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。