close

IT 基建

IT 基建人工智能企業趨勢

企業 AI 轉型的激進實驗:馬斯克大規模裁員讓 Grok 接管 X 平台營運


企業 AI 轉型的激進實驗:馬斯克大規模裁員讓 Grok 接管 X 平台營運

馬斯克正進行科技業最激進的 AI 轉型實驗——將 X 平台(前身 Twitter)的信任與安全工程團隊裁減至不足 10 人,相較 2022 年收購時逾 100 人的規模,裁員幅度高達 90%。這不僅是一次裁員,更是矽谷科技巨頭以 AI 全面取代人力的標誌性事件。外媒《The Information》報道,馬斯克計劃讓旗下 xAI 開發的 Grok 聊天機械人接管 X 平台的推薦演算法、內容審核及多項工程系統。這場變革核心邏輯在於:以 AI 自動化替代傳統人力,利用機器學習模型重構整個平台架構。

雙胞胎工程師主導 AI 革命

為實現這項龐大計劃,馬斯克將重任交給 xAI 兩位 33 歲烏克蘭裔雙胞胎工程師——Dima 與 Ievgin Soboliev。兩人均畢業於哈爾科夫國立大學應用數學系,擁有豐富矽谷科技公司履歷,曾效力 Meta、Google、Apple 及 OpenAI 等頂尖企業。知情人士透露,這對雙胞胎在 xAI 內部推行典型的「馬斯克模式」,要求工程師長時間在辦公室工作(包括週末),根除低效率現象,並迅速裁撤認為不必要的職位。自 2025 年夏季加入 xAI 以來,他們直接向馬斯克匯報,成為推動 Grok 改造 X 平台的核心執行者。

馬斯克的 AI 戰略不限於 X 平台。2025 年 8 月,他宣布成立「Macrohard」,一家純 AI 軟件公司,目標是用人工智能完全模擬 Microsoft 等軟件巨頭的所有產品和服務。從商標註冊內容可見,Macrohard 將涵蓋 AI 語音文本生成、程式碼撰寫、遊戲設計及圖像影片理解系統等領域。這顯示馬斯克正試圖建構「AI 優先」商業帝國,當中人類員工角色將大幅縮減。

科技業掀 AI 裁員潮

馬斯克做法並非孤例,反映整個科技產業結構性轉變。據《Silicon Valley Business Journal》報道,2025 年首 10 個月,全球科技業裁員超過 18.4 萬人,其中約 5 萬人(27.3%)裁員直接與 AI 和自動化工具實施有關。主要科技公司紛紛表示正用 AI 替代人力:IBM 計劃 5 年內用 AI 替代 30% 後勤職位(約 7,800 個崗位);Amazon 行政總裁在內部備忘錄承認,AI 效率提升將導致公司「減少總體企業員工數量」;網上教育平台 Chegg 裁員 45%,理由是 AI 帶來的「新現實」。

Anthropic 行政總裁 Dario Amodei 向美國政府發出警告,指 AI 可能在未來 1 至 5 年內消滅 50% 入門級白領工作,令失業率飆升至 10% 到 20%。前 Google 行政總裁 Eric Schmidt 預測,一年內大部分程式設計工作將由 AI 完成。世界經濟論壇研究估計,到 2030 年,AI、機械人和自動化將取代 9,200 萬個工作崗位,雖然同時創造 1.7 億個新職位,但新舊工作並非一對一替換,技能斷層和地理錯配將成嚴峻挑戰。

平台安全隱憂浮現

馬斯克激進裁員策略已開始暴露風險。澳洲網絡安全專員發布報告顯示,自馬斯克收購 Twitter 以來,X 平台信任與安全團隊從 4,062 人削減至 2,849 人,全職內容審核團隊從 107 人減半至 51 人,專門負責信任與安全的工程師從 279 人驟降至 55 人,裁減幅度達 80%。裁員直接影響平台安全表現:用戶回報仇恨帖文的回應時間延長 20%,處理仇恨私人訊息速度減緩 70%。

更深層矛盾在於,負責平台安全團隊對 Grok 生成內容毫無控制權,形成「權責不對等」困境。當安全團隊忙於清理 Grok 生成的有害內容時,xAI 團隊可能正訓練 Grok 變得更具「創造性」。這種內部目標不一致,令平台安全問題陷入無人負責真空地帶。X 平台亦因信任與安全團隊不穩定,在推動支付服務「X Money」時遭遇監管機構阻力,因金融監管機構要求支付公司必須擁有穩定領導層和足夠員工支援客戶及打擊欺詐。

AI 雙面刃:效率與風險

McKinsey 的 2025 年職場 AI 報告指出,AI 代理已能與客戶對話並自主規劃後續行動(如處理付款、檢查存貨),為企業帶來顯著效率提升。然而 AI 驅動的內容審核系統面臨「語境理解不足」根本限制,缺乏理解細微差異能力,令 AI 系統若非過度過濾,便是放任有害內容通過。2025 年加拿大選舉前,Deepfake(深度偽造)影片在 Facebook 病毒式傳播即為一例;X 平台也因內容審核和演算法透明度不足,遭歐盟《數碼服務法》罰款。

J.P. Morgan 全球研究部門分析師 Brenda Duverce 指出,愈來愈多公司部署 AI 模型增強或取代現有員工,特別是涉及常規和重複性任務(如資料輸入和客戶服務)職位。AI 對就業影響可能在經濟衰退時期更嚴峻,在下一次經濟衰退中,AI 工具快速廣泛採用可能引發「主要由非常規認知任務組成的職業」大規模失業潮。

企業決策者的戰略思考

馬斯克 AI 轉型實驗為全球企業領導者提供重要啟示。PwC 的 2025 年全球 AI 工作晴雨表研究顯示,AI 可讓員工變得更有價值,而非更少價值,即使在高度可自動化工作中亦然。關鍵在於企業如何平衡短期成本削減與長期能力建設。過度裁減專業團隊(如信任與安全部門)可能削弱平台風險管理能力,最終導致監管罰款、用戶流失及品牌信譽受損等長期成本。

科技業分析師 Alan Cohen 表示,關稅、貿易緊張局勢和需求疲軟壓力,迫使科技巨頭在 AI 自動化本應創造新工作時大幅削減成本,結果 AI 反而取代更多現有職位。對企業而言,真正挑戰不單是工作數量變化,更是技能斷層、地理錯配及組織文化轉型。在這場 AI 革命中存活下來的企業,將是那些能夠執行「AI 無法複製」任務的團隊,這要求企業在追求自動化效率同時,保留並培養人類獨特創造力、判斷力和情境理解能力。

資料來源: The Information Business Insider CNBC IEEE Computer Society Axios

 

read more
IT 基建人工智能企業趨勢微電子業

馬斯克啟動「TeraFab」建廠計劃 Tesla AI 晶片年產能目標超全球科技巨頭總和


馬斯克啟動「TeraFab」建廠計劃 Tesla AI 晶片年產能目標超全球科技巨頭總和

Tesla 行政總裁馬斯克宣佈,公司已確立每 12 個月推出一款新 AI 晶片的生產節奏,目標是晶片產量最終超越所有其他科技公司的總和。此宣示意味 Tesla 正從電動車製造商轉型為半導體產業重要參與者,挑戰 Nvidia、AMD 等傳統 AI 晶片霸主地位。馬斯克透露,目前車載版本為 AI4 晶片,AI5 即將完成流片(tape out),AI6 已啟動研發。為解決產能瓶頸,Tesla 計劃建立名為「TeraFab」的超大型晶圓廠,規模將超越台積電 Gigafab 等級。

垂直整合戰略推動自主晶片產能擴張

Tesla 對 AI 晶片需求源於多元化產品線爆炸性增長。據《Bloomberg》報導,AI5 晶片將部署於 Tesla 汽車、數據中心、預計推出的 Cybercab 自動駕駛的士及 Optimus 人形機械人。馬斯克在股東會議中指出,即使整合台積電、Samsung 等 4 座晶圓廠產能,仍無法滿足公司預估需求。Tesla 目標在未來數年內達到年產 500 萬輛汽車,加上數百萬台人形機械人,每個單元需搭載多顆 AI 晶片,總需求量將達數億至數十億顆級別。

這種供需缺口促使 Tesla 採取 Apple 式垂直整合策略。投資分析平台 AInvest 指出,Tesla 透過自主設計晶片、軟件和數據閉環系統,正減少對傳統供應商依賴。與外部採購相比,自研晶片可針對全自動駕駛(FSD)和機械人控制進行專用最佳化,在成本、功耗和效能上取得優勢。馬斯克聲稱,AI5 晶片效能可比擬 Nvidia 旗艦 Blackwell 晶片,但功耗僅三分之一,生產成本不到 10%。若能實現此經濟效益,將徹底改變 AI 運算成本結構。

AI5 世代晶片規格與競爭定位分析

根據《NotATeslaApp》報導,AI5 晶片相較前代 AI4 實現技術代際躍進:運算效能提升 10 倍、記憶體容量增加 9 倍、區塊量化效能提升 5 倍。這些規格專為支援百萬輛級別自動駕駛車隊和人形機械人即時推理運算而設計。半導體產業分析師指出,Tesla 戰略性放棄自研 Dojo 訓練晶片,轉而專注於推理晶片開發,符合商業優先思維。推理晶片直接應用於終端產品,產生即時營收,而訓練晶片市場規模較小且競爭激烈。

在製程技術方面,南韓《朝鮮日報》報導,Samsung Electronics 已獲得 AI6 晶片價值 165 億美元(約港幣 1,287 億元)生產合約,將採用 2nm SF2 製程於美國德州 Taylor 廠生產。同時,AI5 晶片將由台積電和 Samsung 分別在亞利桑那州和德州廠區代工。馬斯克特別強調,Samsung 德州廠設備「技術上略為領先」台積電亞利桑那廠,這可能影響未來訂單分配。雖然兩家代工廠對設計物理轉換方式不同,但 Tesla 的 AI 軟件可在兩種晶片上完全相容運作。

值得留意,與 Nvidia Blackwell 或 AMD MI350 系列相比,Tesla 晶片屬於 ASIC(應用專用積體電路),並非通用 GPU。Nvidia 憑藉 H100、B200 等產品主導 AI 訓練市場,其 2025 年市值達 4.16 兆美元(約港幣 32.4 兆元),而 AMD 以較低價格定位競爭,MI350 推理效能較前代提升 35 倍。Tesla 差異化在於針對自動駕駛和機械人場景垂直最佳化,犧牲通用性換取極致功耗效率和成本優勢。

TeraFab 建廠計劃的技術挑戰與供應鏈重構

馬斯克在股東會議中透露,Tesla 正評估建立「TeraFab」晶圓廠可能性,規模將遠超台積電 Gigafab 概念。台積電將月產能 10 萬片以上廠區稱為 Gigafab,其亞利桑那 Fab 21 總投資將達 1,650 億美元(約港幣 1.28 兆元)。若 Tesla 之 TeraFab 成真,將需要天文數字級別資本支出和技術人才。馬斯克坦言:「即使外推供應商最佳情境,產能仍不足。我看不到其他方法滿足晶片需求量。」

然而,半導體製造複雜度遠超汽車組裝。《Tom’s Hardware》分析指出,建立先進製程晶圓廠需要掌握數千個製程步驟,涵蓋前段(FEOL)、中段(MOL)和後段(BEOL)模組,每個步驟涉及數百至數千個參數調校。這些技術累積需要數十年經驗,且無法從 IBM、Imec 等研發機構直接授權。Tesla 雖曾為 SpaceX 建立晶片供應鏈零件,但要達到 AI 晶片量產規模,唯一可行路徑是透過合作夥伴和產能擴張。

供應鏈專家指出,Tesla 多元化代工策略既是風險分散,亦是產能保障。台積電擁有成熟製程和高良率,Samsung 提供最新設備和產能彈性,而傳聞中 Intel 代工合作(18A 製程)則增加談判籌碼。這種「三足鼎立」佈局確保任一供應商出現問題時,不致癱瘓整體生產。但《Digitimes》報導警告,即使整合三大代工廠,Tesla 產能缺口依然巨大,這正是 TeraFab 計劃戰略必要性所在。

自動駕駛車隊與人形機械人驅動晶片需求爆發

Tesla AI 晶片需求驅動力來自三大應用場景。首先是全自動駕駛系統,馬斯克承諾 Cybercab 無方向盤自動駕駛的士將於 2026 年 4 月開始生產。每輛 Cybercab 需搭載多顆 AI5 晶片進行即時環境感知和路徑規劃,若車隊規模達百萬輛,單此項目年需求即達數百萬至千萬顆。其次是 Optimus 人形機械人,馬斯克預測其製造成本最終可降至 2 萬美元(約港幣 15.6 萬元),並聲稱「執行手術優於最佳人類外科醫生」、「消除貧困」。若 Optimus 達到量產,每台機械人需要運算能力將超過汽車,因其需處理更複雜運動控制和人機互動。

第三大應用是 Tesla 自有數據中心。《NotATeslaApp》報導,自公司放棄 Dojo 訓練晶片後,AI5 將同時承擔推理和訓練任務。同時,馬斯克旗下 xAI 公司正在沙特阿拉伯建設 500MW 數據中心,可能採用 Tesla 晶片。這種跨公司資源整合進一步推高晶片需求。馬斯克甚至提出「分散式超級電腦」概念,將停放中 Tesla 車隊作為運算節點,若能實現則需為所有車輛配備 AI5,總量將達數億顆級別。

產業分析師郭明錤指出,雖然馬斯克計劃聽起來極為激進,但從供應鏈動態來看其戰略屬實。Tesla 股價年初至今上漲 13.25%,反映投資者對 AI 晶片戰略具信心。馬斯克強調,這些晶片將「透過更安全駕駛拯救無數生命,並透過 Optimus 向全球提供先進醫療照護」,將技術發展與社會價值連結。

對半導體產業格局的長期影響

Tesla 晶片戰略正重塑半導體產業競爭態勢。對於台積電和 Samsung 而言,Tesla 是繼 Apple、Nvidia 後又一超級客戶,但也屬潛在長期威脅。一旦 TeraFab 建成,Tesla 可能逐步收回部分產能,壓縮代工廠市場空間。Epium 分析指出,當前全球約 90% 最先進 AI 晶片由台積電生產,這種高度集中增加地緣政治風險。Tesla 多元化佈局和自建廠計劃,呼應美國《晶片法案》推動供應鏈在地化趨勢。

對 Nvidia 和 AMD 而言,Tesla 崛起是直接挑戰。雖然 Tesla 晶片目前僅供內部使用,但其「10% 成本、33% 功耗」規格若被驗證,可能促使其他車廠和機械人公司開發專用 ASIC,侵蝕通用 GPU 市場。Nvidia 護城河在於 CUDA 軟件生態系統和 Transformer Engine 等專用硬件,但在推理應用領域,專用晶片效率優勢正逐漸顯現。這場競賽結果將決定未來十年 AI 運算技術路線:是通用 GPU 主導,還是各領域專用晶片百花齊放。

從企業戰略角度,Tesla 晶片計劃展示科技巨頭走向垂直整合典範。如同 Apple 以自研 M 系列晶片擺脫 Intel 依賴,Tesla 正透過 AI 晶片掌握核心技術主導權。這對台灣半導體產業既是機遇亦是警訊:短期內代工訂單激增,長期則面臨客戶自主化挑戰。台積電和 Samsung 需在製程技術、先進封裝(CoWoS、SoIC)等領域持續領先,才能維持不可替代性。

自主晶片生態系統重新定義汽車科技競爭力

Tesla AI 晶片戰略為全球汽車產業樹立新典範:未來競爭力將取決於軟件硬件整合能力,而非傳統機械工程。當 Tesla 每年推出新世代晶片時,傳統車廠若持續依賴外部供應商,技術代差將逐年擴大。馬斯克曾表示計劃每年生產高達 2,000 億顆 AI 晶片,此數字雖誇張但突顯其決心。隨著 AI5 於 2027 年量產、AI6 研發啟動,Tesla 正構建一個從晶片設計、製造到應用完整閉環生態系統。

然而挑戰依然艱鉅。半導體建廠週期長達 5 至 7 年,TeraFab 何時落實仍是未知數。AI5 實際效能表現、良率爬升速度、與 Nvidia 真實對比,均需等待市場驗證。對投資者而言,Tesla AI 晶片計劃既是增長動能,亦是資本支出風險。對產業而言,一場圍繞 AI 運算主導權爭奪戰已然開打。Tesla 能否如馬斯克所言「產量超越所有其他製造商」,將在未來三至五年內揭曉,並深刻影響汽車、機械人和半導體三大產業版圖重構。

資料來源: BloombergTom’s HardwareNotATeslaAppThe Chosun DailyInvestopedia

 

read more
IT 基建雲端服務

Amazon Leo 發佈進軍衛星網路高達 1 Gbps 下載 高度整合 AWS 生態挑戰 Starlink

Amazon 於 2025 年 11 月 23 日正式公布其衛星網絡服務品牌「Amazon Leo」(前身為 Project Kuiper 計劃),同步發表企業級終端機 Leo Ultra,提供高達 1 Gbps 下載及 400 Mbps 上載速度,直接瞄準 SpaceX 旗下 Starlink 在全球衛星網絡市場的領導地位。這款配備 Amazon 自研晶片的全雙工相位陣列天線,預計於 2026 年正式商轉,目前已有超過 150 顆衛星在軌運行並展開初步網絡測試。Amazon 此舉標誌著科技巨頭正式從雲端服務延伸至太空基礎建設,將為企業客戶提供結合 AWS 雲端運算的端對端解決方案。

企業級硬件規格突破傳統衛星網絡限制

Leo Ultra 終端機採用 20 吋 x 30 吋 x 1.9 吋的輕薄設計,整合防水外殼與散熱系統,專為極端環境下的企業部署而研發。Amazon 消費者與企業業務副總裁 Chris Weber 表示,Amazon Leo 為在具挑戰性環境中營運的企業帶來機遇,從衛星網絡設計到高效能相位陣列天線組合,均專為滿足最複雜的商業與政府客戶需求而建立。這款終端機搭載 Amazon Leo 自研矽晶片,支援低延遲應用如視像會議、實時監控及雲端運算,被 Amazon 稱為「目前生產中最快的商用終端機」。

除了高階的 Ultra 型號,Amazon 同步推出兩款不同規格產品以覆蓋多元市場需求。Leo Pro 終端機提供最高 400 Mbps 下載速度,而小型化的 Leo Nano 則支援最高 100 Mbps 連線,三款產品均採用「即插即用」設計與自動定向天線技術,大幅降低技術門檻。相較於傳統地球同步軌道(GEO)衛星系統,低軌道(LEO)衛星群能提供更低延遲與更高頻寬,近期加州大學聖地牙哥分校與馬里蘭大學的研究更揭露傳統 GEO 系統存在未加密通訊的嚴重安全漏洞。

私有網絡服務建立差異化競爭優勢

Amazon Leo 的核心競爭策略並非單純比拼網速,而是深度整合 AWS 雲端生態系統。服務包括「Direct to AWS」功能,允許企業客戶直接連接雲端服務而無需經過公共網絡,以及「Private Network Interconnects」提供數據中心的專線連結。這種衛星與雲端的無縫整合模式,讓偏遠地區的企業能以與都市相當的效能存取 Amazon EC2 運算資源與 S3 儲存服務,類似現有衛星營運商 Intelsat 與 SES 透過 AWS Direct Connect 提供的託管連線服務。

目前已有 JetBlue 航空、Hunt Energy Network、澳洲國家寬頻網絡(NBN)、L3Harris 及 Connected Farms 等企業夥伴加入企業預覽計劃。這些早期採用者涵蓋航空、能源、製造、運輸及媒體等關鍵產業,反映企業級客戶對可靠偏遠連線的迫切需求。Amazon 目前正向預覽計劃參與者發送 Leo Pro 與 Leo Ultra 終端機進行實地測試,但尚未公開終端機定價策略。

衛星網絡市場進入關鍵競爭階段

全球 LEO 與 GEO 衛星網絡市場預計將從 2025 年的 145.6 億美元(約港幣 1,135.7 億元)成長至 2030 年的 334.4 億美元(約港幣 2,608.3 億元),年複合成長率達 18.1%。消費者寬頻用戶數預期從 2025 年的 620 萬增長至 2030 年的 1,560 萬。然而 Amazon Leo 面臨的是已具顯著先行者優勢的 Starlink——SpaceX 已於 2025 年 10 月前發射超過 2,500 顆衛星,截至 2025 年 11 月擁有超過 800 萬用戶,2025 年預估營收達 118 億美元(約港幣 920.4 億元),佔 SpaceX 總營收約 70%。

Starlink 的垂直整合優勢明顯:自行製造衛星、使用自家火箭發射、控制從地面站到用戶終端的完整技術堆疊。這種規模經濟已將終端機成本從發布時的 3,000 美元(約港幣 23,400 元)壓低至目前的 600 美元(約港幣 4,680 元),並持續透過衛星群密度創造網絡效應來強化服務品質。相較之下,Amazon Leo 目前僅有 150 顆衛星在軌,計劃最終部署超過 3,000 顆衛星才能實現全球覆蓋。

亞太市場成為 LEO 衛星服務戰略要地

亞太地區預計將在 2025 年佔據全球衛星網絡市場 30.7% 的佔有率,成為成長最快的區域市場。印度、澳洲及東南亞國家的廣闊地理範圍與多樣地形,使衛星網絡成為縮小數碼鴻溝的有效解決方案。中國正透過國網計劃推動國家級 LEO 衛星群,規劃部署超過 13,000 顆衛星。亞太地區超過 50% 至 60% 人口居住在鄉村地區,政府資助的寬頻擴展計劃持續增加,為衛星服務營運商創造強勁需求。

對於企業客戶而言,Amazon Leo 與 Starlink 的競爭將為市場帶來更多選擇與價格壓力。企業網絡部門預計將在 2025 年主導衛星網絡市場,能源、海事及物流等產業需要安全數據傳輸、雲端存取與物聯網支援。隨著終端機成本下降與 SD-WAN 整合技術成熟,企業採用衛星網絡的障礙正逐步消除。Amazon 若能成功整合其全球 AWS 基礎設施與 Leo 衛星網絡,將在企業市場建立獨特的競爭護城河,但能否在 Starlink 已建立 8 年先發優勢的市場中快速追趕,仍有待 2026 年正式商轉後的市場驗證。

資料來源: About Amazon CNBC The Verge MarketsandMarkets Sacra

 

read more
IT 基建企業趨勢

《新田科技城創科產業發展規劃概念綱要》分析解讀:對企業的「隱形」紅利與風險對沖

特區政府發布《新田科技城創科產業發展規劃概念綱要》(下稱《綱要》),對於密切關注香港創科發展的企業領袖而言,這是一份值得深入研究的戰略文件。這份文件最核心的商業價值,在於解決香港「無地生產」的長期痛處,並在基礎設施、營運效率及資本合作模式上,提出企業極為關注的具體解決方案。對於企業決策者來說,新田科技城不僅是研發中心的選址,更是一個可進行中試及小規模量產的完整產業基地。我們更找來香港資訊科技商會榮譽會長方保僑對於此綱要提供業界的觀察洞見。

專業基建 為特殊製程度身訂造產業配套

企業在評估設廠選址時,最關注工業配套是否已有所準備。新田科技城的規劃顯示,政府充分理解先進製造業的特殊需求。對於微電子與新材料企業而言,生產過程往往涉及大量工業廢水處理,這是一筆龐大的環保與營運成本。《綱要》明確指出,園區將建設專用再生水處理及回收再用設施,專門服務微電子與新材料產業,確保製程穩定並實現環保的可持續營運。

對於生命健康科技企業,《綱要》提及將配套建設冷鏈物流及生物樣本儲存庫等專業設施。這些專業基建的存在,意味著企業無需自行承擔高昂基礎建設投資,即可享有工業級配套服務。同時《綱要》亦提及數據中心、運算中心等支援人工智能產業發展的基建,為大數據處理、模型訓練和測試提供強大運算資源和安全環境。

香港資訊科技商會榮譽會長方保僑指出,硬件配套固然重要,但企業在進駐初期仍需關注供應鏈實際運作情況。雖然新田強調與深圳連接,但跨境物流的資格認證與關鍵零部件通關效率,仍需企業密切留意政府在「供應鏈數碼化」方面的實施進程,以免影響產能。

 

分期策略與彈性空間 把握進駐最佳時機

時機選擇往往決定戰略優勢大小。企業決策者必須留意,新田科技城發展並非一次性推出,而是細分為 5 個階段。這種分期策略為不同類型企業提供不同戰略切入點。

若企業急需承接河套香港園區科研成果進行產業化,應關注第一期第二階段(P1S2),該階段定位為產業生態延展,專注於產業鏈中下游延伸空間。若目標是設立區域總部並尋求成熟商業氛圍,第一期第三階段(P1S3)的產城中樞將提供最完善綜合功能,包括國際總部、商業綜合體及人才公寓空間。

更重要的是,面對科技行業快速迭代,企業往往擔心未來擴張空間受限。《綱要》揭示一項關鍵彈性設計:整體規劃將預留 20% 至 30% 土地作為「戰略留白」,並可根據實際發展情況靈活調整。特別值得注意的是,在第一期第四階段(P1S4)就會預留更多戰略留白用地,而非等到第二期才有擴張機會。

此安排對企業決策極具價值,意味著企業現在的投資在未來 5 到 10 年內就有原地擴張可能性,無需等到 2035 年後的第二期才考慮擴張。這種中期就能獲得的擴張彈性,對於需要快速迭代產品、調整產能的科技企業來說,是至關重要的戰略保障。無需擔心被周邊發展限制,企業可根據市場變化和技術演進,靈活規劃自身成長路徑。

智慧交通願景 理想與現實平衡考量

在佔地廣闊園區內,人員與物資高效流動至關重要。規劃中提出具前瞻性的解決方案——「新田雲端連廊」。這不只是行人天橋網絡,更考慮引入低運量環保公共交通,如自動行人道、個人快速運輸系統或自動駕駛接駁系統。對於需要在不同實驗室、中試工廠及辦公大樓之間頻繁往來的研發團隊而言,這種內部智慧交通網絡將大幅提升營運效率。

方保僑從智慧交通角度分析,雖然無人運輸系統極適合高頻率精密零件運輸,但目前技術標準與法規尚未完全配套。企業在初期規劃時,不能完全依賴藍圖中的先進系統,仍需準備傳統運輸方案作為過渡,待法規標準化後再全面升級。

人才社區軟實力 從居住跨越至宜居

在人才爭奪戰中,新田科技城的「軟實力」佈局同樣值得關注。為吸引並留住國際頂尖人才,規劃不只提供人才公寓,更致力構建「10 分鐘生活圈」。在第二期規劃中,明確提到建設「科研人員社區」及相應「教育配套設施」,以滿足創科人才子女就讀需要。第一期第三和第四階段也規劃了酒店、人才交流場地、休閒商業街等生活配套。

方保僑認為,硬件公寓容易興建,但社區氛圍需要時間培養。對於習慣國際都會生活的頂尖科學家,這些教育與社區配套落實程度,將是企業從全球招募高階人才時,除薪資外最重要的考慮因素。

 

投資模式選擇 租戶還是合作夥伴

對於擁有資本實力的企業,《綱要》提出的開發模式開啟多元化參與機會。政府將遵循「有為政府、高效市場」原則,考慮成立「平台公司」主導開發。這家平台公司將採用雙層或多層架構:第一層由政府全資擁有,確保戰略方向符合政府產業政策目標;第二層則允許設立子公司(項目公司),引入市場資金與企業合作。

這意味著企業除可作為租戶進駐外,更有機會透過建設-營運-移交(BOT)、建設-擁有-營運(BOO)、合資模式或設計-建設-融資-營運(DBFO)等不同方式,直接參與特定園區開發與營運。市場合作方選擇相當多元,包括私募基金等資金方、具有創科產業發展經驗的產業方、本地及海內外地產開發商,以及多元化企業或國有企業等。

方保僑建議,大型科技企業應積極考慮合資參股,以鎖定長期營運成本並掌握話語權;但對於中型創科企業,以租戶身份靈活進駐或許是更穩健策略,既能享受生態紅利,又可減低資本壓力。

產業轉型新動能引擎

新田科技城提供的不只是土地,而是一套包含專用基建、彈性空間及智慧交通的綜合解決方案。隨著 2025 年土地回收與平整工作啟動,企業現在就應開始審視自身供應鏈佈局和戰略定位。

方保僑總結時強調,新田科技城落實執行不僅是基礎建設推進,更是香港創科由政策框架走向實質產業集群的關鍵一步。初創及大型企業應充分利用這裡的空間資源與上下游產業鏈,促進科研與規模生產協同發展。新田科技城將成為未來 10 年香港產業轉型的「新動能引擎」,助力本地企業突破地理與政策限制,深度融入大灣區並向全球市場拓展。

根據顧問機構評估,新田科技城完全運作後,預計每年可為香港本地生產總值貢獻約 2,500 億元,並創造超過 30 萬個全職工作崗位。這不單是數字上的經濟貢獻,更代表香港經濟結構從「南金融、北創科」戰略佈局的實質推進,為企業在這個轉型過程中提供明確發展方向和實質支援平台。

read more
IT 基建人工智能企業趨勢

矽谷創業家與投資者風向大轉變: OpenAI 被票選為第二「最可能失敗」AI 巨頭


矽谷創業家與投資者風向大轉變: OpenAI 被票選為第二「最可能失敗」AI 巨頭

在 2025 年 11 月於三藩市舉行的 Cerebral Valley 峰會上,一項由超過 300 位 AI 創業家與投資者參與的匿名調查,揭示令人震驚的結果:估值近 5,000 億美元(約港幣 3.9 兆元)的行業領導者 OpenAI,被業內人士票選為第二「最可能失敗的獨角獸」,僅次於估值 200 億美元(約港幣 1,560 億元)的 AI 搜尋引擎 Perplexity。這項調查由獨立記者 Alex Heath 主持,參與者主要為 AI 公司創辦人、投資者、產品負責人與工程師,代表矽谷內部最真實的情緒轉變。調查同時顯示,當被問及願意投資哪家私營科技公司時,與會者選擇 OpenAI 的主要競爭對手 Anthropic,標誌投資者對 AI 競賽看法出現重大轉折。

財務黑洞響起警號

OpenAI 的財務數據揭示業界悲觀情緒的根源。根據《The Wall Street Journal》取得的財務文件,該公司預計 2025 年將產生 90 億美元(約港幣 702 億元)虧損,而收入僅為 130 億美元(約港幣 1,014 億元),相當於每賺 1 美元就要虧損 0.69 美元。更令人擔憂的是,到 2028 年,OpenAI 的營運虧損預計將膨脹至 740 億美元(約港幣 5,772 億元),約佔當年預期收入的四分之三。《The Information》報道指出,該公司累計虧損將在 2029 年達到 1,150 億美元(約港幣 8,970 億元),而這些數據尚未計入最近簽署高達 1.4 兆美元(約港幣 10.92 兆元)的運算設備採購合約。雖然行政總裁 Sarah Friar 表示公司利潤率健康,若有意願可實現收支平衡,但行政總裁 Sam Altman 承認必須持續集資才能維持公司運作。OpenAI 預計要到 2030 年才能達到收支平衡,比競爭對手 Anthropic 的 2028 年目標遲了兩年。

商業模式陷困境

OpenAI 面臨的核心問題,在於其商業模式的結構性缺陷。根據公司高層向《Financial Times》透露的數據,ChatGPT 擁有 8 億用戶,但僅有 5% 用戶願意付費。約 70% 經常性收入來自 ChatGPT 訂閱服務(包括每月 20 美元及 200 美元的方案),但 95% 免費用戶意味著巨大的運算成本無法轉化為收入。Menlo Ventures 分析顯示,基於 100 億美元(約港幣 780 億元)年度營收和 8 億月活躍用戶計算,僅約 4,000 萬用戶每月支付 20 美元(約港幣 156 元)。同時,OpenAI 承諾在未來十年投資超過 1 兆美元(約港幣 7.8 兆元)於運算基礎設施,其中僅備用數據中心容量就花費近 1,000 億美元(約港幣 7,800 億元)。這種「先燒錢再獲利」的策略,需要市場對 AI 需求持續以預期速度激增,否則可能面臨資金鏈斷裂風險。

競爭對手 Anthropic 強勢崛起

Anthropic 快速崛起成為 OpenAI 最大威脅。根據 Menlo Ventures 於 2025 年 7 月發布的企業大型語言模型市場報告,Anthropic 已佔據 32% 企業 AI 市場佔有率,超越 OpenAI 的 25%。相較之下,OpenAI 在 2023 年曾主導 50% 市場佔有率。Anthropic 收入從 2024 年初的 8.7 億美元(約港幣 67.8 億元)飆升至 2025 年 8 月超過 50 億美元(約港幣 390 億元),並預計到 2025 年底達到 90 億美元(約港幣 702 億元)年度經常性收入。《The Information》報道指出,該公司預測 2028 年將實現 700 億美元(約港幣 5,460 億元)收入和 170 億美元(約港幣 1,326 億元)現金流,毛利率將從去年的負 94% 提升至 2028 年的 77%。Anthropic 的獨立產品 Claude Code 於 2025 年 5 月推出後,年營收已突破 10 億美元(約港幣 78 億元),相較 7 月的 4 億美元(約港幣 31.2 億元)大幅成長。企業客戶數量從兩年前不足 1,000 家增長至目前超過 30 萬家,顯示其 B2B 策略非常成功。

AI 泡沫化疑慮重現

矽谷對 AI 產業泡沫化的擔憂正在升溫。OpenAI 估值在短時間內從 140 億美元(約港幣 1,092 億元)飆升至近 5,000 億美元(約港幣 3.9 兆元),分析師將這種狂熱與 2000 年代初期的科網股泡沫相提並論。UBS 首席全球股票策略師 Andrew Garthwaite 指出,AI 熱潮具備典型泡沫的所有特徵:「趁低吸納」心態、「這次不同」的信念、散戶參與度增加,以及寬鬆貨幣條件。不過,獨立分析師 Damon Visser 認為當前情況與科網股泡沫存在關鍵差異:「這不是科網股泡沫,因為需求遠遠超過供應」。他引用 CoreWeave 財報電話會議為例,雖然該公司收入積壓在一季內幾乎倍增至 556 億美元(約港幣 4,336.8 億元),但因電力基礎設施延遲交付,不得不將 2025 年資本支出指引削減高達 40%。Oracle 行政總裁 Safra Catz 也證實,雖然擁有 4,550 億美元(約港幣 3.55 兆元)收入積壓和與 Meta、OpenAI、xAI 的重大合約,該公司仍因容量短缺而「繼續拒絕客戶」。

Perplexity 面臨法律與估值挑戰

在「最可能失敗」榜單上排名第一的 Perplexity 面臨更嚴峻挑戰。這家由前 OpenAI 研究員 Aravind Srinivas 於 2022 年創立的 AI 搜尋引擎,估值從 2024 年初 5 億美元(約港幣 39 億元)飆升至 2025 年 9 月的 200 億美元(約港幣 1,560 億元),部分投資者甚至開出高達 500 億美元(約港幣 3,900 億元)估價。然而該公司正面臨多宗版權訴訟和法律爭議,股東包括 Amazon 創辦人 Jeff Bezos、Nvidia、Databricks 與 Samsung 等。《Business Insider》報道指出,投資者對 Perplexity 的熱切需求正好展示「AI 泡沫有多瘋狂」。雖然公司行政總裁在 2025 年 4 月表示服務約 3,000 萬用戶,並已從訂閱制擴展至廣告和電子商務收入模式,但快速膨脹的估值與實際營收之間的落差,令業界質疑。

產業洗牌與未來展望

Cerebral Valley 調查還顯示其他進入「可能失敗」名單的初創公司包括 Cursor、Figure、Harvey、Mercor、Mistral 和 Thinking Machines。雖然悲觀情緒蔓延,參與者仍預測 Nvidia 市值可能在 2026 年底前達到 6 兆美元(約港幣 46.8 兆元),反映市場對 AI 基礎設施供應商持續有信心。調查同時顯示,當被問及明年 LMArena 排行榜領導者時,與會者一致認為 OpenAI 仍將位居榜首,突顯其技術領先地位與商業模式困境之間的矛盾。企業大型語言模型(LLM)支出已從 2024 年 11 月的 35 億美元(約港幣 273 億元)增長至 2025 年中期的 84 億美元(約港幣 655.2 億元),顯示市場需求依然強勁。Menlo Ventures 合夥人 Tim Tully 表示:「隨著企業 LLM 支出突破 80 億美元,Anthropic 正在獲取大部分市場佔有率,而 Google 也迅速躋身第三。」

對企業決策者的啟示

這次調查揭示的情緒轉變,對企業決策者具有重要意義。首先,技術領先不等於商業成功,OpenAI 雖在模型能力上保持優勢,但無法將流量轉化為收入的困境值得警惕。其次,B2B 市場正成為 AI 變現的主戰場,Anthropic 透過專注企業客戶實現快速成長,證明穩定的企業收入比消費者流量更具價值。第三,財務紀律在資本密集型產業中至關重要,Anthropic 預計 2028 年實現收支平衡的目標,相較 OpenAI 延後至 2030 年的計劃更受投資者青睞。最後,基礎設施瓶頸可能成為 AI 產業下一階段關鍵制約因素,電力供應與數據中心容量短缺正限制企業將積壓訂單轉化為實際收入的能力。隨著 AI 競賽進入新階段,能夠在技術創新與財務健康之間取得平衡的企業,將更有機會在這場長期競賽中勝出。

 

資料來源:cnBeta.COMFortuneTechChannel NewsThe Wall Street JournalGlobeNewswire

read more
IT 基建企業趨勢業界消息

Amazon 貝佐斯 62 億豪賭物理 AI: 重返行政總裁寶座的戰略意圖


貝佐斯 62 億豪賭物理 AI: 重返行政總裁寶座的戰略意圖

Amazon 創辦人 Jeff Bezos 於 2025 年 11 月宣布投入 62 億美元(約港幣 483.6 億元)創立人工智能新創公司 Project Prometheus,並親自出任共同行政總裁,這是他自 2021 年 7 月卸任 Amazon 行政總裁以來首次重返企業營運第一線。這筆資金使 Project Prometheus 成為全球資金最雄厚的早期新創公司之一,遠超前 OpenAI 技術長 Mira Murati 今年稍早創立的 Thinking Machines Lab 所募得的 20 億美元(約港幣 156 億元)。該公司專注於將 AI 應用於「物理世界」的工程與製造任務,鎖定航太、汽車、電腦等產業,預期與 Bezos 旗下太空公司 Blue Origin 產生深度協同效應。

頂尖科學家聯手:印度裔物理學家掌舵技術願景

Bezos 的共同創辦人兼共同行政總裁是資深物理學家暨化學家 Dr. Vikram Bajaj。這位印度裔科學家擁有橫跨科技與生命科學的豐富經歷。Bajaj 曾在 Google X「登月工廠」擔任主管,與 Google 共同創辦人 Sergey Brin 密切合作開發 Waymo 自動駕駛汽車等突破性專案。他隨後共同創辦了 Alphabet 旗下的精準醫療公司 Verily Life Sciences 並擔任首席科學官,後來在癌症早期篩檢公司 GRAIL 貢獻關鍵技術,最近則擔任 Foresite Labs 的行政總裁和共同創辦人,專注於以 AI 驅動醫療保健和生命科學創新。據知情人士透露,Bajaj 已辭去 Foresite Labs 職務,全力投入 Project Prometheus 的技術願景。

Project Prometheus 已聘僱近 100 名員工,其中不乏從 OpenAI、DeepMind、Meta 等頂尖 AI 實驗室挖角而來的高階研究員。這場人才爭奪戰正在矽谷白熱化進行:Meta 為吸引 OpenAI 和 DeepMind 的研究人員,開出高達 1 億美元(約港幣 7.8 億元)的薪酬方案,最近招募的 Apple Foundation Models 團隊負責人 Ruoming Pang 薪酬包更超過 2 億美元(約港幣 15.6 億元)。Google DeepMind 行政總裁在 2025 年 7 月受訪時表示,Meta 的高薪挖角策略「很理性」,因為 Meta 在 AI 競賽中處於落後地位。

超越語言模型:物理 AI 開啟製造業革命新賽道

當前 AI 領域的巨頭如 Google、Meta 和 OpenAI 主要專注於大型語言模型(LLM)技術,這類系統透過分析海量數碼文本學習知識,在文字生成和理解方面表現卓越。然而 Project Prometheus 與 Thinking Machines Lab 等新創公司正在開拓不同路徑:建構能夠直接從「實體世界」學習的 AI 系統,而非僅處理數碼資訊。Meta 首席 AI 科學家、圖靈獎得主 Yann LeCun 預測,到 2030 年 AI 將經歷物理世界的革命性轉變,他本人也計劃離開 Meta 創立專注於「世界模型」(world models)而非大型語言模型的新創公司。

世界經濟論壇 2025 年 9 月發布的白皮書指出,物理 AI 正推動工業自動化進入新階段,透過「基於訓練的機械人技術」,AI 和機器學習能從模擬或真實世界經驗中學習,使機械人不再僵化地遵循特定程式,而能處理涉及變化的任務。Amazon 和 Foxconn 等早期採用者已看到顯著效益:Amazon 試點站點的效率提升 25%、運輸效率提高 10%,並創造了 30% 的技術職位;Foxconn 則透過 AI 驅動機械人將週期時間縮短 20-30%、錯誤率降低 25%、營運費用減少 15%。Nvidia 在 2025 年 10 月宣布,美國製造業已宣布 1.2 萬億美元(約港幣 9.36 萬億元)的產能建設投資,由電子、製藥和半導體製造商主導,這些公司正依賴物理 AI 和模擬技術加速製造流程。

據《紐約時報》報導,Thinking Machines Lab 旗下的 Periodic Labs 計劃在北加州設立專屬實驗室,部署機械人進行大規模科學實驗,讓 AI 系統透過分析這些「實體試錯」過程學會在很大程度上自主執行實驗。知情人士透露,Project Prometheus 也將投入類似研發路徑。

太空夢與地球製造:Blue Origin 協同效應浮現

Bezos 對 Project Prometheus 的投資與他的太空事業形成戰略閉環。Blue Origin 在 2025 年 11 月 13 日達成重大里程碑,成功發射 New Glenn 火箭執行首次 NASA 任務 ESCAPADE,將兩顆科學衛星送往火星研究其大氣層,並首次成功在大西洋駁船「Jacklyn」上回收第一級助推器,實現部分可重複使用的目標。Bezos 在今年稍早的演講中表示:「如果需要在月球表面或其他地方進行工作,我們將能夠派遣機械人執行,這比派遣人類更具成本效益」。Project Prometheus 的物理 AI 技術可望直接應用於 Blue Origin 的機械人製造和太空探索任務,支援 Bezos「數百萬人在太空生活和工作」的長期願景。

Blue Origin 也與 Sierra Space、Boeing 等夥伴合作開發 Orbital Reef 商業太空站,已獲得 1.3 億美元(約港幣 10.14 億元)獎勵金推動設計,該專案構想為可擴展的商業園區,用於太空旅遊、研究和太空製造。物理 AI 技術在這類太空製造場景中將扮演關鍵角色,使機械人能在微重力環境中執行複雜組裝和維護任務。

AI 投資泡沫爭議:華爾街與矽谷的分歧

Bezos 的巨額投資正值 AI 產業估值引發泡沫疑慮之際。Goldman Sachs 在 2025 年 11 月發布的報告指出,自 2022 年 11 月 ChatGPT 推出以來,AI 相關公司的市值已激增超過 19 萬億美元(約港幣 148.2 萬億元),這一數字已達到生成式 AI 對美國經濟產生的資本收益現值預估上限(5 萬億至 19 萬億美元區間,約港幣 39 萬億至 148.2 萬億元),遠超 80 億美元(約港幣 624 億元)的基準估算。該行分析師警告,市場對 AI 未來利潤的定價「遠遠領先於宏觀影響」,並援引 1920 年代和 1990 年代的創新泡沫為前例,當時市場為真實創新「支付過高代價」。

Goldman Sachs 行政總裁 David Solomon 在同一場會議上表示:「將有大量部署的資本無法產生回報,我們只是不知道這將如何演變」。然而 Bezos 對此持不同看法。他在 2025 年 10 月的意大利會議上將當前 AI 投資熱潮形容為「工業泡沫」,但強調這「可能是好事」,因為在泡沫期間「所有事情都會獲得資金」,雖然難以區分好壞想法,「這可能正在今天的 AI 投資中發生」。Bezos 堅信「AI 是真實的,它將改變每個產業」,並表示「文明豐饒來自我們的發明……這些工具增加我們的豐饒,這種模式將持續」。

BCG 和 Franklin Templeton 的研究報告指出,虛擬 AI 和物理 AI 正使生產從傳統手工、勞動密集型操作向高效率、自我控制的生產邁進,虛擬 AI 自動化數碼工作流程如設定點最佳化、生產規劃和缺陷檢測,而物理 AI 使機械人等物理系統能夠感知環境並與之互動。國際機械人聯合會(IFR)2025 年 1 月數據顯示,全球工業機械人安裝市場價值已達 165 億美元(約港幣 1,287 億元)的歷史新高,年度安裝量預計 2025 年將再增長 6%,到 2028 年將超過 70 萬台。

對企業的啟示與未來趨勢

Project Prometheus 的成立標誌著 AI 競賽進入新階段,從數碼文本處理轉向物理世界互動。對於製造業、航太和汽車產業的企業領導者而言,這傳遞了三個關鍵訊號:首先,物理 AI 技術已從實驗室走向商業化臨界點,擁有雄厚資金和頂尖人才的新創公司正加速這一過程;其次,AI 人才爭奪戰將持續白熱化,企業需要重新思考人才策略和薪酬結構;第三,AI 投資的長期價值創造與短期估值泡沫並存,企業需要審慎評估技術投資的實際回報路徑。

隨著 Yann LeCun、Mira Murati 等 AI 先驅紛紛創立物理 AI 新創公司,這個領域的競爭將更加激烈。Bezos 能否憑藉 62 億美元(約港幣 483.6 億元)的資金優勢和 Blue Origin 的產業協同,在這場物理 AI 革命中取得領先地位?答案將在未來數年逐步揭曉,但可以確定的是,AI 正在從虛擬走向實體,從軟件走向硬件,從數碼世界走向物理世界,這將深刻重塑全球製造業和太空探索的未來版圖。

資料來源:The New York TimesFortuneGoldman SachsWorld Economic ForumBlue Origin

read more
IT 基建人工智能業界消息

經濟學人:中國晶片產業 2026 年將震驚世界 AI 自主化進入關鍵轉折期


經濟學人:中國晶片產業 2026 年將震驚世界 AI 自主化進入關鍵轉折期

《經濟學人》(The Economist)預測 2026 年中國晶片產業將讓全球驚訝,從 DeepSeek 突破性 AI 模型到華為、寒武紀等企業在設計與製造端的快速進展,顯示中國正加速實現人工智能晶片自主化目標。這場由美國技術封鎖倒逼出的產業革命,正重塑全球半導體競爭格局,2025 年中國晶片設計市場達 380 億美元 (約港幣 2,964 億元),預計 2027 年將增至 710 億美元 (約港幣 5,538 億元),本土供應商市場佔有率可望突破 50%。

DeepSeek 效應引爆產業鏈變革

2025 年 1 月,中國新創企業 DeepSeek 推出的 AI 模型性能可媲美美國同級產品,卻未使用 Nvidia 尖端 AI 晶片,這項突破震驚全球科技界。DeepSeek 於 8 月宣布採用 FP8 數據格式,雖降低精度但大幅提升能效,使中低性能晶片也能快速運行 AI 模型,寒武紀晶片已支援 FP8 格式,華為下一代 AI 晶片預計跟進。然而《金融時報》報導指出,DeepSeek 原計畫使用華為昇騰晶片訓練 R2 模型時遭遇持續技術問題,最終被迫改回使用 Nvidia 系統,凸顯國產晶片在高強度訓練場景仍存在瓶頸。

本土晶片設計商市場佔有率飆升

雖然 Nvidia 在中國 AI 晶片市場仍佔主導地位,但華為、寒武紀、沐曦等中國企業已搶下約五分之二市場佔有率。寒武紀 2025 年上半年錄得創紀錄利潤,股價在 7 月至 9 月期間飆升 124%,市值達 5,210 億元人民幣 (約港幣 5,626.8 億元),一度超越日本最大晶片設備製造商 Tokyo Electron。高盛預期寒武紀特製 AI 晶片出貨量將從 2025 年的 14.5 萬顆增至 2030 年超過 230 萬顆,其最新「思元 590」晶片效能約達 Nvidia A100 的 90%。沐曦於 2025 年 7 月發佈曦雲 C600 GPU 晶片,預計年底進入風險量產階段,而摩爾線程已完成 IPO 輔導,計劃在科創板上市募資約 80 億元人民幣 (約港幣 86.4 億元) 用於次世代晶片研發。

科技巨頭轉向自研晶片生態

中國政府已禁止國內企業使用 Nvidia 晶片,促使阿里巴巴、百度等科技巨頭紛紛轉向自研晶片訓練 AI 模型。阿里巴巴自 2025 年初開始部署其真無處理器用於較小型 AI 模型,百度則測試使用崑崙 P800 晶片訓練其文心 AI 模型新版本。雖然兩家企業仍在最先進模型上使用 Nvidia 處理器,但阿里巴巴內部員工表示其自研處理器已能與 Nvidia 受限版本競爭。上海要求 2027 年前數據中心 70% 晶片採用國產設計或製造,北京更訂下同年完全獨立目標,貴陽則要求新設施 90% 晶片來自中國供應商。

製造端良率突破成關鍵戰場

華為輪值董事長徐直軍宣布昇騰晶片路線圖:2026 年第一季推出昇騰 950PR,第四季推出昇騰 950DT,2027 年第四季推出昇騰 960,2028 年第四季推出昇騰 970。華為計劃在 2025 年底啟動專用 AI 晶片工廠生產,另外兩座工廠預計 2026 年投產,三座工廠合計產能將超過中芯國際現有同類生產線。中芯國際計畫將 7 奈米及以下晶片產能翻倍,保守估計 2025 年底總產能將達 4.5 萬片/月,2026 年增至 6 萬片/月,2027 年進一步提升至 8 萬片/月。《金融時報》報導指出,中芯國際生產華為昇騰 910C 的良率已從一年前的 20% 提升至可獲利的 40%,目標是達到台積電為 Nvidia 生產 H100 晶片的 60% 良率水準。

能效與性能權衡的中國路徑

中國晶片設計通常以犧牲能效換取性能,華為 CloudMatrix 系統由 384 顆昇騰晶片組成,運算能力可抗衡 Nvidia 頂尖產品,但耗電量卻是對方四倍以上。業界正探索晶片設計與軟件協同改良的新方法,DeepSeek 的 UE8M0 FP8 變體能進一步降低運算能力、儲存與頻寬需求,晶片產業分析師董導立指出這代表中國 AI 領域軟硬件協同的新階段。雖然中芯國際必須依靠舊款曝光機挖掘潛力,良率僅為台積電一半,但 SemiAnalysis 預測中國晶圓廠仍可生產數百萬顆 AI 晶片,足以滿足國內大部分需求。

地緣政治加劇技術脫鉤風險

美國自 2019 年起限制先進晶片及製造裝置出口,2025 年更禁止 Nvidia H20 晶片銷往中國,雖然該晶片是專為符合先前限制而設計。荷蘭政府在美國壓力下撤銷 ASML 深紫外光刻系統出口許可,並暫停軟件更新、技術支援與備件供應。歐洲智庫歐洲對外關係委員會建議若中國武器化稀土出口,歐盟應考慮擴大對 DUV 機台的管制,這將迫使 ASML 放棄佔其總營收 25% 以上的中國市場。ASML 行政總裁 Christophe Fouquet 表示中國要生產 EUV 機台仍需多年時間,但該公司 2025 年第三季來自中國的銷售達 24 億歐元 (約港幣 203.52 億元),佔系統銷售營收 42%。

2026 產業前瞻與企業影響

中國「十五五」計劃 (2026-2030) 將半導體與 AI 領域科技自立自強列為核心任務,2024 年中國半導體產業營收突破 1 兆人民幣 (約港幣 1.08 兆元),AI 核心產業規模超過 5,000 億人民幣 (約港幣 5,400 億元)。TechInsights 數據顯示,中國半導體產能預計 2029 年達 8.75 億平方吋,五年內增長 40%,雖然面臨美國出口管制,中國企業在 28 奈米及以上成熟製程已佔據全球顯著產能市場佔有率。華為昇騰 910B 性能已達 Nvidia H20 的 85%,即將推出的 920 預計將縮小差距,顯示技術封鎖反而加速中國企業自主創新過程。雖然本土企業可能在能效與性能上暫時無法超越全球領先者,但到 2026 年底有望滿足國內大部分需求,這將重塑全球半導體供應鏈並影響跨國科技企業在華策略佈局。對於依賴中國市場的國際半導體設備商與晶片設計廠,技術脫鉤趨勢將迫使其重新評估業務結構;而中國科技企業雖獲政策支援,但仍需在技術追趕與商業化落實間取得平衡,未來兩年將是驗證中國晶片自主化戰略成敗的關鍵窗口期。

資料來源:鉅亨網The EconomistFinancial TimesSemiAnalysisReuterseuters

read more
IT 基建人工智能雲端服務

Microsoft 資料中心能耗危機:AI 熱潮下能源消耗突破歷史新高


Microsoft 資料中心能耗危機:AI 熱潮下能源消耗突破歷史新高

Microsoft 2024 年資料中心電力消耗達到驚人的 176 億美元(約港幣 1,372.8 億元),較前一年急增 4.4%,這個數字相當於美國全國能源消耗的 4.4%。隨著 OpenAI 等 AI 巨頭對運算需求的持續攀升,這場由人工智能驅動的能源革命正在重塑全球科技產業格局,也將企業推向前所未有的營運成本壓力與環境責任挑戰。本文將深入剖析 Microsoft 如何應對每年新增 3,000 個資料中心的能源需求、GPU 供應鏈瓶頸,以及這場 AI 基礎建設軍備競賽對全球企業的深遠影響。

AI 運算需求引爆能源消耗新紀錄

2024 年 Microsoft 資料中心的能源消耗突破歷史新高,電力成本高達 176 億美元(約港幣 1,372.8 億元),佔美國全國能源使用量的 4.4%。這個驚人的增長主要源於 OpenAI 等合作夥伴對 GPU 運算資源的龐大需求,單是 OpenAI 在 2025 年 11 月初就與 Amazon Web Services 簽署了價值 380 億美元(約港幣 2,964 億元)、為期 7 年的雲端服務協議,立即開始使用數十萬顆 NVIDIA GPU 進行 AI 模型訓練與推理運算。根據勞倫斯伯克利國家實驗室的預測,到 2028 年,AI 相關運算將佔用資料中心總電力消耗的 50% 以上,相當於美國 22% 家庭的年度用電量。

Microsoft 為了滿足這股需求,正以前所未有的速度擴張全球資料中心網絡。2025 年 11 月 11 日,Microsoft 宣布將在葡萄牙 Sines 港口城市投資 100 億美元(約港幣 780 億元)建設 AI 資料中心,計劃部署 12,600 顆先進 GPU,這是歐洲最大規模的 AI 基礎建設投資之一。此外 Microsoft 還與 NVIDIA、Nebius 等供應商簽署了多項價值數百億美元的 GPU 租賃協議,僅與 IREN 的合作就達 97 億美元(約港幣 756.6 億元),專門用於取得 NVIDIA 即將推出的 GB300 系列 GPU。這些協議突顯了一個殘酷現實:AI 運算需求的增長速度已經遠遠超越現有硬件供應能力。

全球資料中心建設正進入空前的擴張期。根據 Allianz Commercial 的報告,到 2030 年全球資料中心建設支出預計將達到 7 萬億美元(約港幣 54.6 萬億元),其中美國和中國是主要推動力。單一資料中心項目的建設成本已從過去的 2 億至 3 億美元(約港幣 15.6 億至 23.4 億元)飆升至超過 200 億美元(約港幣 1,560 億元),平均規模的設施成本也達到 5 億至 20 億美元(約港幣 39 億至 156 億元)。這場建設熱潮背後,是科技巨頭們對 AI 運算能力的瘋狂競逐,Amazon、Microsoft 和 Google Cloud 3 大雲端供應商在 2025 年第 2 季度就佔據了全球雲端營收的 3 分之 2。

能源效率困境:PUE 指標背後的真相

雖然 Microsoft 不斷強調能源效率改善,但實際數據揭示了一個更複雜的現實。2024 年,Microsoft 部分資料中心的電力使用效率(PUE)達到 1.56,這個數字意味著每消耗 1.56 度電,只有 1 度真正用於 IT 運算,其餘 0.56 度被冷卻系統、照明和配電損耗等非運算用途消耗掉。相比之下,業界先進的資料中心如美國國家再生能源實驗室(NREL)的設施已經實現年均 PUE 1.036 的卓越表現,甚至有部分設施達到 1.06 或更低。

這種效率差距並非技術能力不足,而是 AI 運算的特殊需求所致。配備高密度 GPU 的 AI 伺服器產生的熱量遠超傳統伺服器,需要更強大的冷卻系統來維持運作。NVIDIA 的 H100 和即將量產的 GB300 系列 GPU 雖然運算能力強大,但功耗和散熱需求也同步攀升。Microsoft 在 2025 年 10 月部署的首個大規模 GB300 生產集群,包含超過 4,600 個 NVIDIA GB300 NVL72 系統,每個機架配備 72 顆 Blackwell Ultra GPU,總計超過 330,000 顆 GPU,其散熱挑戰可想而知。

能源碳排強度問題更加嚴峻。根據 MIT Technology Review 的研究,美國資料中心使用的電力碳排強度比全國平均水平高出 48%。這是因為為了滿足 AI 運算的即時需求,資料中心往往需要依賴天然氣等碳密集型能源,而非再生能源。到 2028 年,AI 專用運算的年度電力消耗預計將達到 150 至 300 太瓦時(TWh),相當於從地球到太陽往返超過 16,000 次所需的能源。這個趨勢正在推動資料中心電力需求佔美國總電力消耗的比例從目前的 4.4% 激增至 12%。

GPU 供應鏈瓶頸與市場重組

NVIDIA 在 AI GPU 市場的主導地位正在創造前所未有的供應鏈壓力。根據 TrendForce 的研究,2025 年 Blackwell 系列 GPU 預計將佔 NVIDIA 高階 GPU 出貨量的 80% 以上,但即使如此仍無法滿足市場需求。台灣代工製造商如鴻海(Foxconn)、廣達(Quanta)、緯創(Wistron)和緯穎(Wiwynn)都在爭奪 GB300 伺服器的組裝訂單,鴻海更取得最大份額,生產配備 72 顆 Blackwell GPU 的最高規格版本。

這場供應鏈競賽已經改變了全球製造業的優先順序。業界消息指出,台灣代工廠正在將 AI 伺服器生產置於傳統消費電子產品(包括 Apple iPhone)之上,目標是在 2025 年 9 月開始大規模出貨 GB300 伺服器。根據 Gartner 的數據,AI 伺服器需求預計在 2025 年同比增長 147%,鴻海高層預期 AI 伺服器將佔其伺服器營收的 50% 以上,這標誌著從傳統消費電子到 AI 基礎設施的戲劇性轉變。

GPU 短缺問題至少將持續到 2026 年。雖然 NVIDIA 計劃在 2026 年第 3 或第 4 季度開始量產下一代 Rubin GPU,但這個時間點與當前 Blackwell Ultra GB300 的全面量產時間大致相同,甚至可能更早。OpenAI 等企業正在積極尋求替代方案,除了與 Microsoft 的長期合作外,還簽署了與 Oracle 價值 3,000 億美元(約港幣 2.34 萬億元)、與 AMD、Broadcom 等超過 1.4 萬億美元(約港幣 10.92 萬億元)的基礎設施開發協議。然而,由於 NVIDIA CUDA 平台和專用 Tensor Core 在 AI 工作負載上的性能優勢難以匹敵,市場對 NVIDIA GPU 的集中需求短期內難以改變。

企業競爭格局的深刻變革

Microsoft 與 OpenAI 的合作關係正在經歷重大調整,這將重塑整個 AI 產業的競爭格局。2025 年 9 月,雙方簽署了一份非約束性諒解備忘錄,解決了長達數月的合作緊張關係。根據新協議,Microsoft 在 OpenAI Group PBC 持有約 1,350 億美元(約港幣 1.053 萬億元)的股權(約 27% 股份),並保留對前沿模型的 Azure API 獨家權利直到宣布實現通用人工智能(AGI),但任何 AGI 宣告必須經過獨立專家小組驗證。Microsoft 的智慧財產權現已延長至 2032 年,並包含 AGI 後的模型,而 OpenAI 現在可以自由地在 Microsoft 之外尋求運算和部署合作夥伴。

這種開放性正在推動 AI 基礎設施市場的多元化。OpenAI 與 AWS 的 380 億美元(約港幣 2,964 億元)協議標誌著其首次在 Microsoft 之外建立大型雲端合作關係,將立即開始使用 AWS 位於美國的數十萬顆 NVIDIA GPU,未來還將擴展容量。AWS 總裁 Dave Brown 表示,他們正在為 OpenAI 建立完全獨立的運算容量,部分容量已經可用。與此同時,Microsoft 也在整合 Anthropic 的 Claude 模型,顯示獨家 AI 合作時代已經結束,取而代之的是多供應商企業 AI 時代。

這場 AI 基礎設施軍備競賽的規模令人震驚。OpenAI 在 2025 年宣布了總計約 1.4 萬億美元(約港幣 10.92 萬億元)的開發協議,涉及 NVIDIA、Broadcom、Oracle 和 Google 等多家企業。部分分析師開始質疑是否存在 AI 泡沫,以及美國是否擁有足夠資源來實現這些雄心勃勃的承諾。然而 NVIDIA 執行長黃仁勳在 2025 年 10 月 27 至 29 日華盛頓 GTC 大會上駁斥了 AI 泡沫的擔憂,同時公布了下一代產品路線圖。根據 Bain 的最新全球資料中心預測,超大規模科技公司在 2025 年的投資不但沒有如預期般縮減,反而顯著增加,並預計在未來幾年持續成長。

AI 時代的可持續發展挑戰

Microsoft 資料中心佔全球能源消耗 20% 的說法雖然誇大,但其能源足跡確實在快速擴大。根據 BloombergNEF 的預測,美國資料中心電力需求將從 2024 年的 35 GW 增加 1 倍以上,到 2035 年達到 78 GW,屆時將佔美國總電力需求的 8.6%,是目前 3.5% 的 2 倍多。實際能源消耗增長將更加陡峭,平均每小時電力需求將從 2024 年的 16 GWh 增至 2035 年的 49 GWh,接近 3 倍。

這種能源需求激增正在推動企業尋求多元化能源解決方案。科技巨頭們正在簽署新核電廠協議、重啟舊核電廠,並與公用事業供應商談判大規模合約。然而 資料中心開發面臨現實挑戰,從取得土地、電力和許可證,到應對複雜的建設流程,BloombergNEF 估計在美國,資料中心開發從初始階段到全面運營通常需要約 7 年時間,其中建設前期 4.8 年、建設期 2.4 年。這些時間和資源限制是預測相對保守的原因,而非對 AI 市場潛力的懷疑。

未來展望:效率革新與產業重塑

面對能源消耗和成本壓力,AI 產業正在探索多種技術路徑來提升效率。DeepSeek V3 的「專家混合」(Mixture of Experts)架構展示了一種創新方向,透過多個較小、專業化模型的協作網絡來改善訓練效率,為遏制快速攀升的電力需求提供了潛在解決方案。在冷卻技術方面,業界正在採用熱通道 / 冷通道隔離、液冷系統、室外空氣經濟器等策略來降低非 IT 設備的能源消耗。例如,某個俄勒岡州資料中心透過使用水側經濟器將 PUE 降至 1.06,甚至將伺服器室溫度從 65°F 提升至 75 至 80°F 這樣簡單的調整也能減少不必要的過度冷卻,節省電力並降低碳排放。

AI 驅動的設計和營運改良正在加速資料中心效率改善。專業工具和企業(如 Cove)正在運用智慧演算法協調複雜系統,使得在開發時間大幅縮短的情況下實現 1.1 左右的超高效 PUE 成為可能。這種方法除了滿足開發商對速度和投資報酬率的需求外,也回應了永續發展倡議者對更環保、精實資料中心的期待。此外 先進設施正在探索廢熱再利用,將伺服器產生的熱能用於為鄰近建築物或溫室供暖,雖然這不會直接計入 PUE,但能改善整體能源價值並支持更廣泛的永續目標。

工作負載模式的轉變也在重塑基礎設施策略。根據 Bain 的 分析,AI 工作負載正從單純的模型訓練轉向更加重視大規模推理,這部分源於企業 AI 應用案例的明確進展。測試時運算(test-time compute)正在重塑基礎設施策略、經濟效益和架構,對資料中心託管與自建、晶片多樣性和電力配置都產生重大影響。雖然超大規模企業的投資在 2025 年顯著增加並預計持續成長,但他們也更加注重資本效率,在新部署(特別是 AI 訓練)方面變得更加挑剔。這種從瘋狂擴張到策略性、選擇性、電力受限和執行導向的成長階段轉變,意味著未來的贏家,其致勝關鍵除了規模外,更在於精準應對複雜性的能力。

資料來源: Reuters Amazon Web Services MIT Technology Review Microsoft Azure Allianz Commercial

 

read more
IT 基建人工智能企業趨勢業界消息

AI 革命的十字路口: 六位巨擘齊聚倫敦 給出截然不同的答案


AI 革命的十字路口: 六位巨擘齊聚倫敦 給出截然不同的答案

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

 

read more
IT 基建人工智能企業趨勢數據分析

AI 承諾未兌現企業掀「回聘潮」 揭自動化與企業期望巨大落差


AI 承諾未兌現企業掀「回聘潮」  揭自動化與企業期望巨大落差

企業高層以「AI 轉型」為名大規模裁員,但一個尷尬現象正在全球職場悄然上演:那些被裁撤的員工正以「回力鏢」之姿重返原公司。這暴露了人工智能技術與企業期望的巨大落差,更揭示了一場耗資數百億美元卻成效不彰的豪賭。專門分析全球職場的機構 Visier 最新研究顯示,在調查的 142 家企業、2,400,000 名員工中,高達 5.3% 被裁員工最終獲原僱主重新聘用。這比例在過去數年保持穩定後近期明顯上升,同時 2025 年 10 月美國企業宣布裁員 153,074 人,創下 20 年來同期最高紀錄。這場「裁員回流」現象背後,是企業對 AI 能力的嚴重誤判,以及自動化技術遠未達到取代人力的承諾。

技術幻象:AI 無法完全取代人力的殘酷現實

麻省理工學院 (MIT) 2025 年發表的研究報告提供了更震撼數據:在全球企業投入 300 億至 400 億美元 (約港幣 2,340 億至 3,120 億元) 的生成式 AI 項目中,95% 組織未能從投資中獲得任何實質回報。MIT 研究團隊分析 300 個公開 AI 實施案例後發現,那些直接購買現成 AI 工具的企業,成功率遠高於試圖自行開發內部 AI 系統的公司。Visier 首席分析師 Andrea Derler 接受 Axios 專訪時直言:「AI 能完全取代所有工作的說法至今仍未證實,它往往成為裁員時最方便藉口。」她指出,雖然 AI 代理程式和數碼勞動力系統在各行業快速擴展,但這些技術極少能完全替代整個職位,大多僅能實現部分任務自動化。

這種技術侷限性迫使企業導入 AI 工具後,仍需依賴人類專業知識彌補技術缺口,最終不得不重新聘用先前裁撤的員工。麥肯錫研究機構分析進一步證實,需要「管理人員、應用專業知識和社交互動」的職業受自動化影響最小,因為機器「無法匹配人類在這些領域的表現」。MIT 另一項研究更指出,AI 在視覺任務方面僅能經濟性地自動化美國非農業勞動力薪資的 0.4%,而即使在技術上可自動化的 1.6% 工資任務中,實際上只有 23% 情況下用 AI 替代人力比僱用人工更便宜。

隱藏成本黑洞:AI 基礎設施超支吞噬裁員節省

企業高層推動 AI 轉型時往往忽略一個關鍵問題:建置 AI 基礎設施的實際成本遠超初期預算。人力資源規劃平台 Orgvue 數據揭示一個驚人事實:企業每透過裁員節省 1 美元 (約港幣 HK$7.8),實際上需額外支出約 1.27 美元 (約港幣 HK$9.9) 隱藏成本,包括遣散費、失業保險稅率上升及其他間接開支。金融服務業案例更為極端。根據 VKTR 諮詢公司 2025 年 7 月報告,許多金融服務公司規劃時預估的基礎設施成本增幅較溫和,但實際影響往往超出初期估算 3 至 4 倍。製造業巨頭部署預測性維護 AI 時發現,其儲存需求每 6 個月增倍,而醫療系統實施診斷 AI 工具後突然面臨測試環境中從未出現的網絡瓶頸。

Interactive Brokers 首席策略師 Steve Sosnick 對此表示擔憂:「我最擔心是,總有一天人們會醒悟過來說,好吧,AI 確實很棒,但也許這些錢並無真正被明智使用。」他觀察到,零售投資者正趁大型科技股下跌時買入,而機構投資者似乎正減少曝險。2025 年 10 月,財富 500 強企業為裁員支付的遣散費用已達 430 億美元 (約港幣 3,354 億元)。然而彭博社深度分析揭示,裁員真實成本遠不止遣散費。研究顯示,裁員後留任員工產出在數個月內普遍下降,因為他們需要應對焦慮和低落士氣;同時更多員工選擇主動離職,導致企業需要額外支出招聘和培訓費用;失業保險稅率也隨之上升。

企業矛盾行為:一邊裁員一邊招募 AI 人才

更諷刺現象正在科技業上演。Salesforce 在裁撤 1,000 名員工同時,卻宣布招聘 2,000 名 AI 工程師;Meta 在大規模裁員同時擴編 AI 團隊。這種「裁舊招新」策略暴露了企業真實意圖:裁員並非因為 AI 已能取代人力,而是為了騰出預算投資 AI 基礎設施。Challenger, Gray & Christmas 首席營收官 Andy Challenger 分析指出:「某些產業正經歷疫情期間招聘激增後修正,但這種情況因 AI 採用、消費者和企業支出下降,以及成本上升導致的預算限制和招聘凍結而加劇。」

2025 年 1 月至 10 月,美國企業累計宣布裁員 1,099,500 人,較去年同期 664,800 人激增 65%,創下 2020 年以來最高紀錄。值得注意的是,雖然 AI 被頻繁作為裁員理由,超過半數 (55%) 企業事後表示「對以 AI 為由的裁員感到後悔」。然而相關企業至今未公開任何可供外部驗證的 AI 效益數據,也未提供具體「被替代人力」明細,令質疑聲浪四起。

策略失算:高層低估 AI 部署的真實複雜度

Visier 的 Derler 認為,許多高階主管尚未充分評估大規模 AI 部署實際成本,或評估 AI 能否真正實現職位自動化。她指出:「許多高層主管沒有時間深入了解 AI 能做什麼,以及這將花費多少成本,相較於有多少任務和職位無法被取代。」這種策略性誤判代價正在浮現。2025 年 AI 基礎設施面臨「完美風暴」包括兩大致命因素:首先是不可能準確預測的需求。AI 專案通常從研發開始,但 DevOps 團隊必須在了解實際運算需求之前就承諾基礎設施投資。其次是全球 GPU 短缺。雲端服務商現在要求 1 至 3 年 GPU 使用承諾,即使企業只需要 4 至 6 個月訓練容量,也被迫鎖定更長期合約。

科羅拉多大學丹佛商學院管理學榮譽教授 Wayne Cascio 研究發現,採用臨時性停薪留職等成本削減措施避免裁員的企業,在 2 年後表現優於一遇到財務困難就立即裁員的企業。威斯康辛商學院和南卡羅來納大學研究更指出,裁員可能引發後續離職潮,其規模有時甚至大於裁員本身。

未來展望:企業需重新審視人力與技術平衡

這些發現反映出企業高層必須盡快解決的更大規劃難題。Derler 總結道:「裁員雖能在短期內改善財務狀況或投資者觀感,但並不會簡化長遠人力與技術戰略。」最終,誤判 AI 能帶來節省空間的企業,很可能還需再度召回此前裁掉的人才。國際貨幣基金組織 (IMF) 分析顯示,新興市場僅 40% 工作受 AI 影響,而低收入國家僅 26% 工作面臨 AI 自動化風險。歐洲經濟政策研究中心 (CEPR) 調查的商業領袖中,63% 認為 AI 不會影響高收入國家就業率。

高盛預測,到 2045 年仍有半數工作能免於完全自動化,雖然到 2030 年可能有 60% 職業受到 AI 某種程度影響。Orgvue 研究明確指出:AI 並非裁員趨勢背後真正原因,雖然這是普遍假設。對企業而言,關鍵不在於 AI 能否完全取代人力,而在於如何在數碼轉型過程中,建立起人類專業知識與 AI 工具相輔相成的混合工作模式。那些急於以技術替代人力的企業,正用昂貴代價學習一個簡單道理:在可預見未來,人類判斷力、創造力和情感智慧,仍是 AI 無法複製的核心競爭力。

 

資料來源:Axios Reuters FortuneOrgvueBloomberg

 

read more