展迅速，連Meta和Mistral的免費開源模型也正在迎頭趕上。

如果一項技術已經邁入成熟時期，那麼追求更好的效率、更低的成本就是獲勝關鍵，比方說電動車就是這樣。數據和AI隱私公司Skyflow的執行長Anshu Sharma就對《華爾街日報》表示，他並不看好OpenAI和Anthropic等AI新創公司的發展前景，因為發展AI需要龐大資金，即便微軟和Google挾龐大用戶可以支應，但血不夠厚的AI新創公司恐怕撐不住，像Inflection AI的聯合創始人就帶著員工跳槽微軟，Stability AI的執行長也突然離職，許多其他AI新創公司也都在洽談出售事宜。 （相關報導： 風評：黃仁勳踩北京紅線，底氣何在？ ｜ 更多文章 ）

AI新創公司確實都跑得很快，但他們卻找不到能夠獲利的商業模式。據矽谷創投公司紅杉資本（Sequoia）估算， 這個行業去年花了500億美元購買輝達晶片訓練AI，僅帶來30億美元收入。《華爾街日報》指出，生成式AI的訓練成本已經叫人瞠目結舌，但其運行成本還要高出更多，畢竟一個訓練好的AI每次接收問題依舊要重新運算答案，其所使用的資源比一次傳統搜尋（比方說google）要高得多。就連Google在搜尋時提供AI生成的結果摘要，都被分析家警告「這麼做將侵蝕公司的利潤」。

即便是AI公司開始收取月費，但OpenAI去年20億美元的營收，也根本不足以支撐近900億美元估值所需的收入。畢竟訓練和運行這些AI必須持續投入數以十億計美元的龐大資本，但OpenAI預估2025年的營收或許可以上看40億美元，這恐怕還是做不到損益兩平。況且對許多人來說免費版AI或許已經足夠，願意付費的人相對有限—根據微軟、Ramp和領英（LinkedIn）最近的調查，四分之三的白領勞動者在工作中使用AI，但只有三分之一的企業願意為AI工具付費。OpenAI的GPT4o發表後讓OpenAI的訂單激增22%，但《華爾街日報》也說「不清楚其中有多少用戶會持續付費使用」。 （相關報導： 風評：黃仁勳踩北京紅線，底氣何在？ ｜ 更多文章 ）

賓州大學華頓商學院管理學教授Peter Cappelli對《華爾街日報》指出，AI提高生產率的本事不如眾人吹捧的那麼棒，更無法真正取代人類，這意味著AI不太可能幫助公司節省成本。何況包括AI幻覺（回答時編造虛假資訊）、使用AI需要大量時間培訓員工（AI工具又日新月異），雖然《華爾街日報》並不否認AI未來將走進各行各業的可能性，但研發AI的各大巨頭與新創公司投入驚人資本似乎都建立在這樣的預設上—「AI進展如此之快，並且迅速獲得採用，因此對我們生活與經濟的影響才會晦澀難解」。問題是，越來越多的證據說明，真正的事實並非如此。