AI 飛輪悖論:市場擔心 GPU 過剩,OpenAI 卻話要更多算力

市場成日話 GPU 產能過剩,但 OpenAI 最近就透過官方渠道直接表態:「我哋需要更多算力。」

OpenAI 最近嘅聲明

「算力令我哋首個圖像生成功能得以推出,而喺過去三個禮拜,每週活躍用戶增長咗 32%。仲有更多嘢即將推出……而我哋需要更多算力。」

呢番說話好大膽,尤其係當分析師都質緊疑行業係咪已經起得太多基建。

AI 行業開始似足 Amazon 嘅飛輪效應

更多算力帶來更好嘅模型。更好嘅模型吸引更多用戶。更多用戶帶來更多收入。更多收入投資返落更多算力。

呢個良性循環好清晰。問題係時機點掌握。

Amazon 幾十年前已經用電商基建證明咗呢個邏輯。而家同一個結構性邏輯喺 AI 領域重演 - 但速度同資本密集度係史無前例。

市場恐慌同現實之間嘅落差

市場充斥住關於基建過剩、資本支出過度嘅警告。但根本問題係:「你可以將幾多未來拉到而家?」

人類嘅貪婪永遠跑喺技術進步前面。呢個落差正正就係泡沫形成嘅地方。

歷史上每個科技週期都試過投資超出短期需求嘅時刻。存活落嚟嘅,係啲底層效用真實嘅項目。AI 嘅問題唔係有冇過度投資 - 而係應用場景能唔能夠支撐起呢啲基建投資。

真正樽頸其實喺第二度

模型進步速度快到嚇人。訓練週期愈嚟愈短。基準測試分數不斷攀升。

但矛盾嘅係,prompting 變得比以前更加重要。

• AI 效能基準用專家級提問嚟量度
• 真實用戶嘅提問遠遠達唔到呢個水平
• 結果:能力飆升,但實際使用率原地踏步

呢個就係 AI 飛輪核心嘅悖論。你可以倒幾十億落算力,將模型效能推到好高嘅境界 - 但如果用戶表達唔切自己想要啲乜,所有能力都用唔盡。

贏家將會係搞得掂呢個落差嘅人

Vibe coding 俾我哋睇到當落差收窄會係點樣。當人類意圖同 AI 能力之間嘅介面變得流暢,採用率就會爆升。

同樣道理適用於簡報製作、內容創作、數據分析 - 每個 AI 理論上幫到手、但實際上令人沮喪嘅領域。

呢場仗唔係算力競賽。係用戶體驗之戰。只有贏咗 UX 之戰,算力軍備競賽先有可能持續落去。

真正投資喺縮窄「AI 做得到啲乜」同「用戶實際攞到啲乜」之間落差嘅公司 - 呢啲先係能夠推動飛輪下一轉嘅企業。