分類: 觀點與分析
「觀點與分析」分類的 AI 新聞與論文。
-
一種更優化的思考方式看待AI泡沫
人們常將科技泡沫視為末日景象，但實際上這並非必然。經濟學上，泡沫是指賭注過大導致供過於求。AI 泡沫之所以難以判斷，是因為 AI 軟體開發速度極快，而資料中心的建設與供電卻緩慢如爬，兩者時間線嚴重錯配。供應鏈複雜且流動，難以預測數年後的供需。關鍵不僅在於 2028 年 AI 的使用量，更在於使用方式及能源、半導體設計或電力傳輸是否有突破。當賭注巨大時，風險隨之增加。路透報導，Oracle 在新墨西哥州的一個資料中心校園從 20 家銀行 consortium 處獲得了高達 180 億美元的信貸。Oracle 已與 OpenAI 簽約 3000 億美元的雲端服務，並與 SoftBank 合作推動「Stargate」專案，總計投資 5000 億美元建設 AI 基礎設施。Meta 亦承諾在未來三年內投入 6000 億美元。然而，對 AI 服務需求增長速度的不確定性依然存在。麥肯錫最新調查顯示，雖然絕大多數企業正在使用 AI，但僅少數在實際規模上應用，多數企業仍處於「觀望」模式，這可能延緩資料中心空間的購買。此外，基礎設施問題也日益突出。微軟 CEO Satya Nadella 表示，他更擔心資料中心空間不足而非晶片短缺，因為缺乏安裝空間。許多資料中心因無法處理最新晶片所需的電力而閒置。儘管 Nvidia 和 OpenAI 進展迅速，但電力網和建築環境的進度仍舊緩慢，這留下了許多昂貴的瓶頸機會。更多細節可於本週的 Equity 播客中聆聽。
-
凱文·羅斯對AI硬體的簡單測試——你會想打對方嗎？
投資家 Kevin Rose 提出了一項關於 AI 硬體投資的直覺準則：「如果你覺得該為佩戴該產品的人出拳，那你就不應投資它。」作為 True Ventures 的合夥人及 Peloton、Ring 和 Fitbit 的早期投資者，Rose 避開了矽谷當前的 AI 硬體熱潮，專注於評估產品的社會接受度與隱私邊界。他曾在 Oura 公司擔任董事會成員，該公司目前佔據智慧手環市場 80% 的份額。Rose 指出，成功的穿戴裝置不僅取決於技術能力，更在於情感共鳴與社會可接受性。他曾因與妻子爭執時使用 Humane AI 項鍊檢視對話記錄而放棄佩戴，認為不應為了贏爭執而依賴 AI 記錄。 Rose 擔憂將 AI 無所不在地應用會破壞社會結構，例如使用 AI 修圖軟體移除背景中的圍欄，這可能對兒童造成心理影響。他認為我們正處於類似早期社交媒體的階段，當前的看似無害決策未來可能引發遺憾。儘管如此，Rose 對 AI 改變創業與風險投資（VC）產業持樂觀態度。隨著 OpenAI 的 Sora 等工具降低技術門檻，創業門檻日益縮小，甚至高中生也能透過「氛圍編碼」建立億萬美元企業。這將改變 VC 的運作模式，許多基金開始大量聘請工程師，如 Sequoia Capital。 然而，Rose 認為 VC 的核心價值將轉向情感智力（EQ）。未來的投資重點將是那些能作為長期夥伴、解決非技術性情感問題的基金，而非僅關注技術團隊。Rose 強調，他尋找的創業者應對不可能之事保持健康的不屑，並擁有大膽的構想。即使專案失敗，他仍會支援創業者，因為他珍視其思維與潛力。
-
Box CEO 駱維克談 AI 如何改變企業 SaaS 產業版圖
Box 共同創辦人兼執行長亞倫·利維（Aaron Levie）在週三於 TechCrunch Disrupt 2025 會議上表示，人工智慧代理（AI agents）不會取代企業 SaaS 公司，未來更可能是 SaaS 與代理的混合模式。利維強調，對於業務流程，企業需要定義為具有確定性邏輯的系統，因為人工智慧代理可能導致資料洩漏、破壞資料庫或執行未預期的生產操作，因此必須在確定性軟體與非確定性代理之間建立「教會與國家」式的隔離。他描述未來企業軟體架構中，SaaS 將用於核心業務工作流，而代理則執行其上，協助決策、自動化工作流或加速個人操作。 利維指出，未來人工智慧代理的使用者數量將是人類數量的約一百倍，甚至可能達到一千倍，這將使傳統的「每席位」商業模式失效，企業必須轉向銷售基於消耗量和體量的使用案例。這種轉變為專注於代理優先時代的中小型起點公司帶來巨大機會，因為它們無需改變現有業務流程，可直接設計符合代理優先的新流程，協助企業降低變更管理門檻。利維鼓勵創業者把握目前持續約十五年未見的技術平臺轉型視窗，全力開發新公司，以在技術變革中佔據一席之地。
-
ElevenLabs 董事長表示 AI 音訊模型將隨時間成為「一般商品
ElevenLabs 共同創辦人兼執行長 Mati Staniszewski 在 TechCrunch Disrupt 2025 會議上表示，AI 模型將隨時間推移成為普及商品。他強調，雖然長期來看差異會縮小，但未來一兩年內，公司研究人員仍專注於突破模型架構挑戰，因為目前高品質的 AI 聲音與互動仍是解決關鍵痛點的最大優勢。Staniszewski 指出，儘管不同聲音或語言可能存在細微差異，但短期內自行建構模型仍是唯一有效途徑，長期則會由其他玩家接手。他預見未來一年至兩年內，模型將轉向多模態或融合方式，例如同時生成音訊與影片，並舉 Google 的 Veo 3 為例。ElevenLabs 計劃與其他公司合作並採用開源技術，結合音訊專長與其他模型能力，目標是透過產品與 AI 的結合創造最佳使用案例，類似 Apple 透過軟體與硬體帶來魔法般的效果。