AI 飛輪的矛盾:當市場擔心產能過剩,OpenAI 卻說需要更多算力

當市場對 GPU 產能過剩拉警報時,OpenAI 卻透過官方管道宣告:「我們需要更多算力。」

OpenAI 最近的聲明

「是算力讓我們的第一個圖像生成服務得以上線,而在上線後的三週內,每週活躍用戶成長了 32%。還有更多功能即將推出⋯⋯而我們需要更多算力。」

在分析師質疑產業是否已經過度建設的時刻,這是一個大膽的宣稱。

AI 產業開始像極了 Amazon 的飛輪

更多算力帶來更好的模型。更好的模型吸引更多用戶。更多用戶產生更多營收。更多營收投入更多算力。

這個良性循環的邏輯很清楚。問題在於時機。

Amazon 數十年前就用電商基礎建設證明了這套邏輯。現在同樣的結構性動力正在 AI 領域上演 - 但速度和資本密集度是這個世界前所未見的。

市場恐懼與現實的落差

關於基礎建設產能過剩和資本支出過高的警告充斥市場。但根本問題是:「你能把多少未來拉進現在?」

人類的貪婪總是超前技術進步的速度。而這個落差,正是泡沫形成的地方。

歷史上每一個技術週期都會有投資超越近期需求的時刻。存活下來的,是那些底層效用真實存在的。AI 的問題不在於是否有過度投資 - 而在於使用情境是否能證明正在建設的基礎設施是合理的。

真正的瓶頸其實在完全不同的地方

模型以驚人的速度進步。訓練週期變得更短。基準測試分數持續攀升。

然而矛盾的是,提示詞(prompting)變得比以往任何時候都更重要。

• AI 效能基準是用專家級的查詢來測量的
• 真實用戶的提問遠遠達不到那個水準
• 結果:能力飆升,實際使用率卻原地踏步

這就是 AI 飛輪核心的矛盾。你可以投入數十億資金在算力上,把模型效能推向非凡的高度 - 但如果用戶無法有效傳達他們的需求,所有的力量都被閒置了。

贏家將是那些填補這個落差的人

Vibe coding 讓我們看到了當落差縮小時會發生什麼。當人類意圖與 AI 能力之間的介面變得流暢,採用率就會爆發。

同樣的原則適用於簡報、內容創作、資料分析 - 每一個 AI 理論上可以幫忙但實際上讓人挫折的領域。

這不是一場算力之戰。這是一場使用者體驗之戰。而只有贏得 UX 戰爭,算力軍備競賽才能持續下去。

那些投資於縮小「AI 能做什麼」與「用戶實際得到什麼」之間落差的公司 - 才是那些能證明飛輪下一圈轉動合理性的公司。