近年最當紅的話題莫過於人工智慧，AI熱潮帶動股市狂漲，台股、美股大盤指數表現亮眼，輝達市值更在6月首次突破3兆美元，一度成為全球市值最大的上市公司。特斯拉執行長馬斯克甚至表示，明（2025）年可望見到相當於人類智慧水準的AI。
AI前景看似無可限量，然而《華爾街日報》指出，AI進步速度已放緩，不如ChatGPT剛上市時那樣勢如破竹。這個轉折主要出自4項原因：訓練數據有限、AI商品化、維運成本高昂，以及AI商業應用仍有限。
《華爾街日報》報導：AI革命勢頭已減弱
訓練數據有限，AI彼此性能差距逐漸縮小
當今為人熟知的大型語言模型，例如OpenAI的ChatGPT和Google的Gemini，皆是透過不斷灌輸大量資料，讓模型消化文本內容後，提升其語言與分析能力。然而如今AI公司已幾乎耗盡網路上所能找到的資料，所以這個方法似乎將迎來盡頭。
為了持續訓練下一代AI，工程師嘗試使用合成數據（synthetic data），也就是由其他AI生成的數據，但這種做法對大型語言模型幫助極其有限，因此ChatGPT等AI模型都是早期進步很快，但過去14個多月只有微幅進步。而且各種AI的性能差距也在縮小，所有頂尖的專用AI模型在能力測驗的表現漸漸趨於一致，背後還有Meta和Mistral的免費開源模型，兩者也在積極迎頭趕上。
商品化使企業著重在降低成本，不利於AI新創生存
AI逐漸往商品化邁進，但商品化可能使企業著重在「提升效率」與「降低成本」，美國數據隱私公司Skyflow的執行長Anshu Sharma認為，這不利於AI新創公司生存，因為微軟、Google等大公司能夠吸引大量使用者，確保其投資報酬率，資金相對較少的新創公司必無法與之抗衡。
現在已有不少AI新創陷入困境，例如Inflection AI的聯合創辦人跳槽微軟，Stability AI執行長也辭職，甚至許多資金充足的AI新創也如火如荼地洽談公司出售事宜。若這趨勢持續下去，AI產業將從百家爭鳴，又一次演變成資本雄厚的龍頭獨大。
維持AI運作成本極高，必然限制投資報酬
矽谷風險投資公司紅杉資本在2023年以500億美元購入Nvidia晶片訓練自家AI，卻只帶來30億美元的收入，此巨大落差凸顯目前投資AI，報酬率仍然有其瓶頸。而且這500億美元只包含訓練成本，而比起訓練，運行與維護生成式AI的成本更高，因為使用者每輸入一次問題，AI都必須重新生成文本，這部分的能源消耗，維持正確及即時運作等要求，都遠高於過往維持搜尋引擎。
