【觀點】NFT、區塊鏈還有N個難題未解,你還在瘋嗎?也趕緊關注AI和ChatGPT吧!
【觀點】NFT、區塊鏈還有N個難題未解,你還在瘋嗎?也趕緊關注AI和ChatGPT吧!
2023.07.07 | 區塊鏈

科技新創的領域很有趣,有道是「撞到風口上豬都能飛」,風靡了十多年的區塊鏈及其相關的衍生應用,在世界各地都不難發現已慢慢失去昔日的盛況,無論是風投機構還是韭菜大眾,乃至是智庫與媒體,目光早已移向更火熱的人工智能與ChatGPT,探討起那些「劃時代的科技」即將「改變人類的生活」,並大幅的「顛覆我們就有的世界秩序」云云...是不是很像幾年前人們稱頌區塊鏈那樣?

當然,我並非覺得區塊鏈就此曇花一現、再無可用武之地,相反,我反而很期待潮水退了,「嘴砲炒作的咖」散去,那些有實力能堅持到現在的項目,有機會開花結果,搞出點真正對人類社會與商業模式有幫助的東西。只不過,若同樣將區塊鏈與ChatGPT視為生產工具,能立刻派上用場創造效益的,或許ChatGPT更有那麼點劃時代的意味。

我想從幾個角度來試著分析,最後再分享些我對人工智慧的看法。

真的非區塊鏈不可嗎?

首先,區塊鏈是什麼無須多談,「罄竹難書」的網路資訊與各路自稱專家的討論,足以把區塊鏈,虛擬貨幣,以及NFT等描繪出大概的輪廓。若單就比特幣的價格來看,2016-2018可謂區塊鏈的高峰期,一時間ICO/STO與各種「幣」百花齊放,隨後靠著數位藝術品,虛擬土地等題材勉強再造聲勢的NFT,也在2019年以降又拉抬了一波風潮,只不過終究(尚未)看到什麼真正具有意義的項目。

你說用「幣」來代表各種經濟行為的權利義務,可以是通用貨幣(例如比特幣,穩定幣),數據共享機制,又或是金融化的資產(股權或房產),再而套用到數位藝術的領域,又有蒐藏和增值的潛力...只不過,就技術和應用層面來看,實在找不太到「非區塊鏈不可」的理由,由政治大學教授曲建仲所著 「加密貨幣的真相」書中就有一系列很好的舉例。

那麼,信任問題能被解決嗎?

至於所謂區塊鏈能建立(或解決)「信任」這檔事,就更值得玩味了。信任確實是人類社會賴以運作的基礎,讓用最小成本的方式建立高效率的信任機制,絕對是值得期待的創舉。然而,無論是各種共識機制(PoW, PoS等),抑或是層出不窮的標準協議(REC20, ERC721等),本質上都還是在各種數據的交換,儲存與驗證過程上進行差異化與優化,並未涉及人類經濟活動的本質

不錯,去中心化或許有他的優點,但以目前與可預見的十年之內,中心化的商業銀行,政府的數據庫,以及谷歌微軟亞馬遜這些行業巨頭索提供的金融與科技服務,似乎還是更值得「信任」一些。你當然可以討論他們作為寡頭壟斷或隱私侵犯之類的問題,但總好過不斷出問題的加密貨幣圈,和那些用專業術語包裝的很漂亮,但商業模式卻莫名其妙的項目。

(短短2022年就發生過的幣圈重大事件:Luna穩定幣崩盤; 市值百億美元的 Terra,三箭資本和 FTX 相隔僅幾個月連番破產清算; Infinity 側鏈 Ronin 遭駭客入侵,損失超過 6億美元; Tornado涉及全球洗錢,遭美國制裁...還沒算上數百件詐欺與龐氏騙局的項目)

延伸閱讀:LUNA幣事件禍首權道亨,逃亡10個月落網了!讓投資人血本無歸,還有哪些罪名?

曾有人評論區塊鏈像是一個「不知道要解決什麼問題的解決方案」,這或許說的有點意思,首先我不認為「虛擬貨幣」與「區塊鏈」可以劃上等號,而我也認同區塊鏈或許有機會「解決些什麼」,只不過時機尚未成熟,又或如物理學者孔恩在「科學革命的結構」中提到,每次重大的科技進步,總是要伴隨著典範轉移,來建立新的系統與價值體系,然後才是真正的商業應用與普及於大眾。

區塊鏈起了一個不錯的頭,可惜這幾年下來被一群投機者給玩壞,熊市的來臨或許是一件好事,讓有能力也願意做事的人,繼續在這個賽道上拚搏

比起區塊鏈,ChatGPT更能顛覆產業?

既然區塊鏈不再吃香,人工智慧(AI)與ChatGPT自2023年肇始,便立即填補了這塊風頭,雖說AI的發展早就不是新聞,各種實質應用也很大程度上出現在各個產業,但去年11月OpenAI推出的智慧聊天機器人之後,立刻捲起全球性的風潮。上線兩個月就累積超過1億的用戶,相比TikTok推出全球版本後花了九個月累積到破億,Instagram用了超過兩年,而加密貨幣貨幣使用者累積過億的時間則是更久...足以顯示對於普通大眾來說,ChatGPT能立刻帶來的效益與價值,讓越來越多人趨之若鶩。

ChatGPT在很多方面更有「顛覆產業」與「翻轉舊有模式」的潛在特質,像是偏重技術類型的工作,例如數據分析與程式編碼等領域,AI更擅長以高效且精準的方式處理大量數據。而當ChatGPT被大量不同的情境所訓練,可以用更貼近人類語言的方式產出訊息時,影響便迅速的蔓延到其他產業,包含媒體,行銷策劃,教育,乃至專業性更高的法律會計顧問,與醫療問診和心理諮商等,似乎都可以馬上的透過ChatGPT給予即時準確的輔助,甚至有取而代之的趨勢。

若要論述「不懂XXX,就是跟不上時代的轉變,工作也有可能不保」,這裡的XXX好像填入ChatGPT,遠比區塊鏈合理的多,至少在此時此刻人工智慧可以扮演的角色,將直接進入到各行各業的日常運作,而非僅是在炒作相對空泛的概念,然後被投機者拿去操作所謂的「投資收益」,或是被拿到舞台上不斷渲染好強好棒好厲害而已(大量的區塊鏈項目便淪落於此)。

ChatGPT會不會衍生出問題?我相信絕對會,但至少比較難看出在龐氏騙局與資金盤的顧慮,他不太會有利用人性貪慾吸引大眾集資,然後開發出不知所云的「幣」與NFT,一旦沒有人持續加入,資金鏈一斷整個項目也就隨之崩潰現象。

ChatGPT的疑慮到比較有機會出現在另幾個層面:各種牽涉創作的倫理問題,例如學術論文/新聞報導若由AI來完成,是否能被接受?以及與人際交流相關的隱患,例如法律和諮商的專業服務若由AI來提供,出錯的問責機制該如何界定?甚至是詐騙集團利用超擬真的聊天機器人來進行不法行為時,又該如何防範?

最後,若說科技的進步會對既有生活與經濟產生改變,我們不妨從兩個面向來思考:

  • 這項科技到底改變了什麼?
  • 這種改變是否沒有任何可以替代的方案?

如此,我們對時代的趨勢便能有更進一步的認知,再而可以思考,自己的領域到底會產生什麼樣的衝擊與機會。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:蘇祐萱

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