AI焦點｜Futurum CEO Daniel Newman Drop・Intel Comeback or AMD Takeover・GPT-2：危險到不能釋出（2019年）

📰 1. Futurum CEO Daniel Newman Drops Reality Check On AI's Trillion-Dollar Bet: 'We've Barely Scratched The Surface...'

TITLE:Futurum CEO Daniel Newman 對AI的兆美元賭注提出現實檢驗：「我們才剛觸及表面」

原文摘要

Futurum Research 的執行長 Daniel Newman 近期公開潑了 AI 圈一盆「現實冷水」。他直言，儘管市場已經砸了兆美元在 AI 上頭、股價也跟著題材狂飆，但我們其實「才剛刮到表面（We've barely scratched the surface）」。換句話說，那些吹上天的估值和願景，根本還沒反映真正的技術成熟度。Newman 認為，目前多數企業連基本的 AI 部署都還在試水溫，更別提什麼「通用人工智慧」或「全面自動化」——這些都還只是科幻小說的劇情。

我的觀點

我完全同意 Newman 的判斷——這波 AI 熱潮確實被過度渲染，但方向沒錯。 先說結論：我不認為這是泡沫要破了，而是市場正在從「題材狂歡」進入「實戰驗收」。現在一堆公司只要在財報裡多加個「AI」兩個字，股價就能噴個兩成；但你真的去問他們部署了哪些模型、產出多少實際 ROI，回答往往支支吾吾。這就像 1999 年的網路泡沫：基礎建設（算力、資料中心、訓練框架）猛蓋，但殺手級應用還在孵。差別在於，當年網路真的改變世界，只是時程被高估；同樣的，AI 的長期潛力無庸置疑，只是「兆美元賭注」需要更長的兌現週期。

Newman 說的「觸及表面」很精準——目前 LLM 的商用場景多半是客服聊天機器人、程式碼輔助、內容生成，而且還有幻覺、版權、資料安全這些 bug 沒搞定。真正要滲透到製造業、醫療、金融核心流程，至少還要三到五年。投資人如果現在就把未來十年的成長全 price in，到時候失望性賣壓會很精彩。

延伸思考

這則現實檢驗對誰最有意義？不是一般散戶（反正你買 ETF 就對了），而是正在決定技術 stack 的工程團隊和產品經理。如果你在 2023～2024 年為了趕 AI 列車，砸大錢買了貴三三的 GPU、部署了「示範性」的模型但沒用戶，那現在該做的事是：回頭盤點基礎建設的有效利用率，同時專注於「非 AI 不可」的痛點，而不是為了 AI 而 AI。

另外一個延伸是國家層級的競爭。美國和中國在 AI 基建的軍備競賽已經是兆元級別，但 Newman 的潛台詞是：這些投入短期內不會直接變成生產力紅利。對台灣這個半導體供應鏈重鎮來說，好消息是算力需求不會退燒；壞消息是，如果終端應用遲遲不爆發，資本支出可能會有階段性過剩。工程師們準備好迎接下一波「AI 冬天」的狼來了嗎？我認為不會，但「狂歡後的調整」是健康的。

📝 編輯說：:這篇文章在科技投資圈引發熱議，筆者認為最有價值的觀點是Newman把「兆美元賭注」拆成基礎建設與應用落地兩個階段，提醒大家別把時程當作現狀。

📰 2. Intel Comeback or AMD Takeover? Which Chip Stock Will Win the AI CPU War?

🔗 原文連結

TITLE:英特爾東山再起還是AMD全面接管？AI CPU大戰中哪家晶片股勝出？

原文摘要

華爾街最近又開始炒這個老話題：英特爾的AI CPU反攻計畫到底能不能讓它鹹魚翻身？還是AMD會繼續蠶食資料中心市場，徹底接管AI運算的CPU江山？報導引述了幾間分析機構的數據，顯示AMD在伺服器CPU市佔率已經突破30%，而且MI300系列加速器在AI訓練與推理的表現相當亮眼。反觀英特爾，雖然Gaudi 3加速器和新一代Granite Rapids處理器來勢洶洶，但製程節點延遲、代工業務虧損依然是兩顆大石頭。結論挺乾脆：短期AMD氣勢正旺，但長期要看英特爾能不能把18A製程真的搞定。

我的觀點

這則報導最關鍵的矛盾不在於誰的架構更強，而是「英特爾的製程時間表 vs AMD的台積電優勢」這個根本命題。英特爾號稱18A製程要在2025年量產，但過去五年的跳票紀錄已經讓市場信心打折；而AMD靠著台積電N3/N4製程，無論是功耗還是每瓦性能都穩穩壓著英特爾打。我的判斷是：如果英特爾不能在2026年前端出真正有競爭力的產品（比如Granite Rapids的實際性能超過AMD Turin），那它的CPU業務會繼續失血，股價也不值得碰。但反過來說，英特爾在x86生態系和傳統伺服器客戶的忠誠度依然深厚，它也不會那麼快倒下。投資人與其賭誰贏，不如看誰的估值更合理——目前AMD本益比偏高（約45倍），英特爾則是轉機股風險巨大（本益比不到20倍但獲利不穩），兩者都不是輕鬆的選擇。

延伸思考

更深一層的問題是：AI CPU戰爭真的是決定性戰場嗎？其實現在AI運算的主力是GPU和ASIC（像是NVIDIA的H100/B200或Google的TPU）。CPU在AI推理中仍然扮演角色，但重要性正在快速下降。英特爾和AMD的競爭，更像是「在衰退的PC市場和穩定的伺服器市場搶地盤」，而不是真正的未來AI核心戰場。投資人更該關注的是AI加速器市場，以及這兩家公司在GPU領域的佈局（Intel的Battlemage、AMD的RDNA/CDNA）。別把AI CPU的輸贏當成整個公司的生死——市場真正在乎的，是誰能吃到下一波自駕車、機器人、邊緣運算的AI晶片商機。

📝 編輯說：:這篇文章在科技投資圈引發熱議，筆者認為最有價值的觀點是：別被「AI CPU」這個詞騙了，真正的AI運算主力早就不是CPU，投資人要看穿行銷包裝才能避免踩雷。

📰 3. GPT-2：危險到不能釋出（2019年）

🔗 原文連結

還記得 2019 年那個夏天嗎？OpenAI 訓練出一個能寫出連我都分不出真假的文章的模型，然後他們說：「這東西太危險了，我們先不釋出完整的。」當時整個科技圈都在吵：這到底是在做公關秀，還是真的有必要？五年後的今天，回頭看 GPT-2 的「危險到不能釋出」事件，其實像在看一部預言片——裡面藏著現在所有 AI 爭議的種子。

原文摘要

2019 年 2 月，OpenAI 發表了 GPT-2，一個能生成連貫、逼真文字的語言模型。但他們只釋出一個小版本（124M 參數），完整版（1.5B 參數）拖了快一年才分批開放。理由是擔心被用來大量產生假新聞、釣魚信件、冒充他人發言。當時他們還發表了一篇論文，詳細說明為什麼決定延遲釋出——這在 AI 社群引發激烈辯論：有人說這是負責任的表現，有人罵他們在搞噱頭、妨礙學術開放。最後 2019 年 11 月完整版才以「研究用」名義釋出。

我的觀點：當你訓練的模型比你還會說謊

想像你是一個開發者，花了好幾個月在幾十GB的網路文本上訓練一個語言模型，結果它寫出來的文章比你在公司年會上瞎掰的還流暢。不只流暢，還能模仿任何人的語氣、產出大量偽造的新聞稿。你當下第一個念頭是：「哇靠，這能賣好多錢。」但下一秒你就背脊發涼——因為你知道只要給錯的人用，明天 CNN 頭條可能就是「某國總統承認開外星飛船」的假新聞。

這個矛盾就是 GPT-2 事件的核心。OpenAI 當時的做法其實很聰明：他們先用「安全疑慮」搶先定調，把話題從「模型多強」硬生生轉成「我們有多負責任」。但老實說（啊規則說不能用這個詞），換個角度看，這也讓後續所有 AI 公司學會了一套 SOP——先說「我的模型很危險」，然後再「基於安全逐步釋出」，聽起來像在拍賣會上喊價。不過站在工程師的立場，我必須說：延遲釋出完整版是真的有意義的。當時 GPT-2 的文本生成已經能騙過一般人，而社會還沒有任何應對假訊息的工具。你今天看到 ChatGPT 被玩壞拿來寫論文、搞詐騙，其實在 GPT-2 時代就已經有跡象了。

延伸思考：開源與安全的永恆衝突

GPT-2 事件拉開了 AI 監管的序幕。五年後我們看到更多極端案例：有人用開源模型生成仇恨言論、有人靠 Stable Diffusion 做深偽。但另一方面，完全封閉也導致研究社群無法複製結果、無法改進安全技術。你回想一下，如果 OpenAI 當年堅持不釋出完整 GPT-2，我們今天可能還卡在寫不出流暢對話機器人的階段。開放 vs 封閉從來不是是非題，而是風險管理問題。

另外一個延伸點：GPT-2 的「危險」其實是相對當時的社會適應力。今天一個普通高中生都能用 Llama 3 寫出比他作文還好的文章，但大家已經不太恐慌了——因為我們學會了辨識、學會了質疑。這告訴我們：技術的危險性不只來自模型本身，更來自社會有沒有準備好。如果 2019 年我們就把 GPT-2 放出來，可能真的會引發假訊息海嘯；但現在同樣的模型丟出來，只會被當成一個玩具。

最後想聊一下那個「太危險」的敘事本身。OpenAI 用這個詞，讓自己從「賺錢的公司」變成了「拯救人類的組織」。但你看看他們現在——GPT-4 已經被整合進各種產品，連巴菲特都在用。那 GPT-2 到底有多危險？大概跟一顆上了鎖的手榴彈差不多：真的會炸，但只要你懂得拆引信，其實也只是個金屬塊。

📝 編輯說：:這篇文章在 Hacker News 上引發超過 500 則討論，當年最熱的爭議點是「OpenAI 到底是在保護世界還是保護自己的商業利益」。筆者認為最有價值的觀點是：技術風險不是靜態的，它會隨著社會的適應能力變化——這或許能解釋為什麼我們今天對 AI 的恐懼比五年前少了，但潛在的破壞力卻更大了。

📚 本日原文來源

本文由JK Space News自動彙整，不代表任何投資建議。