馬斯克狀告OpenAI，46頁訴訟書為何狂提AGI？誰違反初衷？恩怨一次看懂|數位時代 BusinessNext

特斯拉執行長馬斯克（Elon Musk）在2月29日發出指控OpenAI的法庭文件，提到OpenAI執行長山姆．奧特曼（Sam Altman）發展AGI的方向違背公司創立目的，並批評奧特曼只為了營利而忽視「安全創建AGI」以及「非營利」的承諾。

AGI是什麼？跟AI不同在哪？

AGI就像是科幻小說中無所不能的電腦，全文為「通用人工智慧」（Artificial General Intelligence），意思是具有人類智慧和自學能力的AI，且不需要經過語言模型的訓練，就可以執行任務。

有學者認為，AGI是一種具有人類理解和認知能力的電腦程式，在遇到陌生任務或需要高度運算的情境下，可以即時的提出解決方案，模擬人類大腦運作模式，此特性也引發不少專家擔憂其風險和倫理問題。

根據《彭博》的報導指出，馬斯克一直是最直言不諱地談論人工智慧和通用人工智慧（AGI）危險的人之一。

而現行大部分的AI模型，必須透過預先設定的參數、大數據或語言模型來訓練才可以做相關的應用，且無法跨領域，例如：影像辨識的AI模型無法協助建置網站。目前AGI仍然處於理論階段。

馬斯克為何告OpenAI？

根據《彭博》的報導，馬斯克在美國加州舊金山高等法院所提出長達46頁的訴訟文件中， 怒批奧特曼違反OpenAI的創辦初衷，指控他們將利益置於人類福祉之上，違反當初「非營利」的目的 。

馬斯克曾經為OpenAI的共同創始人，但現在已經退出公司。訴訟書中提到，OpenAI與微軟公司的關係過度緊密，破壞了創建通用人工智慧的目的，轉成營利導向，而微軟也成為OpenAI最大的股東，恐影響未來OpenAI發展方向。

文件中寫道：「OpenAI在官網上的公司理念中，仍說AGI將造福人類。但實際上，OpenAI已是全球規模最大科技公司——微軟的子公司。」

對此，根據《彭博》取得的OpenAI員工備忘錄中，OpenAI的首席策略長傑森．權（Jason Kwon）也做出回應，在給員工的內部備忘錄中指出，「不同意」馬斯克的指控，並反駁馬斯克提到的OpenAI是微軟『子公司』的說法，並說馬斯克是因為無法繼續留在OpenAI有遺憾，才出此言論。

馬斯克指控OpenAI哪5項罪名？

確切來說，馬斯克提出了5項訴求：

指控一： OpenAI違反合約且未履行承諾。馬斯克認為，當初願意在OpenAI出錢出力，就是為了OpenAI「造福人類」的目標。現在，OpenAI不只沒有公開GPT-4的技術細節，還將其授權給微軟，違反當初的協議。

指控二： OpenAI未負起信託責任。馬斯克指控OpenAI將資金用於營利目的，違反了「研發AGI不得用於營利目的」的承諾。

指控三： OpenAI涉及不公正的商業交易行為。馬斯克控訴，OpenAI在募資時的宣傳造假，像是承諾要作為非營利組織開發AGI，讓馬斯克投入捐款和資源，「如果早知這樣，我絕對不會向OpenAI捐款。」

指控四： OpenAI內部會計準則不值得信任。

指控五： 請求法院或陪審團協助馬斯克判定應獲得的賠償。馬斯克於訴訟文件中要求法院頒布命令，來促使OpenAI向公眾公開其所有研究和技術，並要求奧特曼放棄涉嫌非法賺取的收入。

馬斯克與OpenAI的故事：剪不斷、理還亂

馬斯克於2015年和其他合夥人出資成立OpenAI，而後因為理念不合而在2018年退出。在一次的訪談中，馬斯克說到，由於忙碌於特斯拉和Space X的營運，因此無暇分心在OpenAI上。而最核心的關鍵離開因素則是：不認同OpenAI未來的發展方向。

創立初期，OpenAI自詡為一家非營利組織，承諾會免費分享開發程式碼給用戶，然而2019年，奧特曼擔任執行長，宣布成立營利的子公司OpenAI LP，微軟也在這時投資10億美元。

離開OpenAI之後，馬斯克經常公開表明對OpenAI的不滿，並指控其資訊不夠公開透明、技術發展不夠安全等，也針對創立初衷變質進行批判，呼籲各界關注其內部治理和收益模式。

訴訟中也指出，奧特曼聯合微軟在董事會上罷免了許多公司創立初期的董事成員，而奧特曼新挑選的董事會缺乏相關技術專長或人工治理能力和背景，比起重視AI開發倫理，更重視企業營利。

即使退出OpenAI，馬斯克仍持續提供研發資金直到2020年為止。根據訴訟文件顯示，馬斯克的投資累積金額超過4,400萬美元。如今也向法院提出要求OpenAI賠償相關費用，但具體賠償項目為何並未多說明。

《彭博》就本案件訪問了證券律師、西北大學客座法學教授安德魯．史托特曼（Andrew Stoltmann），其表示：「指稱OpenAI跟微軟有很密切的關係，違反了最初的承諾，這是一個『非常難以證實的主張』。」且他也提到，利用訴訟傳達自身想表達的訊息，是馬斯克常用的手法。

這場針對AGI、是否造福人類、是否違反OpenAI初衷的大戲，短時間內還不會落幕，就看接下來各方如何回應（或是不回應）、真相能否越來越明白。

延伸閱讀：從併肩創業，到翻臉隔空罵「混蛋」！馬斯克與OpenAI掌門人有什麼恩怨？

資料來源：《Bloomberg》1、《Bloomberg》2

責任編輯：林美欣

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。