[李開復]人工智慧對人類真正的威脅是什麼？|數位時代 BusinessNext

圖說明
圖說：電影《瓦力》劇照。

本文為《數位時代》授權轉載自李開復Facebook。

昨天AlphaGo第一盤棋戰勝了李世乭，激起了各種「機器超越人類，科幻小說將成真」的討論。特別有趣的是有人揣測AlphaGo下面會不會故意輸下幾盤棋，以免人類起疑心，阻擋了它統治人類的野心。其實，雖然機器在邏輯分析推算方面，能力會遠超人類，但是依然是屬於人類操控的工具。AlphaGo這類的「人工智慧」機器真正可能帶來的危機，不是奴役人類，而是讓人類喪失鬥志，無所事事。

有些人描述AlphaGo是「和人用一樣的方式思考，但是比人的速度快無數倍」。這麼說並不精確。AlphaGo確實比人快無數倍，但是AlphaGo的思考只能說是「被人的大腦啟發」，而非和人類思考一樣。AlphaGo是一個能自我學習的深度學習，經過專家的調節，它可以在任何能夠純憑邏輯分析推算的問題上，把人類遠遠拋在背後。機器速度會越來越快，學習能力會越來越強，數據會越來越多。

基於深度學習的人工智慧將帶來什麼改變呢？我們將看到無數的商機和產品，能夠解決問題、拯救生命、產生巨大的商業和用戶價值。未來，自動交易能得到更高的投資回報和風險比例，自動診斷+基因排序會達到個性化精準醫療，推薦引擎將能推薦你最可能會買的產品、想吃的菜，想認識的人。在擁有大數據+大計算+專家調節的領域，就不必再跟人類相比了，因為人類根本差的太遠了（就像沒有人能打敗搜尋引擎一樣）。

這些技術可能輔助專家，也可能取代專家。非專家的工作者很多將會面臨失業。未來十年，大部分今天的人類工作可被機器取代。機器將取代許多的護士、記者、會計、教師、股理財師等工作。任何帶有「助理」、「代理」或「經紀」等字樣的職位都很可能被取代。這些機器不需要薪水，只需要供電和網路，就會一年365天，一天24小時「上班」。這些機器將幫助我們創造世界上大部分的財富。

雖然這些機器確實很「聰明」，而且又高效、勤奮、低廉，但是他們並不「人性化」，只是冷冰冰的機器和工具。比如說，AlphaGo第一場就戰勝了李世石，但是它並不會感到高興，也不會理解我們對於它的討論。甚至，它說不上這局棋是怎麼贏的。因為，它的思考雖然周密，但是它不懂「贏了有什麼感受？」，也不懂「為什麼圍棋好玩」，更不懂「人為什麼要下棋？」，甚至連「你今天怎麼贏的？」都說不上。

今天的機器完全無法理解人的情感、喜怒哀樂、七情六慾、信任尊重、價值觀等方面。對於人文藝術、美和愛、幽默感，機器更是絲毫不懂。有位AI研究員做了一套研究幽默感的系統，然後輸入了一篇文章，這個系統看了每句話，都說「哈哈」！今天的機器連個兩歲小孩都不如。對人工智慧的研究者，這應該是一大未來的挑戰。

所以，今天這些機器僅僅是我們的工具，會為我們創造價值。至少今天，我們不必擔心人工智奴役我們（不過要盯好擁有機器學習+大數據的公司，別來作惡傷害用戶）。那我們該擔心什麼呢？這些強大的機器，將帶來人類能否度過有史以來最大的「失業潮」。這次的「機器取代人類」將遠超過去的工業革命和信息革命。不過，失業還不是最可怕的，因為這些機器會產生巨大的商業價值，養活著這些失業者，進而養活著人類。人類最應該擔心的是：一旦當機器供養著人類，人類達到了馬斯洛需求的基本需求，人類真的還會有動力去追求更宏偉的目標，自我實現嗎？還是會醉生夢死、無所事事地活著？

面對這個擔心，我們應該：

關注啟發式教育，用互動式教育啟發孩子對學習的興趣和效率。AlphaGo願意跟人類學習，我們當然也要善用最善於分析，最博學的機器。善於學習，樂於學習的孩子，是不會醉生夢死的。
正視發育右腦的學科領域，平衡文理。塞翁失馬，焉知非福？機器超越人類的左腦（工程邏輯思維），也許就是要人類從過去幾十年重視理工，傾斜回來，花更多的精力在機器不擅長的右腦，例如：文學詩歌、藝術音樂、電影話劇、文創設計、工匠之美、宗教哲學、溝通情商。這不是說就不要學理工了，而是說應該讓適合理工，愛好理工的人學理工，適合人文，愛好人文的人學人文。我們應該平等看待文理，並且鼓勵發展文理雙全的人才。
鼓勵有上進心的年輕人挑戰自己，孜孜以求，成為專才。不要把時間浪費在「安穩」但是重複性的工作上，而要以「成為某個特殊又有用領域的最頂尖人才」為目標、為己任。

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。