GPT-4「考大學」成績贏過90％考生！34項考試都名列前茅，人類怎麼辦？|數位時代 BusinessNext

GPT-4「考大學」成績贏過90％考生！34項考試都名列前茅，人類怎麼辦？

「ChatGPT」開發商OpenAI宣布，推出最新版大型語言模型「GPT-4」，聲稱能在美國大學的入學SAT測驗擊敗90%人類。

人工智慧(AI)聊天機器人「ChatGPT」開發商OpenAI宣布，推出最新版大型語言模型「GPT-4」，聲稱能在美國大學的入學SAT測驗擊敗90%人類、並在律師資格考試(Bar examination)擊敗90%受試者。

CNBC、Forbes等外電報導，OpenAI 14日在官方部落格宣布推出GPT-4，使用微軟(Microsoft)的Azure公用雲端服務平台進行訓練，跟過去的版本相比規模更龐大。這代表該模型受過更多資料訓練、模型檔案更具份量，營運成本也更昂貴。OpenAI宣稱，GPT-4在許多專業測試的表現已「可媲美人類」(human-level performance)。

OpenAI表示，GPT-4生成的答案錯誤更少、正確性比GPT-3.5高40%，也較不會超脫常軌、大聊禁忌話題，在許多標準化測驗的表現甚至比人類優秀。值得注意的是，GPT-3.5及GPT-4閒聊時差別雖不大，但若任務夠複雜，GPT-4比GPT-3.5更可靠、有創意且能處理更多微妙指令。

根據OpenAI說法，GPT-4可在律師資格考試擊敗90%人類、在國際生物奧林匹亞(Biology Olympiad)擊敗99%高中生。事實上，GPT-4在至少34種涵蓋總經、寫作、數學等領域的測驗皆名列前茅(各項測驗的成績見此)。

有趣的是，GPT-4如今可接受圖片及文字指示，用戶能展示一張食材的照片，詢問可以做成甚麼食物。GPT-4現在也可保留超過25,000字的文字，能進行更長的對話及回應。

不過，OpenAI警告，GPT-4未臻完美，許多情境仍然不如人類，且還是有「幻覺」(hallucination)的問題，也就是會捏造資訊，生成的文字或許跟事實不符。不只如此，GPT-4依舊傾向在出錯時堅持自己是對的。

OpenAI 表示，GPT-4仍有許多必須設法解決的已知限制，例如社會偏見、幻覺及對抗提示(adversarial prompts)。

GPT-4將提供ChatGPT付費訂閱戶使用，也可做為應用程式開發介面(API)的一部分，讓程式設計師把這款AI整合至手中的app。OpenAI會對750字的文字提示收費3美分、750字的回應收費6美分。

科技市調機構IDC近日才剛發表研究報告指出，2023年全球對AI系統的支出將年增27%至1,540億美元，之後每年平均有望成長27%、到2026年支出將超過3,000億美元。

IDC分析師Mike Glennon表示，引進AI速度緩慢的企業，無論規模大小都會落後競爭對手。企業應用AI的最佳方式，就是藉此放大人類的能力、把重複的任務自動化、提供個人化建議，並快速且正確地依據大數據下決策。

本文授權轉載自：MoneyDJ理財網

責任編輯：傅珮晴、錢玉紘

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。