全球人工智慧（AI）需求持續推升記憶體價格，OpenAI執行長奧特曼（Sam Altman）卻對個人電腦保留大量記憶體的做法提出質疑，認為從全球資源配置角度來看，讓有限的DRAM分散在個人電腦中、長時間處於閒置狀態，並不是有效率的安排，記憶體資源應集中至雲端資料中心，以提高整體使用率。

奧特曼近日接受YouTube頻道《Cheeky Pint》專訪時，談及AI模型本地推論與個人電腦記憶體需求。他指出，假設每個人都在自己的電腦上執行本地AI模型，可能導致大量DRAM資源被閒置。

奧特曼表示：「從全球資源配置的角度來看，讓每個人都把全球有限的DRAM記憶體閒置在自己的電腦裡，而使用率只有5%，其實非常糟糕。」

他指出，在記憶體供應極度緊張的情況下，雲端資料中心應盡可能提高資源利用率，但許多人直覺上卻有不同看法。

這番言論也引發外界對AI運算資源分配的討論。當前OpenAI主要透過大型資料中心提供閉源模型服務，奧特曼的觀點也被認為涉及雲端運算與本地AI發展之間的資源競爭。

隨著AI浪潮推升記憶體需求，全球DRAM供應吃緊，PC及手機等消費性電子產品也面臨成本壓力。儘管個人電腦、手機與AI加速卡使用的記憶體規格不盡相同，但相關產品的生產仍會競爭部分上游晶圓產能。

奧特曼的論點建立在資料中心建設持續擴張的前提上，也反映出AI業者對運算資源利用效率的重視。不過，當記憶體資源集中至雲端，消費者未來是否更依賴租用雲端運算與AI服務，也成為這項主張引發的另一層疑慮。

AI 發現漏洞能力提升 資安架構恐須重新設計

除了記憶體配置，奧特曼也談到AI快速提升的程式碼分析能力，以及可能隨之而來的資安風險。

他認為，大型語言模型發現軟體漏洞的能力持續進步，加上網路上的程式碼規模龐大，當業界開始運用AI系統性掃描程式碼時，可能發現遠比預期更多的重大漏洞。

在他看來，單純修補漏洞已不足以因應未來威脅，路由器、作業系統及應用程式等技術架構都可能需要重新設計，以適應AI持續提升的漏洞搜尋能力。

奧特曼也坦言，AI產業並未充分向外界說明這項技術可能帶來的負面影響，以及為何其潛在效益值得承擔相關風險。他認為，業界一方面宣傳AI能夠治療癌症、降低成本，另一方面卻又警告可能造成失業、失控及監管需求，這種說法並不理想。

談到如何限制高能力AI模型，他表示，沙箱隔離只能提供一定程度的保護，搭配思維鏈審查及模型內部活動監控，或許能進一步降低風險，但最終仍需要高度仰賴模型本身的對齊程度。

他也不看好單純依靠沙箱就能完全確保安全，尤其當未來模型的能力可能遠超人類安全研究人員，甚至發現人類尚未理解的新科學時，現有防護措施是否足夠仍是問題。

AI 研 究能力躍進 奧特曼憂人類科學家角色改變

談及AI在科學研究上的進展，奧特曼指出，模型運用運算資源解決複雜問題的能力已大幅提升。隨著思維鏈技術發展，模型能夠投入更多運算進行推理，如今更可以讓大量AI代理團隊平行執行任務。

他以納維－斯托克斯方程（Navier-Stokes equations）的證明工作為例，表示相關研究單次耗費約1,000萬美元，過程中甚至有一週出現資源使用失控的情況，原因是當時團隊尚未掌握代理團隊擴展的規律。

不過，他預期，未來一年若使用更先進的模型及方法，完成同類工作的成本可能降至原本的百分之一。

奧特曼也回憶，OpenAI曾在新模型內部推出後，讓模型挑戰各種極具難度的研究問題，結果模型接連解決多個不同領域的難題，令團隊相當震撼。他表示，當時甚至因為過度興奮而有兩個晚上幾乎無法入睡。

然而，這些突破也讓他產生複雜情緒。他形容，看到AI逐步解決人類科學家長期投入的難題，一方面感到興奮，另一方面也有種時代正在結束的感受。他認為，人類仍應有機會掌握基礎知識，但AI產業也必須思考如何回應相關領域從業者面臨的變化。

對於超級智慧的發展，奧特曼則表示，相較於打造單一智力遠超人類的AI，他更傾向讓大量具備些微超人類智慧的AI加入社會。

他認為，多個個體之間的合作與制衡，能讓整體系統更具韌性，而不是將能力集中在單一AI身上。

記憶體擴 產 速度有限 奧特曼稱市場機制失靈

面對全球記憶體短缺，奧特曼也談到半導體產業擴產速度不如預期的原因。

他指出，記憶體產業過去長期面臨高資本支出、低獲利的經營環境，業者曾多次因過度擴張產能而陷入財務困境。即使目前部分記憶體廠商每年可創造約1,000億美元自由現金流，過去的經驗仍使業者對擴產相當謹慎。

奧特曼認為，這使市場供需調節機制難以迅速發揮作用，直言「看不見的手現在失靈了」。

他也透露，OpenAI正從多個方向布局AI基礎設施，包括自行研發晶片、興建資料中心及發展機器人。他進一步提出「自我複製的資料中心」構想，希望透過AI控制機器人，協助營運晶圓廠、製造渦輪機與太陽能板，並參與資料中心建設。

在晶片技術方面，奧特曼區分了晶片製造與設計的難度，認為微影技術的掌握者極少，但晶片設計則是AI有機會發揮作用的領域。

至於AI能否透過遞迴自我改進（Recursive Self-Improvement，RSI）持續提升能力，他表示，目前模型已能協助尋找約5%的運算效率改善空間，但如何讓AI自行發現類似Transformer的重大新架構，業界仍沒有明確答案。

AI 代理 商業模式未定 按任務計價曾遭客戶反對

奧特曼也談及近期受到關注的個人AI代理產品，認為目前市場尚未出現足以讓使用者無法想像沒有它的產品。他預期，未來成功的代理仍會具備現有產品的部分特徵，但必須更可靠，並能處理更複雜的任務。

在商業模式方面，他認為企業不應過度依賴自家網站或產品介面維繫客戶關係，因為消費者更希望直接透過主要聊天應用程式，讓AI代為完成各種工作。他認為，企業真正的競爭優勢應來自品牌、商品選擇及履約網絡，而非網站介面本身。

至於AI代理的收費方式，奧特曼透露，OpenAI曾考慮仿效亞馬遜雲端運算服務AWS，改採按任務計價，而非依照Token用量收費，但客戶對此反應強烈，認為必須清楚知道自己支付費用的項目，因此仍偏好以Token作為計價單位。