IBM超級電腦Watson面試矽谷CEO:馬斯克最謹慎、納德拉最果斷
IBM超級電腦Watson面試矽谷CEO:馬斯克最謹慎、納德拉最果斷
2017.06.29 | IBM

想要成為矽谷最成功的CEO,需要哪些素質?可能在不少人腦海裡都會蹦出高學歷、有遠見、有領導能力、會任人唯賢,但其實最必要的素質是謹慎。

根據CNBC報導,招聘公司Paysa最近利用IBM超級電腦Watson做了一份調查分析,指出「聰明才智」是科技頂尖公司大佬們需要必備的最重要的技能,而「謹慎」也必不可少。

CEO個人的品質將會對公司產生很大的影響。比如,冒險可能會帶來更多的機會,謹慎可能會避免付出昂貴的失敗代價;想像力可以促成驚人的技術突破等等,Watson給這些矽谷大佬們打分數,列出排名,我們選取其中幾個CEO要素與大家分享。

矽谷最謹慎的CEO是特斯拉、SpaceX的伊隆·馬斯克。看到結果還是很驚訝,馬斯克給人一慣的印像是喜愛冒險,擁有巨大的野心。他的各種大膽想法,讓人很難把謹慎這個詞與他聯繫起來。

在謹慎方面,其餘排名如下:微軟CEO薩蒂亞·納德拉排名第三,比爾・蓋茲排名第五,看來微軟的領導層都是謹慎派。蘋果的庫克排名第八,Google母公司賴瑞·佩奇和Facebook佐克伯排名最後兩位、墊底。

63u1cbdt1ekh0hso.jpg
圖/ 36 氪

而在與謹慎有些對立的決斷力這一特質排名中,馬斯克墊底。而微軟CEO薩蒂亞·納德拉排名第一,比爾・蓋茲排名第二。看來微軟的CEO們可以快速謹慎而堅定地下決策。

xwb4p4dzzfeusepe.png
圖/ 36 氪

矽谷最有想像力的CEO是蘋果庫克,儘管從庫克上任後,蘋果創新乏力的觀點甚囂塵上,但是庫克對於外界的質疑,一直保持著低調的態度。他在接受《麻省理工科技評論》採訪時首次表示,蘋果不是沒有在開發相關技術,只是不想過多討論,蘋果只討論即將上市銷售的技術。或許從想像力方面,我們還可以期待庫克將會帶來哪些驚喜。

排名第二位的是亞馬遜貝佐斯,微軟的兩位領導人比爾・蓋茲和納德拉分列第7和第11位,看來謹慎與想像力頗有點不可兼得的意思。而佐克伯排名第十、再度落後,從另外幾個領導特質來看,雖然身為矽谷最年輕和最富有的CEO,但佐克伯還是落後於這些老前輩們。

fpihfwdb9exnixs7.png
圖/ 36 氪

Watson的排名是基於數據得出的。Paysa收集了上述幾個矽谷老大的演講全文、出過的書、接受採訪的實錄等等資料,並利用Watson人格洞察分析認知計算應用程式接口(API)來完成分析。

根據IBM Watson方面的說法,人的性格是可以根據人的寫作、說話和長相的特徵來提取的。如果想要知道一個人的性格如何,完全可以藉助這種AI技術去分析,從而得到更加準確的結論。

利用AI來判斷個人的性格,相當於是一場智慧面試。現在已經有不少大公司開始在招聘時啟用AI系統,跨國消費品巨頭聯合利華就在這種AI招聘中嚐到了甜頭。

聯合利華與數位人力資源服務提供商Pymetrics和HireVue合作。打破了以往校園宣講、收履歷、面試的招聘模式,將招聘過程數位化,如果候選人可以透過AI系統的一系列考驗,就能成為公司的一員。

候選人透過Facebook或LinkedIn線上提交履歷,隨後他們會要求在Pymetrics平台上玩12個基於神經科學的小遊戲,來判斷他們是否符合某些職位的要求。

一旦透過小遊戲,就會接到HireVue的視訊面試邀請。在視訊面試時,系統會給出幾個問題,候選人只許透過手機,對著攝影鏡頭進行回答。這時,HireVue就會開始分析候選人的肢體動作、面部表情、說話的語音語調等等幾方面,並向HR提出一些意見。

tjr15h7c5zburj2h.jpg
圖/ 36 氪

對於像聯合利華這樣的跨國大公司,每年至少要處理來自全球各地的25萬份履歷,利用AI技術無疑能夠大大簡化招聘流程,提高工作效率。據聯合利華方面給出的數據,使用AI平台後,招聘人員篩選簡歷的時間減少了75%,候選人的招聘流程從四個月降到了四週。

聽起來,AI不僅要在未來取代翻譯和新聞記者,還很有可能也把HR擠走。但是,在實際操作中,還是會有人質疑AI的準確性。

利用機器算法來測試候選人的面部表情、肢體語言,並學習哪些人在工作中更具備公司所要求的素質,聽起來就跟看面相一樣玄乎。另外,如何確保機器學習的數據是可靠的且沒有偏見的,這些都是頗具爭議的問題。或許科學依據與可靠性僅僅是人工智慧技術的「一廂情願」。

此外,在招聘過程中,人與人直接交流還是有很多情緒因素,很可能會影響候選者的情緒,例如招聘公司HR是個混血帥哥,女性候選人就大爆發,超常發揮。如果是AI機器面試就絕對不會發生這種情況。這就有點類似托福和雅思考試,面對機器作答和真人考官對話,完全是兩種不同的感覺。

在情感認知方面,AI還有很長的路要走。

本文授權轉載自:36 氪

關鍵字: #IBM
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓