當 Nvidia CEO 黃仁勳、Meta 首席 AI 科學家 Yann LeCun、「深度學習教父」Geoffrey Hinton、蒙特利爾大學教授 Yoshua Bengio、Stanford AI 研究院共同創辦人李飛飛，以及 Nvidia 首席科學家 Bill Dally 因共獲 2025 年伊麗莎白女王工程獎而齊聚倫敦時，全球科技界屏息以待。
四十年孤獨換來的集體頓悟
AI 革命並非一夜之間誕生，而是源自這群科學家長達 40 年的堅守與突破。Geoffrey Hinton 回憶起 1984 年那個改變一切的時刻——他在極其簡陋的電腦上訓練了一個微型模型預測序列中的下一個詞，「我發現它竟然能學到詞語的含義」，這正是今日所有大型語言模型最原始的雛形。同一時期，Yann LeCun 作為一個「懶惰」的工程師，不想逐行編寫程式創造智能，而是著迷於讓機器自己學會智能——這個看似偷懶的想法，成為了機器學習的核心哲學。
然而思想的火花需要燃料才能點燃。2006 年，當時還是年輕教授的李飛飛發現所有演算法都受困於數據匱乏，於是做出了在當時看來極其瘋狂的決定：耗時 3 年手動標註 1,500 萬張相片，建立了名為 ImageNet 的資料集。這個資料集在 2012 年徹底改變了機器學習的軌跡，使深度學習模型的錯誤率降低了 41%，證明了深度學習的可行性並引發了 AI 研究的爆炸性增長。與此同時，黃仁勳和他的團隊正在建造越來越強大的「引擎」——Nvidia 的 GPU。
泡沫還是革命？黃仁勳的精妙回答
當主持人拋出「AI 是否處於泡沫之中」這個尖銳問題時，現場氣氛瞬間緊張。這個問題並非無的放矢——2025 年 10 月，矽谷對 AI 泡沫的擔憂急劇升溫，早期 AI 先驅 Jerry Kaplan 警告「當泡沫破裂時，將是災難性的，除了對 AI 領域，對整體經濟亦然」。AI 企業今年貢獻了美國股市 80% 的漲幅，Gartner 預測全球 AI 支出在 2025 年底前將飆升至 1.5 萬億美元（約港幣 11.7 萬億元）。
黃仁勳的回答堪稱經典。他將當前與 21 世紀初的互聯網泡沫進行對比：當年整個行業鋪設了巨量光纖，但其中絕大多數都是未被點亮的「暗光纖」，需求遠遠跟不上建設。而今天，「幾乎你能找到的每一塊 GPU，都在被點亮並投入使用」。他強調，我們正在創造一個全新的產業——智能工廠。過去的軟件是「工具」，而 AI 第一次成為了「生產力」本身。每一次你問 ChatGPT 問題，它都在為你實時「生產」答案，這個生產過程需要巨大的計算能力。Nvidia 在 2025 年推出的 GB300 系統，單個節點就能提供約 40 petaflops 的算力——相當於 2018 年需要 18,000 個 Volta GPU 的整個 Sierra 超級電腦，6 年內實現了 4,000 倍的性能提升。
然而 Yann LeCun 提出了截然不同的觀點。他認為泡沫在於「認為當前的大型語言模型範式最終能夠發展到人類水平的智能」這一想法，他個人並不相信這一點，並認為需要根本性的突破。李飛飛則強調 AI 仍然是一個非常年輕的領域，除了語言之外，還存在廣闊的「空間智能」等前沿領域有待開拓。Reuters 在 2025 年 11 月的分析指出，AI 可能同時是泡沫和突破：「AI 有潛力塑造商業和經濟的未來，但飆升的股票估值可能意味著不可持續的泡沫」。
通往人類級AI的六條不同道路
當被問及「我們離人類級 AI 還有多遠」這個終極問題時，6 位頂尖專家給出了 6 幅截然不同的未來圖景。「務實派」黃仁勳認為這個問題不重要，「它已經發生了」——我們已經擁有足夠的通用智能轉化為大量有用應用，糾結於學術上的「奇點」定義沒有意義。「協作派」Bill Dally 則指出這是個錯誤的問題，我們的目標從來不是創造 AI 來取代人類，而是「增強」人類，就像飛機會飛但飛行方式與鳥完全不同。
「開拓派」李飛飛提醒我們甚至還沒搞懂「智能」的全貌。她強調人類智能遠不止語言，在空間感知、與物理世界互動方面的能力是今天最強的 AI 也望塵莫及的。「AI 作為一門學科才 70 多年，而物理學已經 400 多年了，還有廣闊的前沿等待我們去征服」。「懷疑派」Yann LeCun 直言不諱：「靠現在這條路，走不到終點」。他認為當前的大型語言模型範式無法通向真正的人類級智能，我們需要根本性的突破，才能造出哪怕和貓一樣聰明的機械人。
「預言派」Geoffrey Hinton 則給出了最具體的時間預測——20 年。這位 AI 教父用一個非常具體的標準定義問題：「多久以後，你和一台機器辯論，它永遠都能贏你？」他的答案是：「我相當肯定，在 20 年內我們會做到」。這與當前學術界的主流預測相符：2025 年 9 月對過去 15 年科學家和產業專家的調查顯示，大多數人認為 AGI 將在 2100 年前出現，更近期的分析預測 AGI 將在 2040 年左右實現。「敬畏派」Yoshua Bengio 則充滿警惕，他認為當 AI 開始具備自己研究 AI 的能力時，將成為「遊戲規則改變者」，自我迭代的速度可能會遠超人類想象。
女王工程獎背後的深層意義
2025 年伊麗莎白女王工程獎的頒發本身就是一個重要訊號。這個獎項共頒給了 7 位工程師（除上述 6 位外還包括神經網絡先驅 John Hopfield），他們將分享 50 萬英鎊的獎金。英國女王工程獎基金會主席 Lord Vallance 表示：「今年我們慶祝這 7 位工程師對現代機器學習的卓越貢獻，這一領域通過結合演算法、硬件和數據徹底改變了人工智能」。
這個獎項的深層意義在於，它承認了 AI 的勝利，除了是軟件演算法的勝利，更是工程系統的勝利。Stanford 大學在慶祝李飛飛獲獎時指出：「通過在 2025 年表彰現代機器學習，女王工程獎強調了 AI 對醫療保健、教育、氣候韌性、可及性和經濟生產力的深遠和多方面影響——以及使之成為可能的工程成就：可擴展的演算法、強大的計算硬件、穩健的資料集和基準，以及跨學科和跨大陸的開放合作」。這 7 位獲獎者的貢獻覆蓋了從基礎理論、演算法設計、大規模資料集、到專用硬件加速器的完整生態系統。
數萬億美元投資的未來走向
這場辯論的實質影響是巨大的。根據最新數據，未來 3 年全球將在 AI 技術上投資約 3 萬億美元（約港幣 23.4 萬億元）。Nvidia 正在推動「AI 工廠」的概念，包括在台灣建設配備 10,000 個 Blackwell GPU 的大規模系統，採用 GB300 NVL72 機架規模架構。OpenAI 計劃到年底前籌集 5,000 億美元（約港幣 3.9 萬億元）在德州建設 10 吉瓦設施。
然而投資回報仍然是個問題。初步研究顯示，雖然投資巨大，企業尚未從 AI 中看到實質性回報。矽谷 Stanford 商學院教授 Anat Admati 指出：「預測泡沫的時機極其困難，你無法確定自己身處泡沫之中，直到它崩潰之後」。但也有樂觀的聲音，AI 社群平台 Hugging Face 的產品開發者 Jeff Boudier 表示：「互聯網是建立在過度投資於電信基礎設施的廢墟之上的。如果 AI 基礎設施存在過度投資，它可能構成財務風險，但也將為眾多創新產品和體驗鋪平道路」。
企業領袖的關鍵決策時刻
對於企業領導者而言，這場倫敦對話傳遞了幾個清晰的訊號。首先，AI 基礎設施的投資確實有別於過去的科技泡沫——當前的算力正在被實際使用，而非閒置。Nvidia 2025 年的數據顯示，新一代 H200 GPU 提供高達 94GB HBM3 記憶體和 3.9TB/s 頻寬，能夠處理大規模模型。其次，當前的大型語言模型範式可能不是終點，企業需要為下一波技術突破做好準備。
第三，AI 的真正價值在於「增強」而非「取代」人類能力。MIT 2025 年 8 月的報告預測，早期類 AGI 系統可能在 2026 至 2028 年間開始出現，展現特定領域內的人類級推理、跨文本和物理介面的多模態能力。企業應該思考如何將 AI 整合到現有工作流程中，而非簡單地期待 AI 完全自動化。最後，正如李飛飛所強調的，「空間智能」等新興領域將開啟全新的商業機會。企業需要保持靈活性，在語言 AI 之外探索計算機視覺、機械人技術和物理世界互動等領域的應用。
這場 6 位巨擘的倫敦對話沒有給出確定的答案，但它揭示了一個更深刻的真理：AI 革命的道路並非單一，而是多元且充滿不確定性。
資料來源： Queen Elizabeth Prize for Engineering Stanford News BBC News Reuters NVIDIA Developer
