OpenAI為何砸1.4兆美元買算力?奧特曼稱「算力終將過剩」:但若不先買好買滿,風險會更大
OpenAI為何砸1.4兆美元買算力?奧特曼稱「算力終將過剩」:但若不先買好買滿,風險會更大

OpenAI創辦人山姆.奧特曼(Sam Altman)與微軟執行長薩蒂亞.納德拉(Satya Nadella)近日共同在一場Podcast中亮相,不僅分享了OpenAI與微軟的合作細節,還解釋為何他預言AI領域將出現算力過剩,卻計畫在未來5年內在算力上狠砸1.4兆美元。

由Altimeter Capital創辦人布萊德.葛斯特(Brad Gerstner)和Benchmark合夥人比爾.葛利(Bill Gurley)經營的bg2 pod頻道,近日邀請到奧特曼和納德拉一同坐下來談談AI技術。

bg2 altman nadella.jpg
OpenAI執行長奧特曼和微軟執行長納德拉,近日在Podcast節目同框現身。
圖/ YouTube

算力遲早過剩,為何又要灑1.4兆美元投資?

而本次訪談中的焦點,便是奧特曼對算力需求的看法。他斷言算力過剩「一定會發生」。雖然他無法確定是2、3年內,又或者更久的5、6年之後,但他認為這是AI領域絕對會出現的狀況。但奧特曼同時也透露,OpenAI計畫在未來4、5年內為算力投資1.4兆美元。

他指出,在過去的科技浪潮中都有類似的情形出現,好比說網路泡沫一度導致光纖過剩,大量光纖線路閒置。奧特曼認為,有多種可能性導致算力過剩的結果:

  1. 週期性泡沫: 科技基礎設施的發展總是伴隨著週期性的投資泡沫。
  2. 供應鏈複雜性: 複雜的全球供應鏈可能導致無法預測的瓶頸與過度建設。
  3. 能源突破: 廉價能源形式的潛在技術突破可能徹底改變成本結構。
  4. 軟體效率: 軟體層面的持續優化,正以指數級速度降低每單位AI所需的算力成本。

那為何他一方面斷言算力必將過剩,卻又決定要為算力投資鉅額資金?因為OpenAI和微軟都表示,當前他們面臨著嚴峻的「算力瓶頸」。奧特曼引述OpenAI共同創辦人布魯克曼(Greg Brockman)的觀點, 「如果我們的算力增加10倍,我不確定營收是否也會增加10倍,但我認為不會差太遠。」

納德拉更進一步提出了,當前的瓶頸已從晶片供應轉移至實體基礎設施。他直言 「現在的問題甚至不是晶片供應問題,而是沒有足夠資料中心可以安置這些晶片。」

奧特曼的邏輯是:當下沒有足夠算力的風險,遠遠大於未來可能面臨算力過剩的風險。 他強調, 「一個確定的風險是,如果我們沒有算力,我們就無法創造營收,也無法打造這種規模的模型。」

也就是說,在通往通用人工智慧(AGI)的競賽中,算力是入場券。如果現在因為害怕未來的過剩而猶豫不前,公司可能根本活不到看見算力過剩的那一天。他們必須在解決當前資源稀缺的燃眉之急的同時,為技術突破可能帶來的成本結構劇變預留空間。

奧特曼、納德拉分享雙方合作細節,累積投資達135億美元

另外,奧特曼和納德拉也在訪談中,分享了雙方合作的一些內容。奧特曼在訪談中毫不猶豫地表示,微軟是「有史以來最偉大的科技合作夥伴之一」。

他坦言,若沒有微軟,特別是納德拉早期的信念與支持,OpenAI不可能走到今天。微軟自2019年起對OpenAI進行了多輪投資,總金額達到135億美元左右。

納德拉透露,微軟早期對OpenAI投資10億美元曾在董事會引發爭議,微軟創辦人比爾.蓋茲(Bill Gates)最初也抱持質疑的態度,直到看到GPT-4的Demo後才對OpenAI的技術完全信服。

目前微軟持有OpenAI約27%的股份。納德拉指出,這項合作對微軟的價值不僅僅只是股權,更重要的是7年內OpenAI模型及IP的免費授權。OpenAI在Azure上的獨家性質吸引了許多企業客戶,其中一些是首次從其他雲端平台轉移過來。

不過,一旦OpenAI打造出通用人工智慧,OpenAI與微軟的部份合作,例如支付的營收分成,便會提前結束。至於怎麼判斷一款模型是不是通用人工智慧,則預計會交由專家小組做判斷。

此次訪談也釐清了OpenAI獨特的組織架構。納德拉指出,OpenAI的重組創造了「全球最大的非營利組織之一。」這個架構的頂層是一個非營利基金會,其下方則是一家目標為創造廣泛公共利益的營利性公司(Public Benefit Corp)。

奧特曼解釋,這種設計讓「非營利組織的價值得以增長,同時營利公司也能夠獲得持續擴張所需的資金。」並確保技術突破的價值能回饋全人類。

過去幾個月裡,OpenAI積極擴大外部合作,加上OpenAI重組前一直無法與微軟達成共識的消息,使得外界不斷猜測這兩家公司已經貌合神離,合作破局可能就在邊緣。不過這次兩人同台或許也側面反映,兩家公司的關係還沒有那麼糟。

完整訪談請見:All things AI w @altcap @sama & @satyanadella. A Halloween Special.

本文初稿為AI編撰,整理.編輯/陳建鈞

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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