科技浪｜AI泡沫論、企業AI應用、中美AI競賽 專訪 iKala 共同創辦人暨執行長 Sega 程世嘉

科技浪此集節目訪談邀請了 iKala 共同創辦人暨執行長程世嘉（Sega），深入探討當前熱門的 AI 泡沫論、企業導入 AI 的實際應用，以及中美 AI 競爭的現況。Sega 從業界實務角度出發，解析了通用型 AI 公司如 OpenAI 普遍存在的商業模式不穩和高昂硬體成本問題，認為目前市場結構不健康，賣硬體的廠商獲利豐厚，而軟體廠商卻面臨虧損。他進一步從資料、演算法與能源三大面向分析了 AGI（通用人工智慧）的實現困境，認為擴展定律已漸趨緩，因此 AGI 不會很快到來。

在企業應用方面，Sega 指出 AI 轉型對大型企業的成效最為顯著，尤其在客戶服務場景能有效提升生產力，然而企業導入 AI 的過程極為緩慢，主要痛點在於高層推動的決心不足、流程過於複雜，以及企業內部資料凌亂。他觀察到 AI 導入能為企業帶來約 5% 至 20% 的營收增長，但同時可能導致 20% 至 30% 的人力精簡，其中初階技術人員是受影響最嚴重的群體。

談及中美 AI 競賽，Sega 認為美國在基礎創新研究上仍領先，而中國大陸則採取極致優化和開源的策略，透過內需市場落地應用，以資源受限的方式倒逼技術的進步。最後，他分析了西方主要 AI 實驗室的定位：OpenAI 主導消費者品牌，Anthropic（Claude）在 LLM API 和程式碼生成領域快速佔領市場，而 Google 則憑藉其強大的生態系（如 Google Workspace），在企業市場具有巨大的長期優勢。

本集重點整理：

重點一：AI泡沫風險與擴展定律失效
前沿通用型AI公司的商業模式不穩，其年度燒錢速度遠超過營收，若無資本市場持續輸血，現有模式難以支持 。這種市場結構不健康，利潤多被賣硬體的廠商（如NVIDIA）賺取，而軟體應用端則依賴循環投資來維持市場。更關鍵的是，作為AI發展基礎的「擴展定律」（投入越多算力，AI越聰明）已暫時失靈，主要受限於三大瓶頸：人類公開數據預計將在2026至2030年間耗盡；底層Transformer模型的平方級複雜度消耗太大算力；以及訓練模型所需的能源電力供應不足。雖然AI對個人生產力有實質幫助，但市場仍有可能因外部宏觀經濟因素而下修，導致一定程度的泡沫破裂。

重點二：企業AI應用的實際成效與導入摩擦
AI導入的成效與企業規模呈正相關，規模越大的企業效益越明顯。目前最有效的應用場景是客戶服務，AI利用知識庫可為客服人員分擔至少一半以上的對話量，顯著提升生產力。然而，企業導入AI的速度非常緩慢，主要痛點包括高層推動決心不足、企業流程和組織變革涉及多部門協調導致效率低下，以及資料庫整理混亂（光是整理資料就佔了導入時間的八成）。從定量來看，AI應用可帶來約5%到20%的營收增長，但同時，幾乎各行各業的人力都會因此縮減20%到30%，其中初階軟體工程師是受影響最嚴重的群體。

重點三：中美AI競爭路線與西方頂尖實驗室分化
中美兩國的AI發展路線截然不同：美國在基礎研究和人才方面保持創新領導地位，並利用資本市場持續砸錢，最先進的模型多不開源以維持商業競爭優勢。而中國因晶片資源受限，轉而採取極致優化策略，用較低算力訓練出同等效果的模型，並採取開源策略扭轉戰局，使其在應用和落地速度上領先全球。西方頂尖實驗室的定位已趨於明確：OpenAI/ChatGPT定位為消費者品牌；Anthropic/Claude在LLM API市場（尤其是在寫程式方面）快速佔有市場份額；而Google/Gemini則憑藉其廣大的生態系統（Gmail、Workspace等）和企業通路優勢，被認為最有可能在長遠的企業市場競爭中勝出 。