本集訪談涵蓋近期AI領域的關鍵動態：從GPT‑5與模型能力提升、前沿模型下放到消費端硬體、機器人與BCI進展，到企業競賽、人才戰、以及AI落地的挑戰與機會。
GPT‑5 與能力躍升
GPT‑5 Pro 在各種基準（例如IQ測驗）顯示明顯進步，能在數學、物理與優化問題上做出新貢獻（包含改進證明或提出新方法）。討論者認為現有以「平均人類分佈」為基準的評測已飽和，需要更艱深、專家級的 benchmark。
在地化推理與邊緣運算趨勢
高階模型即將能在消費級GPU（例如高階遊戲卡）或手機上執行，帶來低延遲、隱私保護與實體世界互動（如人形機器人）等新體驗。短期重點是延遲與私密性；長期則可能出現「小核心模型 + 外部知識庫」的設計，將大量推理下放到邊緣裝置。
模型蒸餾與數據/訓練效率的突破
新的「資料高效蒸餾」方法能用極少訓練資源得到接近或等同能力（可能以1%數據/訓練量達到先前水準），此類「overhangs」意味著小公司或垂直化初創能以更低成本打造專用foundation model。
預測與回溯 — 未來與過去的AI
AI在預測複雜系統（如金融、市場走勢）上的能力吸引注意，但一旦預測被廣泛應用即會被市場定價。另一個被提出的有趣方向是「retrodiction（高解析度重建過去）」，能夠補齊歷史資料的不完整性，甚至創造更客觀的歷史記錄。
企業、國家與市場：落地與爭奪戰
- OpenAI 等公司積極在全球（印度、英國等）鋪設服務，並投入大型資料中心（以電力容量為衡量）。
- 大廠間展開高薪搶才、併購或吸才收割（aqua‑hire）戰，造成「殭屍創業公司」與投資生態新挑戰。
- Perplexity提出收購Chrome的天價報價（具有策略與監管角力意涵），Google、Meta、Microsoft、X（Elon）等各有不同戰術與分工。
AI 落地的痛點：MIT報告與企業採用
MIT研究指出多數（約95%）AI試點未達顯著財務回報，原因包括：企業缺乏落地策略、文化阻力、錯誤使用敏感資料，以及嘗試在舊有流程硬套AI。對比之下，原生AI初創更容易把AI作為核心重構業務，成功機率顯著較高。建議：在大公司內打造獨立的「邊緣／skunkworks」AI組織、重啟企業投資/合作（CVC），並以小規模用例快速驗證。
醫療與生物科學的AI加速
多個模型在醫學考試、診斷與蛋白質設計上展現強力能力：例如某模型在美國醫師執照考試上接近或達到高分，另有模型提出改良Yamanaka因子的思路、在細胞重編程與蛋白質設計產生實驗上可用的候選。討論者認為AI在重新分析過去大量實驗資料上，能帶來加速醫療與長壽研究的「逃逸速度」。
腦機介面（BCI）與合併（merge）構想
多家新創（包含討論中的Merge Labs）正以不同技術路徑（如基因調控、超聲、植入/非植入讀寫）追求高頻寬BCI。若能快速實現，BCI可將人類與AI的耦合提升，影響工作、認知與經濟結構；時間窗若足夠短，則可能避免人機脫鉤。
機器人發展：競賽、應用與基準化
中國及其他地區出現人形機器人大賽、場景測試（舞蹈、足球、障礙賽等），並且多家機器人公司開始建構自有「物理世界AI」或控制模型（Helix、Figure 等）。雖然目前速度/效能仍與人類有差距，但快速迭代、比賽與真實場景試驗加速進展。
消費端與晶片戰略
- Google推出可在Phone上極低耗電運行的小模型（例如Gemma 3），展現邊緣AI可行路徑。
- 各國/企業透過資本（如美國對Intel持股、Chips Act）與製造（Samsung 與其他廠商）強化國家/公司在晶片與資料中心的實力，AI競賽已擴展到供應鏈與能源（電力）層面。
社會、政策與倫理側面
討論觸及AI可能影響生育率（Elon提出「AI增加出生率」的看法引發爭議）、政府以AI輔助或代替行政決策（例如部分國家提議AI部會或以AI監督以減少貪腐），以及AI在監管、人才流動、併購與國際地緣政治的角色。
結論與機會要點
- 基準需升級：用更專家化、科學化的評測來衡量AI進步。
- 邊緣與延遲是決勝關鍵：許多實際應用依賴低延遲與私密性，推理下放趨勢不可逆。
- 蒸餾與資料設計將放大小型團隊的競爭力：1%資源達到過去水準的可能性，為垂直化初創帶來大量機會。
- 大型企業需建立獨立AI邊緣單位、恢復企業投資項目，並與初創建立實驗性合作路徑。
- 醫療、生物、製造與機器人是短中期最具破壞與回報的應用領域。
總體而言，訪談傳達出的共同觀點是：AI的進展速度遠超過既有節奏，既有架構需快速調整以免被淘汰；同時大量新機會正向創業者、擁有資料與願意改造流程的組織開放。
沒有留言:
張貼留言