火箭與腳踏車：為什麼 AI 產業選錯了發展路線？

本文整理自 This Is World 節目 2026 年 5 月播出的單集，來賓為 AI 調查記者 Karen Hao。

{{< youtube BKB7iZ1q6xk >}}

---

AI 不是鐵板一塊

「AI 就像交通工具這個詞，」Karen Hao 說，「交通工具可以是腳踏車，也可以是火箭。AI 也是一樣。」

這個比喻簡單，卻切中了一個被多數人忽略的事實。當我們談論「AI」的時候，腦中浮現的幾乎都是 ChatGPT、Claude、Gemini 這些大型語言模型。但 AI 其實涵蓋了非常多不同類型的技術，而大型語言模型只是其中一種，恰好是最耗資源、最具爭議的那一種。

Hao 是前 MIT Technology Review 資深 AI 編輯，2025 年出版了調查 OpenAI 內部文化的《Empire of AI》一書。在近期 This Is World 節目的訪談中，她提出了一個框架：把 AI 技術分成「火箭」和「腳踏車」兩類。這不只是修辭技巧，而是指向了 AI 發展方向的根本選擇。她對一種 AI 極度批判，對另一種卻充滿信心。理解這個區別，比辯論「AI 好不好」要有用得多。

火箭的三張帳單

OpenAI、Anthropic、Google 等公司正在開發的大型語言模型，就是 AI 世界的「火箭」。為什麼叫火箭？因為它們的運作邏輯是「把一切都塞進去」。為了訓練這些模型，公司需要反覆爬取整個網際網路的內容、購買書籍版權（或者不買就直接用）、取得 YouTube 影片的逐字稿、與全球新聞媒體簽訂授權協議。這是一種「萬物皆可訓練」的路線，目標是打造一個能處理所有事情的「萬能機器」。

這條路線帶來三張沉重的帳單。第一張是環境帳單。資料中心消耗大量電力和淡水，用燃氣渦輪機供電會汙染周邊空氣，全球已經有很多社區在抗議這些設施的進駐。第二張是勞動帳單。當你用 Reddit 上的內容來訓練模型，就需要做大規模的內容審核。這意味著大量低薪的審核員必須日復一日地檢視網路上最令人不適的素材，承受嚴重的心理壓力。第三張是財務帳單。OpenAI 承諾投入 1.4 兆美元建設運算基礎設施，但營收才 250 億美元，中間那個超過 1 兆美元的缺口，目前沒有任何明確的商業模式能補上。

Hao 強調她不是說這些模型完全沒有用處，確實有人從中受益。但她質疑的是成本效益的比例：在所有類型的 AI 技術裡，為什麼偏偏選了成本最高、負面效應最廣的這一種？

腳踏車的力量：AlphaFold 的啟示

如果大型語言模型是火箭，那 AlphaFold 就是腳踏車。這個由 Google DeepMind 開發的 AI 系統，專門做一件事：根據胺基酸序列預測蛋白質的三維結構。它不爬取網際網路，不需要內容審核員，不需要燃燒天然氣來供電給巨型資料中心。它只使用一組相對精簡的蛋白質摺疊資料，就解決了困擾生物學界 50 年的重大問題。

Hao 推崇 AlphaFold 有很具體的理由。首先，訓練資料的範圍小而精確，模型的運算效率因此高出很多，需要的晶片數量也遠少於大型語言模型。其次，因為訓練資料不是從網路上大規模抓取的，完全不涉及內容審核的勞動剝削問題。第三，它的產出有具體、可驗證的科學價值，全球超過兩百萬研究人員正在使用 AlphaFold 來加速藥物研發和基礎生物學研究。

「我們需要更多 AlphaFold，」Hao 說。「這些專精的系統，能用高精準度做好一件事。這才是 AI 真正能帶給我們好處的地方。而且它不需要付出那種規模的代價。」把火箭和腳踏車的成本效益攤開來比較，差距是驚人的：一邊是數兆美元的投資、全球性的環境衝擊、和系統性的勞動剝削，另一邊是精簡的資料集、高效的運算、和實實在在的科學突破。

為什麼業界偏偏選了火箭？

如果腳踏車這麼好，為什麼整個產業卻執意追求大型通用模型？Hao 的答案很直接：因為「萬能機器」的敘事對這些公司太有用了。

宣稱自己在建造一個能取代所有人類工作的系統，是吸引投資者最有效的方式。「萬能機器」的概念也幫助公司迴避監管：如果你的技術「即將改變一切」，任何限制都可以被說成「阻礙人類進步」。這套敘事還讓這些公司站上了道德高地：「如果我們不造機器之神，別人會造出機器惡魔。」一句話就把任何質疑轉化成了支持的理由。

這種敘事的背後有一個有趣的歷史根源。「人工智慧」這個名字本身就是行銷產物。提出這個名稱的 John McCarthy 後來在電視上承認，他發明這個詞純粹是為了幫一場暑期研討會拿到經費。當時團隊裡就有人反對這個命名，覺得會誤導公眾。但 McCarthy 堅持，因為之前叫「自動機研究」的時候根本沒人注意。七十年後，這個行銷決定的影響持續擴散：把整個技術領域錨定在「智慧」這個概念上，驅動一代又一代研究者去追求「複製人類意識」這個可能永遠到不了終點的目標。

AI 公司在定義 AGI 時的各種矛盾，也反映了同樣的邏輯。OpenAI 至少用了五種不同方式定義 AGI，每次都恰好服務於當下的策略需求。AGI 不是一個科學概念，而是一個隨時可以重新包裝的行銷容器。

像能源轉型一樣，轉型 AI

Hao 拒絕做預測。「預測會讓人覺得未來已經寫好了。我全部工作的基礎，就是幫人們認識到：我們靠今天的行動來書寫未來。」

她給出的不是預測，而是方向。就像我們在討論交通工具組合時，談的是從化石燃料轉向電動車、從個人運輸轉向公共運輸，AI 也需要類似的組合轉型。從高耗能、高剝削的大型通用模型，轉向更永續、更專精、更準確的技術路線，用來解決氣候變遷、加速藥物研發、改善醫療品質這些真正迫切的問題。

這不表示大型語言模型完全沒有存在的理由，但目前的資源分配嚴重傾斜。全球絕大多數的 AI 資本都流向了少數幾家公司的「火箭」計畫，而「腳踏車」長期資源不足。Hao 認為改變需要從兩端同時推進：一端是政府要求 AI 公司提高透明度，特別是公開訓練資料，讓公眾和研究者能科學地檢視這些模型的真實能力。另一端是更多資金和人才流向社區驅動、專精型的 AI 開發。

她提到了一個小而動人的案例。紐西蘭有一個毛利語廣播電台，作為社區組織，自己建了一個 AI 模型。這個模型不是為了取代任何人的工作，而是為了保存一種語言。它小而精準，服務於具體的社區需求，不需要燒掉 5,000 億美元。「我認為更多社區應該做同樣的事，」Hao 說。如果 AI 的未來不只有火箭，還有各種各樣的腳踏車，那個未來會比現在這個版本好得多。