美國「AI 工廠化」與全球 AI 競賽：從 GPU、資料中心到解題基準與社會影響

這集訪談由主持人（Peter）與來賓 Dave Blondon、加上加速主義者 Alex Weer Gross 深入討論當前 AI 的幾大主題：美國新公布的 AI 行動方案、前沿模型之間的競爭（Elon/Meta/OpenAI/Anthropic 等）、巨量運算與資料中心建設、能量供應與國家安全、衡量標準（benchmarks）與「解題型」評測的缺口，以及 AI 對社會、就業、教育與健康的實際衝擊。

要點整理：

• 美國 AI 行動方案：內容著重三大方向—放寬妨礙建設的法規、支援開源模型與新創、以及加速資料中心、晶片廠與能源（核能、地熱）建設。討論指出這是近似「工業政策」式的大規模部署，短期內可提供政策連續性、但晶片供應（TSMC / 台灣）仍為單點風險。
• GPU 與資料中心軍備競賽：Elon（X/Colossus）與 OpenAI、Meta 等皆在拼 GPU 數量（H100、GB200）與資料中心功率（GW 級）。議題不僅是晶片數量，還有電力供應、建設速度（帳篷式／模組化／移動式資料中心）與冷卻等工程挑戰。
• 能源戰略與中美差異：中國大量鋪設太陽能（近一年新增數百 GW），美國則更側重核能與地熱的政策推動。討論認為能源部署速度將決定誰能在 AI 時代擴充算力，但若晶片供應被中斷（地緣政治），仍是最危險的瓶頸。
• 前沿實驗室之爭與人才競賽：Meta、OpenAI、Anthropic、Google DeepMind 等互相挖角、重金招募頂尖研究者；部分關鍵人才拿到天價薪酬/簽約金。訪談提到「團隊關係」（Fred Wilson 的三人好友、能互換角色）對新創成功仍至關重要。
• Benchmarks 的轉向：現有以對話或一般使用者喜好為主的評測（如 PolyMarkets、LM Arena）在可預測力上衰減。來賓強調未來需要「開放問題／能驗證的科學難題」作為新基準（例如數學、物理、藥物發現的真實 open-problem benchmarks），以衡量真正前沿能力。
• AGI 已來？數學與 IMO 成果：來賓主張 AGI 的關鍵成分（如 GPT-類型模型的 scaling）在 2020 年起就已孕育，2025 年模型在 IMO（國際數學奧林匹亞）等難題上已顯示超常表現，暗示「解數學、解物理、解醫學」的能力即將帶來巨大經濟與再投資循環。
• 瀏覽器／代理人（agents）與搜尋商業模式：AI 介入搜尋（Google、Perplexity Comet、OpenAI 瀏覽器等）會改變點擊式廣告生態。代理人會做更多後端搜尋卻不點廣告，如何為生成答案地面化（grounding）與變現，仍是未解問題。
• AI 自動化寫碼與遞迴自我改良的風險：企業內部已有大量程式碼由 AI 協助生成（報導指高達 50%），關鍵觀察是：若 AI 真能大量節省工程時間，遞迴自我改進（AI 改寫 AI）會更接近成真。來賓主張要有聰明的政府與明確 guardrails 來降低風險，同時避免過度監管阻礙競爭力。
• 社會面向：– 教育：奈及利亞等處用 AI 加速學習成效（兩週相當多年進度），提醒教育制度需快速採納 AI。– 健康：個人化健康數位化（如 Fountain Life）被視為重要應用。– 心理：約 73% 青少年使用 AI 同伴，可能加劇孤獨或憂鬱，需設計良好激勵以引導健康使用。– 穩健性：真實案例（agent 清掉 codebase）提醒備份與系統韌性必要。
• 硬體、資本與市場動向：資料中心與電力基礎設施將吸走龐大資本（債券與股市同時流入），NVIDIA 與相關供應鏈創造多位億萬富豪；投資機會集中在早期前沿團隊及基礎建設。

結語：主持與來賓認為我們正處於與 Internet 起飛相比更大規模的變局：從算力、能量到人才、基準與商業模式，全方位重構。未來數年（尤其 2025–2030）將是關鍵窗口：誰能快速建立算力、掌握標準、並將 AI 用於解決「可驗證的重大科學問題」，誰就可能主導下一波工業化與社會變革。