全球人工智能（AI）需求持续推升内存价格，OpenAI首席执行官奥特曼（Sam Altman）却对个人电脑保留大量内存的做法提出质疑，认为从全球资源配置角度来看，让有限的DRAM分散在个人电脑中、长时间处于闲置状态，并不是有效率的安排，内存资源应集中至云端数据中心，以提高整体使用率。

奥特曼近日接受YouTube频道《Cheeky Pint》专访时，谈及AI模型本地推论与个人电脑内存需求。他指出，假设每个人都在自己的电脑上运行本地AI模型，可能导致大量DRAM资源被闲置。

奥特曼表示：「从全球资源配置的角度来看，让每个人都把全球有限的DRAM内存闲置在自己的电脑里，而使用率只有5%，其实非常糟糕。」

他指出，在内存供应极度紧张的情况下，云端数据中心应尽可能提高资源利用率，但许多人直觉上却有不同看法。

这番言论也引发外界对AI运算资源分配的讨论。当前OpenAI主要通过大型数据中心提供闭源模型服务，奥特曼的观点也被认为涉及云端运算与本地AI发展之间的资源竞争。

随着AI浪潮推升内存需求，全球DRAM供应吃紧，PC及手机等消费性电子产品也面临成本压力。尽管个人电脑、手机与AI加速卡使用的内存规格不尽相同，但相关产品的生产仍会竞争部分上游晶圆产能。

奥特曼的论点创建在数据中心建设持续扩张的前提上，也反映出AI业者对运算资源利用效率的重视。不过，当内存资源集中至云端，消费者未来是否更依赖租用云端运算与AI服务，也成为这项主张引发的另一层疑虑。

AI 发现漏洞能力提升 资安架构恐须重新设计

除了内存配置，奥特曼也谈到AI快速提升的代码分析能力，以及可能随之而来的资安风险。

他认为，大型语言模型发现软件漏洞的能力持续进步，加上网络上的代码规模庞大，当业界开始运用AI系统性扫描代码时，可能发现远比预期更多的重大漏洞。

在他看来，单纯修补漏洞已不足以因应未来威胁，路由器、操作系统及应用程序等技术架构都可能需要重新设计，以适应AI持续提升的漏洞搜索能力。

奥特曼也坦言，AI产业并未充分向外界说明这项技术可能带来的负面影响，以及为何其潜在效益值得承担相关风险。他认为，业界一方面宣传AI能够治疗癌症、降低成本，另一方面却又警告可能造成失业、失控及监管需求，这种说法并不理想。

谈到如何限制高能力AI模型，他表示，沙箱隔离只能提供一定程度的保护，搭配思维链审查及模型内部活动监控，或许能进一步降低风险，但最终仍需要高度仰赖模型本身的对齐程度。

他也不看好单纯依靠沙箱就能完全确保安全，尤其当未来模型的能力可能远超人类安全研究人员，甚至发现人类尚未理解的新科学时，现有防护措施是否足够仍是问题。

AI 研 究能力跃进 奥特曼忧人类科学家角色改变

谈及AI在科学研究上的进展，奥特曼指出，模型运用运算资源解决复杂问题的能力已大幅提升。随着思维链技术发展，模型能够投入更多运算进行推理，如今更可以让大量AI代理团队平行运行任务。

他以纳维－斯托克斯方程（Navier-Stokes equations）的证明工作为例，表示相关研究单次耗费约1,000万美元，过程中甚至有一周出现资源使用失控的情况，原因是当时团队尚未掌握代理团队扩展的规律。

不过，他预期，未来一年若使用更先进的模型及方法，完成同类工作的成本可能降至原本的百分之一。

奥特曼也回忆，OpenAI曾在新模型内部推出后，让模型挑战各种极具难度的研究问题，结果模型接连解决多个不同领域的难题，令团队相当震撼。他表示，当时甚至因为过度兴奋而有两个晚上几乎无法入睡。

然而，这些突破也让他产生复杂情绪。他形容，看到AI逐步解决人类科学家长期投入的难题，一方面感到兴奋，另一方面也有种时代正在结束的感受。他认为，人类仍应有机会掌握基础知识，但AI产业也必须思考如何回应相关领域从业者面临的变化。

对于超级智能的发展，奥特曼则表示，相较于打造单一智力远超人类的AI，他更倾向让大量具备些微超人类智能的AI加入社会。

他认为，多个个体之间的合作与制衡，能让整体系统更具韧性，而不是将能力集中在单一AI身上。

内存扩 产 速度有限 奥特曼称市场机制失灵

面对全球内存短缺，奥特曼也谈到半导体产业扩产速度不如预期的原因。

他指出，内存产业过去长期面临高资本支出、低获利的经营环境，业者曾多次因过度扩张产能而陷入财务困境。即使目前部分内存厂商每年可创造约1,000亿美元自由现金流，过去的经验仍使业者对扩产相当谨慎。

奥特曼认为，这使市场供需调节机制难以迅速发挥作用，直言「看不见的手现在失灵了」。

他也透露，OpenAI正从多个方向布局AI基础设施，包括自行研发芯片、兴建数据中心及发展机器人。他进一步提出「自我拷贝的数据中心」构想，希望通过AI控制机器人，协助营运晶圆厂、制造涡轮机与太阳能板，并参与数据中心建设。

在芯片技术方面，奥特曼区分了芯片制造与设计的难度，认为微影技术的掌握者极少，但芯片设计则是AI有机会发挥作用的领域。

至于AI能否通过递归自我改进（Recursive Self-Improvement，RSI）持续提升能力，他表示，目前模型已能协助寻找约5%的运算效率改善空间，但如何让AI自行发现类似Transformer的重大新架构，业界仍没有明确答案。

AI 代理 商业模式未定 按任务计价曾遭客户反对

奥特曼也谈及近期受到关注的个人AI代理产品，认为目前市场尚未出现足以让用户无法想像没有它的产品。他预期，未来成功的代理仍会具备现有产品的部分特征，但必须更可靠，并能处理更复杂的任务。

在商业模式方面，他认为企业不应过度依赖自家网站或产品接口维系客户关系，因为消费者更希望直接通过主要聊天应用程序，让AI代为完成各种工作。他认为，企业真正的竞争优势应来自品牌、商品选择及履约网络，而非网站接口本身。

至于AI代理的收费方式，奥特曼透露，OpenAI曾考虑仿效亚马逊云端运算服务AWS，改采按任务计价，而非依照Token用量收费，但客户对此反应强烈，认为必须清楚知道自己支付费用的项目，因此仍偏好以Token作为计价单位。