30/11/2025
OpenAI 執行長 Sam Altman 用一篇長文《Gentle Singularity》來統整五個關鍵概念，幫助我們看懂正在發生的結構性變化。Sam Altman 的五個未來視角：從 AI 到人類價值，也就是我們今天內文的主軸，以下分五點說明!
1. World Brain｜我們正在打造集體大腦
Altman 認為，我們正透過 AI 建構一個「世界大腦」。這不只是算力與模型的堆疊，而是一種全球知識與智能的分布式結構，這邊的我們，也不是只有Open AI。
“We (the whole industry, not just OpenAI) are building a brain for the world. It will be extremely personalized and easy for everyone to use; we will be limited by good ideas. “
上面所說的，NVIDIA 的超級電腦中心 (分別打算在德州與加州建造, 2026年啟用的Vera Rubin 架構)、Meta 收購Scale AI，還有沙國與阿聯的 StarGate 計畫、Coreweave 等雲端算力新創，別忘了，還有咱們的馬斯克先生，Colossus 是 xAI 旗下超級電腦，目前擁有約 200,000 顆 NVIDIA Hopper/GPU，建於 2024 年底起於田納西州孟菲斯，僅花 122 天建設，19 天即完成通電並開始訓練模型。(對應到網路女王的報告第123頁)
這個建設必須如火如荼的原理，在Sam Altman之前的文章也有提過，是一個對數函數的原理，簡單說，所有人都要加倍的投入計算力、能源，才能得到越來越少的AI的智力的提升，所謂的越來越少，是相對於你的投入而言，用數字來說明，假設 100GPU=2智力單位的話，1000GPU=3，以此類推，智力要達到10的話，GPU的數字就是10,000,000,000。
*補充一下，每次大革命都會有相關的理論支撐，上一次的網路效應有一個叫做梅特卡夫定律（英語：Metcalfe's law）是一個關於網路的價值和網路技術的發展的定律，由喬治·季爾德於1993年提出，但以電腦網路先驅羅伯特·梅特卡夫的姓氏命名，其內容是：一個網路的價值等於該網路內的節點數的平方，而且該網路的價值與聯網的使用者數的平方成正比。(類似吧!)
雖然越來越吃力，但世人願意給予多一點點的聰明的回報卻是更巨大的 (想像你是董事長，講了一段話，整個會議室裡卻只有一個經理真的聽得懂，你會不會提拔他?)
而我們都還沒有提到CSP們在2025年的數千億美元的投資呢—這些就是正搭建這個大腦的骨架，這樣如火如荼進行的結果，會是如何?
這當然是個大哉問，任何時刻都會有兩種說法: 一個是進入黃仁勳所說的新的工業革命、AI工廠遍地開花，另外一個時不時還是會有投資銀行的人跳出來說，哎呀算力會供過於求，
但是按照Sam Altman 這篇文章所說，我們會進入到一個只受到我們的絕佳創意所限制的年代，意思是說，你想得到的，幾乎都可以做得到! 未來會是我們的好奇心決定邊界，而不是知識或技術。
可以用這段話來總結:
“In the 2030s, intelligence and energy—ideas, and the ability to make ideas happen—are going to become wildly abundant.”
也就是說，接下來我們看到這些新聞，不太需要花功夫去記憶哪裡又蓋了一座資料中心，好像我們不用去特別花功夫理解，哪個非洲國家正在蓋一個淨水廠，因為自來水淨水與分送系統，本來就是這個時代該有的東西；我們該去注意的是，哪裡還沒有蓋，算力就會按照飲用水的價格出現。
在世界大腦蓋起來後，下一步，就是讓它能夠自行優化與進化——這就是我們要談的第二點。
2. Self-Improving｜AI 即將進入可自我優化與進化的幼蟲時期
這篇文章當中，很重要的一個面向: 未來的 AI 不只是工具，而是能夠設計下一代 AI 的系統。第一代資料中心能規劃第二代，機器人能製造下一代機器人，這就是「自我進化」的產業架構，而現在，Sam 說現在喔! 不是是未來，現在AI已經出現了持續自我進化的初期的樣貌。
“Of course this isn’t that an AI system completely autonomously updating its own code, but nevertheless this is a larval version of recursive self-improvement.”
*larval
KK 音標： /ˈlɑːrvəl/
詞性： 形容詞中文字義 幼蟲的；幼體期的；未成熟的。
這個詞的詞根來自拉丁語 "larva"，意為「幽靈，面具」，後來引申為「幼蟲」。
三個常見搭配詞：
larval stage (幼蟲階段)
larval development (幼蟲發育)
larval form (幼蟲形態)
驗證一下，這是真實沒錯的，Google 剛剛在五月份發布了這個AlphaEvolve，正是 AI 自我優化的例子：它自動改寫程式碼、測試效果、再自我優化，就像生物演化一般。
結果是把表現好的版本留下，繼續下一輪進化。
這一點當然是驚人的，因為當它可以自主進化，時間並非他們的限制，他們可以進行數量龐大的運算，唯一的限制如 Sam Altman所說，是能源。
快速進我進化，那麼AGI到底何時到來? 這就不能不提這篇的核心Gentle Singularity的概念。
3. Gentle Singularity｜改變是緩慢但全面的
奇點的降臨不是爆炸式的，而是持續地發生。你可能某天回頭一看，才發現世界已經完全不同，事實上，我們人類的適應力與喜新厭舊的能力實在是太強大了，拿到一個新玩具的新鮮感很快就消失，所以任何一個時刻，我們不太會覺得『哇!好大的改變』，可是山姆說，你就現在想想2020一路到現在2025，這改變你當初想像得到嗎?
“This is how the singularity goes: wonders become routine, and then table stakes.”
2020 年的我們無法想像 2025 年的 AI；2030 年的世界，也不會是 2025 的放大版，這邊我要插個話，這五年會很關鍵，因為許多板塊都正在我們腳底下挪移。
參考一下AI報告中，關於人類文明發展的軌跡，你看看當今的大企業們是不是都只是這塊文明發展曲線上的一個點，裡面的一間公司。(圖可能要放大來看) 這就是改變的雙元特性，當下你會覺得沒甚麼，但是時間一拉長確實是可觀的變革。
我們或許已經生活在所謂的 AGI當中了，那對於我們的工作與生活將帶來甚麼影響?
4. Fake Jobs｜今天看來不正經的，未來就是正職
拍短影音、經營個人品牌、寫電子報、代操IG或抖音帳號，過去看似「不正經」的行為，今天已經變成具備商業模式的工作，用這個做例子，是要來呼應Sam 在文章中所提到的，一百年前的人類，如果坐了時光機來到今天這個世界，一定無法理解我們每天所做的工作: 就是坐在電腦前面打字，一群人躲在大樓隔間裡面，不停地打字，並稱之為工作。
這個荒謬感，很容易理解，身為國際業務團隊的一員，我除了每季出差拜訪與每周的電話會議，其餘的時間都是透過通訊軟體溝通，乍看之下，我們的工作內容就跟青少年在手機聊天沒啥兩樣，但是我和同事們每個人負責的營業額卻是幾十億到幾百億台幣，那時就讓我思考到底甚麼叫做大家眼中的正式工作:)
“I hope we will look at the jobs a thousand years in the future and think they are very fake jobs, and I have no doubt they will feel incredibly important and satisfying to the people doing them.”
這一段可以有個小結論就是說，工作固然會受到衝擊，但指的是今天的工作，未來，還有更多今天看起來很不像是正式工作的職缺會開出來，而這些「Fake Jobs」未來可能成為主流就業樣態，所以其實不用擔心人類沒工作做，要擔心的是我們手上的某些工作會急速被吞噬。
社會也改變了，工作也更新了，難道這個世界未來一定很美好，Sam 也提出了他的憂慮，也就是 Alignment 價值觀對齊的問題。
5. Alignment｜AI 的方向，誰來決定？
AI 的目標是否與人類價值對齊？這不只是工程問題，而是關於誰來主導價值觀、誰來設定方向的問題! 這一點坦白說我比較悲觀，世界貿易的討論從1945二戰結束之後，足足討論到1994年，然後於1995年一月一號WTO才正式成立，足足討論了50年!
只是買賣東西、課關稅，全球國家聚集在一起討論了五十年；至於甚麼才是AI時代的基礎共同價值觀? 這個我看要討論另外五十年!
“The sooner the world can start a conversation about what these broad bounds are and how we define collective alignment, the better.”
所以我可以這樣推論，科技公司的工程師們，應該非常慶幸自己恭逢其時，在人生的巔峰時期遇上了AI的另一波復興，絕對會在下一個冰河時期來臨以前，把油門催下去，剛剛說的全球價值觀的問題，以及AI與人類價值觀協調的問題，最簡單的解法就是當我最強，你自然必須聽我的，你不覺得最近很少人再談甚麼AI監理的話題了嗎?
矽谷思惟：職場突圍的方向
我認為白領的工作只會越來越少，所有串接不同部門(工作內容有"串”這個字的)首當其衝、甚至是領導一群人的工作，在這個時代，能夠發揮的空間都會快速被壓縮，那沒有新機會嗎 ?
機會很大，今天我們去上班的公司，不都是創辦人老闆們趁年輕冒了一點風險，成立了一間公司，才走到今天;1987的台積電(半導體)、1988的廣達(電子設備)、1989的華碩(電子設備)、1997的聯發科(IC設計)；就是剛剛上面那張人類文明發展圖的幾個小點:semiconductor, PC, internet, smartphone 所在的那一小截而已。
開創性就是我想表達的，看了這一篇我的感想是我們都該為五年後、十年後的世界做好準備，這真的是一場巨變。可是怎麼做好準備? 未來的工作長怎麼樣都不知道怎麼準備 ?
除了《Gentle Singularity》，Altman 在另一篇文章《How to be successful》中也提出了一個核心觀念：『做那些無法 scale 的事情。』.
這句話正是 AI 時代的職場突圍關鍵。當世界都在談 scale，或者在幾乎太多東西都能用AI快速生成，你應該反過來問：什麼是不能 scale 的？有甚麼是不能生成的。
我認為有幾件事情是很難scale的:
對客戶需求的細膩觀察，不能 scale。
把電磁學搞得滾瓜爛熟，教科書看10次 (這是施崇棠說的) 這個無法scale，因為即便AI能夠生成許多環節，但是人類組織還是會希望一個很懂或是具備有鑑別力的人，來看著這整個流程，把某項學科徹底搞懂還是很有價值的。(想像織布工廠在機台最上方看著成品有沒有瑕疵的老師傅)
用自己的雙腳去體會異國的環境與人文這是無法scale的
對時局脈絡的判斷、風險的拿捏，這些都無法 scale。.
所以，我認為該有的方向應該是—一邊持續學習 AI 工具的應用，一邊深化學習人類社會真實的知識: 買賣、服務、創作、行業核心知識 (通常是不會輕易寫出來的)，做出大家想要的產品，做出大家想看的影片，提供大家都想要的服務，那種把A表格的資料填到B表格，把前線業務回報的業績謄寫到PPT的工作就別了吧，因為「做那些不能 scale 的事，才是你突圍的方式。」
這也是《科技一週》的使命：我們關心科技，更思索我們如何在這場變化中突圍而出。最後，回到我們開頭的問題：我們為什麼還在寫作？ 還有WWDC的我們的想法，這兩題:
先說 WWDC，會後WSJ的記者訪問了兩位副總，副總又引用了賈伯斯的一句話，他說: 只要我們打造好的產品，並且告訴大家，人們就會向我們走來；不是為了AI而AI，而是以人為尺度來打造屬於蘋果的Apple Intelligence，我完全不覺得這個叫做撤退，反而覺得堅持按照自己的節奏做事是更困難的ㄟ，你覺得呢? 🙂)
Sam Altman 在文末提醒我們：即使科技不斷進步，人類真正關心的事情始終沒有變—人類。 因為我們是一種會在乎彼此的物種。我們觀察、共鳴、模仿、連結的對象，都是人類。
