AI 正在改變世界，而這場參議院聽證會可能改變遊戲規則。觀看OpenAI CEO Sam Altman的完整證詞，了解他如何應對關於AI未來的尖銳提問。
AI聽證會: Sam Altman帶來的國家級思考
在這場引起高度關注的 AI 聽證會上，OpenAI 的執行長 Sam Altman 與多位科技界的重量級人物齊聚一堂，其中包括了蘇姿丰博士 (Lisa Su)，以及來自 CoreWeave 的 Michael Intrator（註：原文提及的Corvair應為專注於AI基礎設施的CoreWeave）。微軟的 Brad Smith 也是座上賓。然而，會議的核心，早已跳脫了單純的技術展示，直接剖析 AI 系統將如何重塑我們的社會、經濟結構，乃至於國家之間的競爭格局。
聽Altman說話，你會發現他描繪的未來藍圖裡，智能與能源成為了主角。他毫不諱言，AI可能是人類歷史上最重大的技術變革，而它的未來，充滿了未知。
AI走進生活的每個角落，改變正在發生
你知道嗎？ChatGPT每週的活躍用戶已經達到5億人，成為全球第五大網站。但Altman來這裡不是炫耀數字的，而是想讓大家明白，AI系統的發展已經不只是行業的升級，而是一場徹頭徹尾的系統重構。
從醫療診斷到教育輔導，從科研分析到客服回應，AI系統的影子無處不在。研究效率在飛速提升，醫療建議變得更普及，學習方式正在被徹底改寫。你有沒有發現，我們的生活已經在悄悄被改變？
Altman回憶起自己在聖路易斯長大的歲月，那時他還是個徹夜寫程式的電腦迷，用的是美國製造的Mac電腦。這段經歷讓他堅信，美國的創新精神是AI發展的絕佳土壤。但他接著說了一句很重要的話：「我們必須確保這種精神能夠延續下去。」
這就需要重新打造一個全新的系統，不只是軟體或演算法，而是一整套包含能源、晶片、資料中心、模型和應用的完整生態。
「AI工廠」：不是辦公室，是國家基礎建設
Altman提出了一個很有意思的概念——「AI工廠」。他拿OpenAI在德州阿比林建設的「星際之門」計畫舉例，那可不是普通的辦公園區，而是一條現代化的工業鏈路。
想訓練一個大型AI模型？你需要持續不斷的電力供應，需要最好是在美國本土設計製造的晶片，需要超級計算工廠規模的資料中心，還有配套的機架、安裝系統、冷卻設備、高壓轉換裝置，甚至消防通道。
這已經不是矽谷車庫創業那麼簡單了，更像是修鐵路、建水壩、造航母那樣的國家級工程。Altman很明確地說，整套AI供應鏈必須在美國本土落地生根，才能保持創新和領先。這不僅是OpenAI的商業策略，更是對美國國家系統能力的一次嚴峻考驗。
智能與能源：未來十年的關鍵公式
這裡有個很有意思的觀點。Altman說，未來十年，誰掌握了豐富的智能和充沛的能源，誰就能主導未來。他提出了一個關鍵公式：智能的最終成本約等於能源的成本。
簡單來說，就是這樣：
| 要素 | 實際對應 |
|---|---|
| Token（代幣） | 電力 × 晶片 × 演算法 × 資料 × 冷卻系統 |
| 智能系統 | 超級耗能的工業基礎設施 |
| 國家競爭力 | 在本國規模化部署AI工廠的能力 |
換句話說，AI系統已經不再是雲端運行的程式，而是一條消耗電力、需要晶片、講究工業組織效率的完整鏈條。競爭的關鍵不是誰的AI模型能力更強，而是誰能把這套複雜的AI系統真的落地執行。
正如Altman強調的，如果不能建立AI基礎設施，特別是在本國製造晶片，那麼一切都可能崩潰。美國需要的，是能支撐10吉瓦級別算力的能源系統，是快速審批的建廠流程，是完整打通晶片、冷卻、資料安全、模型調度的全鏈路。
中美AI競賽：不只是模型，更是系統速度
談到中美AI系統競爭，Altman坦誠美國模型（包括OpenAI、Google等）目前還保持領先，但這個窗口期可能「不會太長」。
他特別提到中國的DeepSeek，不只推出了優秀的開源模型，其手機應用還一度超越ChatGPT成為下載量最大的AI工具。這說明了什麼？AI模型本身已經不是唯一的競爭優勢，誰能更快將AI系統部署到終端，掌握用戶資料和生態，誰就佔得先機。
真正拉開差距的，不是模型效能，而是整套AI系統部署的速度與彈性。如果DeepSeek或其他應用成為主流，取代了ChatGPT，那對美國來說就「不是好事」。
中美AI競爭的系統性差距
面對參議員對中美技術差距的質疑，Altman承認美國模型仍具優勢，但強調真正的挑戰在於AI工廠的部署效率。他特別提及中國DeepSeek的兩個突破：
- 開源模型的快速迭代能力
- 消費者應用下載量超越Chad GPT
這揭示了AI競爭的新維度：終端滲透速度決定數據與生態主導權。以下表格對比兩國AI供應鏈現狀：
| 關鍵環節 | 美國現狀 | 中國現狀 |
|---|---|---|
| 晶片設計 | 依賴台積電先進製程 | 華為昇騰等自研晶片突破 |
| 能源基礎設施 | 資料中心擴建受環評限制 | 政府主導的綠色能源專案 |
| 監管彈性 | 憂慮過早立法扼殺創新 | 實驗性沙盒監管快速試錯 |
Altman警告：「當競爭轉向AI工廠規模化時，美國的制度僵化可能成為致命傷。」
監管的智慧：別扼殺創新的萌芽
對於AI系統的監管，Altman有些獨到見解。他警告，過早設定嚴格標準會是「災難性的」，可能導致世界轉向非美國製造的產品。
他列舉了三個可能扼殺產業發展的「愚蠢錯誤」：
- 資料限制過嚴，導致訓練受限
- 基礎設施建設受限，無法擴展晶片和能源配套
- 標準設立過早，在行業成熟前就被扼殺
他不是主張完全放任，而是強調要給行業必要的成長空間。行業正快速朝著建立正確協議和標準的方向發展，需要空間去創新。
換句話說，監管不能比AI模型的部署慢，但也不能比技術成熟得快。標準應該來自實際使用，而不是預設的風險。Altman指出，全世界都在使用蘋果、Google、微軟的產品，這是美國影響力的來源，不希望這種趨勢停止。
AI與就業：重新定義，而不是取代
對於AI系統會摧毀就業的擔憂，Altman提出這次AI革命與以往技術變革的最大不同在於「速度」。問題不是哪些工作會消失，而是「工作」本身正在被重新定義。
面對AI取代人類工作的擔憂，Altman提出「迭代部署」理論：將強大工具盡早交到使用者手中。他分享Uber司機利用Chad GPT經營洗衣店的案例，展示AI如何轉化為「微型組織擴展器」。這種模式催生了新型職業：
- 提示詞工程師（Prompt Engineer）
- 模型紅隊審查員（Red Teaming Specialist）
- AI協同設計師（AI-Augmented Designer）
他預測未來十年將出現「我們無法預測的職業形態」，但前提是教育與工具必須同步部署。
他舉了個例子，現在成為程式設計師需要的技能，已經和兩年前大不相同。未來的工程師可能不再主要寫程式，而是指揮AI系統寫程式。
還有個有趣的故事：一位Uber司機利用ChatGPT成功經營自己的小型洗衣店，處理廣告文案、法律文件審核和客戶郵件回覆。這就是AI系統被使用而非被恐懼的典範。
人類與AI的關係：信任、控制與依賴
Altman還談到一個深刻議題：人類與AI系統之間正在改變的關係。他觀察到，人們如今與AI系統分享的資訊，遠超過去任何技術。
如果只把AI當作聊天工具，那就太表面了。更深層次的是，AI正成為一個永不疲憊、永不反駁、永遠在線的傾聽者。它可能比任何人都更了解你。
當AI系統能極度個性化地理解個體時，真正的效用才會顯現，但問題也來了。當AI比你的伴侶更懂你時，我們該如何重新分配信任？
Altman提出了三個需要重新設計的控制維度：
- 個人資料控制權：用戶要清楚自己說了什麼，AI儲存了什麼
- 資訊分享邊界：當AI連接其他系統時，資料如何被轉發、重組或調用
- 情感依賴風險：當AI成為情緒傾訴對象時，是否會形成過度依賴
這已經不是哪個AI模型最強的問題，而是人類如何在智能系統面前重新定位自身關係與權利的問題。
應對深度偽造：多管齊下的策略
談到深度偽造（deepfake），Altman樂見立法，但強調解決方案不應只限於程式層面。他提出多軌並行的治理框架：
- AI生成端：平台需建立明確標識與溯源機制
- 內容傳播端：分發平台要設置自動識別與用戶提醒功能
- 用戶教育端：社會需培養大眾能識別「內容未必為真」的能力
他坦言，阻止AI生成偽造內容幾乎不可能，因為開源模型大勢所趨。關鍵是防止自己上當，提升「心理韌性」。接到可疑電話或看到觸動情緒的影片時，要有心理準備，因為它們都可能是AI生成的。
如果說法律是皮膚，技術是白細胞，教育是疫苗，那麼心理韌性將成為我們最後的免疫系統。
奇點來臨：謙卑面對未知
被問及AI超越人類智能的「奇點」（singularity）時，Altman沒有給預測時間，也沒有承諾控制方法。他停頓了一下說，對進展速度既興奮又謹慎，在AI面前感到「非常渺小」。
他堅信，AI系統將是人類歷史上可能出現的最大技術革命，甚至是最大的一次。
AI就像火、電、網絡一樣，不是簡單工具，而是我們下一輪認知、生產與組織方式的底層系統。人類有驚人的適應能力，今天看來驚人的事物，很快就會成為新常態，就像我們已經習慣用ChatGPT查文獻、寫郵件、輔導孩子作業一樣。
對於奇點，Altman表達得很克制。當這些AI工具能做到我們無法完全理解的事情，當它們開始幫助我們創造下一個未來版本時，我們會意識到，未來不是我們單方面規劃出來的，而是我們與AI系統協同試錯、共同演化出來的。
無論稱之為奇點還是起飛（take off），它都將是人類歷史的新時代。Altman最後反覆強調，我們可以讓這一切變美好，但必須帶著謙卑和謹慎去接近它。
總結
Sam Altman在這次國會聽證會上，沒有過多談論技術路線或產品，而是把AI系統發展提升到國家系統壓力測試的層級。從能源、晶片、AI工廠到人才、就業與監管，AI系統的每個環節都在被重新定義。
這也提醒我們，當前挑戰或許不是AI系統發展太快，而是人類自身的認知系統演進速度跟不上時代的步伐。
FAQ
1. AI 系統如何改變未來的產業結構？
AI 系統被認為是下一個將徹底改變世界的技術革命，重點在於能提升生產效率、降低成本，並重新定義能源、醫療、教育等行業。同時，AI 工廠需要結合能源與基礎設施設置，這已經成為國家競爭的重要因素。
2. 為什麼 OpenAI CEO Sam Altman 強調「AI 工廠」的重要性？
Altman 提出了「AI 工廠」概念，這是一整套現代化工業系統（如晶片、超級計算中心、能源供應和冷卻設備）。他認為在本國部署這些設施能確保 AI 供應鏈本地化，幫助美國保持技術領先和創新能力。
3. AI 如何影響就業市場？是否會取代人類工作？
Altman 認為 AI 不會完全取代工作，而是重新定義許多職業角色。例如，程式設計師逐步轉向利用 AI 工具來編碼，而非手動撰寫程式。另外，像小型業務經營者能透過 AI 進行營銷或業務管理，從而創造更多新的機會。
4. 如何防範 AI 生成的深度偽造（Deepfake）內容？
Altman 建議採取多管齊下策略，包括平台建立標識機制、內容傳播管道設置自動偵測功能，並提升大眾對 AI 偽造內容的辨別能力，以加強社會的心理韌性。
5. 哪些要素促成 AI 系統競爭力？中美有何差距？
AI 系統的競爭不僅是模型性能，更在於能源供應、晶片生產和整體部署速度。Altman 也提到，中國在開源模型及手機應用上進展迅速，可能縮短與美國的技術差距，但美國目前仍處於領先地位。
如果您正在思考如何將尖端AI系統整合到業務中，或者想了解更多數位轉型策略，Tenten 的專家團隊可以提供客製化解決方案。我們致力於幫助企業駕馭技術變革的浪潮，抓住AI系統帶來的無限機遇。立即預約諮詢，一起探索您的數位化未來。
