中研院士謝長泰：AI狂熱還能持續多久？

開源模型的吸引力在於，任何人都可以免費使用。開源的AI模型，就像是AI應用領域的Android系統，它使得新興AI企業更容易開發針對性強的AI應用。

對於科技的終端使用者來說，開源模型也具有吸引力。例如，Doordash和Shopify等公司，直接使用開源AI模型來開發自己的應用程式，這就像蘋果使用ARM來設計Macbook的M1晶片一樣。

簡言之，即使ChatGPT等服務不再賠錢，但因為進入門檻不高，恐怕會成為低毛利的服務。張忠謀曾表示：「當客戶賺錢時，台積電才會繁榮。」如果AI服務商利潤極低，他們能負擔得起台積電和鴻海的硬體設備嗎？

樂觀的情境是，透過商品化的過程降低成本並提高品質，從而使AI科技的付費客戶數量大幅增加。

例如過去歷史上，1980和1990年代的個人電腦產業。當時，個人電腦的生產變成了一種商品（還記得王安電腦和康柏電腦嗎），最終沒有一家電腦製造商賺到錢。然而，電腦價格下降使得市場大幅擴張，進而增加了零組件製造商和軟體開發商改良產品的動機。

那麼，誰是電腦商品化過程中獲益最多的呢？不是利潤率極低的電腦製造商，而是英特爾和微軟——隨著電腦變得更便宜、更好，他們在這個快速擴張的市場中賺取了豐厚利潤。

這是否代表AI對台灣的潛力？台積電和鴻海等企業能否在一個不斷擴大的市場賺取豐厚的利潤，而產業內其他人僅獲得微薄利潤？

不樂觀的兩個原因

要實現這種樂觀的情境，AI科技必須像電腦一樣，變得更好、更便宜。然而有兩個原因表明，電腦產業的歷史可能不適用於AI。

首先，AI技術進步的速度已經顯著放緩。AI模型的進步，來自於灌入更多的數據資料。但大多數AI模型已經從網路這樣容易獲取數據的來源進行訓練。若要更進一步，就不得不依賴新的數據來源，但獲取這些數據（例如私人醫療紀錄）並不容易。

其次，AI模型的運算成本極高。我們都知道，訓練AI模型的成本很高，但要運算已經訓練好的模型，成本恐怕更高。

問題在於每次向AI提問時，它都需要「思考」。AI模型用來回答單一問題的資源，遠高於Google搜尋用的資源。AI模型的成本結構更像餐廳，隨著客戶數量增加，成本也會增加，而不像軟體，新增使用者成本幾乎為零。

換句話說，與傳統的搜尋或軟體相比，AI服務的規模可能更難擴大。AI模型恐怕不會隨著規模擴大，而改善品質、降低成本。

這兩股力量將限制科技的應用，最終也會限制台積電和鴻海的市場規模。

顯然，只要AI硬體的市場需求存在，台灣企業就應該抓住機會。但同時，企業也必須警覺，市場可能隨時改變——尤其當投資者不願再大幅注資到一個無底洞時；企業也要避免做出長期承諾，否則一旦風向轉變，恐將陷入困境。