从世纪交替之际的西元2000年开始算，数码科技与网际网络带给世界的改变，大致可以区分为四个阶段。第一个阶段是从2000年初网络泡沫之后的.com时代，这个时代的领导厂商是诺基亚（Nokia）等电信服务公司与提供网通设备的思科（Cisco）。第二阶段应该从2007年iPhone上市开始，这个阶段是移动通信时代，赢家是苹果（Apple）、三星电子（Samsung Electronics）与国内的红色供应链。之后则是透过各种终端设备所创造出来的大数据时代，让AWS、Google、Meta、微软（Microsoft）等公司在云端服务上大放异彩。经过大约20年的积累，各种数据的演算、交叉作用，带给人工智能相关应用一次前所未有的新商机。ChatGPT应时而生，短短五天带来了上百万的用户，激励了大语言模型（LLM）的应用。而GPU+NPU+CPU+AP各种芯片间的连动，也需要更多高带宽记忆（HBM）与驱动IC。春江水暖，上游的半导体设计与网络巨擘蠢蠢欲动，量产制造大厂不可能无动于衷。台湾电子六哥中，人工智能、服务器上颇有斩获的富士康、纬创、广达都展现出强势的成长动能，更有不少周边的IC设计公司希望在边缘运算上取得一席之地。我们可以笃定地说，在人工智能的大潮下，商机回温，但真正需要观察的理解未来10年是人工智能的新时代，自己企业的价值主张与策略目标。台积电的国际布局与核心客户转移2030年会是一个什麽样的世界呢？台积电资深副总裁张晓强最近在一场简报中指出，2030年时全世界的GDP总量将达145万亿美元，比2023年的104.5万亿美元，还要多出40万亿美元。而驱动全球经济成长原生的主要动能，将来自半导体。台积电估计，2030年时全球半导体市场将由2023年的5,230亿增加到1万亿美元，而背后支撑半导体市场的主力就是晶圆代工。台积电估计到2030年时，全球晶圆代工市场是2,500亿美元，如果台积电以现在60%的市占率估算，届时台积电的营收将达1,500亿美元，超过2023年693亿美元的营收不只1倍。张晓强又说，2030年时全球电子产品的市场规模是3万亿美元，而包括软硬件相关服务在内的IT市场商机更高达12万亿美元。我们很容易理解，从快递服务到车联网、智能制造、区块链、元宇宙与背后的大数据、云端服务，没有一样可以不依靠半导体的运算与储存数据的能力。对台积电这家遥遥领先竞争对手，且看好市场稳定成长的晶圆制造厂而言，继续关注先进制造能力、客户结构、产业生态系三大议题便可，各种细微的变化都是雕虫小技，无法动摇根本。对台积电而言，取得资源、专注制造的重要性，远比四处张望、寻找商机重要。这就说明了台积电为何偏向虎山行，继续在美日宣布新投资计划的关键。关键在于台积电已经「大到不能不倚赖他」，就算是制程、材料出现新的革命，客户也会找台积电寻求解方。在很多人都看衰美国新厂之际，台积电拿到「满意」的补贴与租税奖励条件，2030年以前全球的生产布局大致已经粗具轮廓，竞争者很难望其项背。台积电加速布局，与人工智能、网络巨擘自研芯片计划有关，布局远眺2030年的市场需求，那麽政府对这件事会有什麽样的看法？台积电的策略渐趋明朗，但为难的是台湾的政策！

从2024年3月开始，景气出现明显的回温，观察产业变化，除了倚赖分析师敏感的观察力，还可以透过电脑系统自动产出，进行数据的强连结与横向对比，更可以由人工智能做初步的判读。是的，我们面对愈来愈复杂的产业议题，但也可以用数据产出数据，搭配更有效率的AI工具掌握关键趋势，寻找超越人类思维能力所及的答案。在网络世界里，所有的问题都有答案，只是您如何定义问题而已！世界的改变，我们看到一体两面，新的挑战也可以创造更高的价值。孙子兵法说：「善战者，求之于势，不责于人」。所有的企业家、专业经理人得先从定义自家企业着手，然后寻找市场上的定位与策略定锚的基础。对台湾量产制造业而言，单纯制造的能力之外，在策略形成过程中，培养定义客户需求的能力将愈趋重要，亦即主动出击，「Demand creation」的能力将是显现B2B商机的致胜关键。《隐形冠军2.0》一书作者强调，供应商必须比客户更了解客户的需求，这是成为隐形冠军的基本要件。《虚拟新世界》这本探索元宇宙的新书中也提到，技术的探索固然重要，但以强韧的心理素质找到决策方向，更是我们在新世界里必须面对的关键课题。当我们读到日本首富柳井正说「经营者最大的风险是常识」时，这不仅是提醒我们对于纵向产品与技术规格须有更明确的理解，对于横向的跨业商机也要有定义需求的能力。在人工智能开始大量渗透我们的日常时，产业界将面对两种议题。第一，制造业者在整个产业转向的过程中，如何透过专业的论述与上下游连动，以争取在商机盘旋、拉锯的过程中有更高的胜算。对周边专业的服务业者而言，薪资可能占营收的一半，面对能做的事情愈来愈多，适任的人却愈来愈少，在薪资上涨、少子化的威胁下，利用电脑系统、数据赚钱，远比用人脑提供传统的服务更具价值。但过去不曾尝试累积数据的公司很难无中生有，传统的服务业者必将面对极为艰难的挑战。台积电远眺2030年的半导体世界，超狂的投资底气来自上游的GPU、NPU与应用处理器交错而成的商机，台积电甚至与Microchip合作40纳米制程，这个连逐渐成形的边缘运算都已经算计在战略布局内，是寡占市场中接近独占地位者的特权与远见。

「AI手机」的定义是可离线执行LLM模型，实现生成式AI功能的手机。手机受限于物理极限，在AI应用上专注于文字信息的提供、影像自动创建、语言实时翻译、个人助理等四大功能。以手机应用处理器为目标市场的高通（Qualcomm）、联发科，面对2024全年销售量上看1.47亿支的AI手机，当然不会等闲视之。除了传统的应用处理器供应商之外，在手机市场上领先群雄的苹果（Apple）、三星电子（Samsung Elecronics）都是自研芯片业者，而Google 也以Tensor G3的芯片应战。国内的OPPO、vivo与小米都是仰赖外部芯片，而三星、苹果、Google大多以自家需求为主，因此会以不同的市场定位做出AI功能上的调整。现在他们正努力强化CPU+GPU+NPU的功能，提高运算参数，并结合新时代的DRAM，提供更高带宽的存储器。各大手机厂或应用处理器供应商，市场定位明确，对象也有迹可寻，未来最大的变量可能是Google背后的Android阵营，Google推出的Gemini与Gemma功能，会带来多大的改变，也是大家关切的议题。整体而言，生成式的AI正从云走向端，边缘运算的商机浮现，业者必须面对软硬整合的挑战。这一波AI新浪潮来临时，能加速运算的GPU最受瞩目，参与的业者对整个生态系必须有一定的掌握与价值主张，从诸多变化中找到自家企业在整个生态系中的定位。在GPU的浪潮之后，云端服务业者（CSP）的自研芯片是新一波应该关注的焦点，而以ARM为基础的SoC规格如何升级，推论用的NPU或其他XPU在不同市场的经营也都值得留意。毫无疑问，这些新的芯片会从具规模的NB、手机开始渗透，下一个阶段是智能家庭、电动车与工业物联网的商机。至于大语言模型，Open AI、微软（Microsoft）、Google 与Meta的动向是指标，但进入边缘运算之后，各种针对分众市场的模型压缩将会是我们观察的重点。我在这些大的变化中隐约看到全球产业资源的重分配，这些大趋势的背后有国际经贸，甚至地缘政治的议题吗？美国高举大旗，而全世界的焦点也在市值上万亿美元的科技大腕身上，但国内拥有最大的数据库、明确的政府政策、可以忍受最低底线的成本，只要政府愿意支持，亏损都是全民共同承担。不同的社会管理机制、产业文化，将带来地缘政治在「战略断层带」上的国家，例如台湾、韩国、日本更大的冲击与压力。拥有半导体与供应链的台湾，是躬逢其盛，还是正在被推向战场，上帝不知道，AI也无法告诉我们！

生成式AI必然会从以往高度仰赖数据中心的云服务，将部分具有隐私性、实时性的信息留在「端」的设备上处理。因此，搭载CPU+NPU的AI PC与AI手机，被塑造成可执行机敏运算，进行有效推论的终端设备，这也是现阶段我们看到终端设备的新商机。生成式语言模型　走向更快、更小、更准的新时代一开始生成式语言走的是大语言模型（LLM），2018年启用的GPT 1创造了风潮之后，整个大语言模型的世界风起云涌。之后的BERT、GPT 2、T5、Meena与Megatron、GPT 3等不同时代的更迭，激增的运算参数总量，背后是Open AI与微软（Microsoft）、Google之间的角力，而这是属于「云」层次的大语言模型之争。2021年之后，为了解决使用者的疑虑，更多公司推出针对专属应用的语言模型，诱使更多用户在分众领域与终端设备中启用人工智能的应用，这是边缘AI的源头，未来也还可能往电动车、工控应用推进。正在扩张中的人工智能大商机，也从最上游的晶圆制造厂，涌进最下游的终端设备、工控业。从短期商机来看，为解决GPU建构成本与耗能过高的问题，AI PC业者推出内建NPU的CPU平台，这种适合离线运算的大语言模型，总运算参数多数在100亿~300亿之间，这样的解决方案目前主要是由微软的Copolite主导，硬件制造厂、供应商扮演助攻的角色。在AI手机方面，已经有不少手机内建NPU，LLM的语言模型，参数量在10亿~100亿之间，目前手机应用处理器（AP）的供应商积极提高运算效能，但也必须克服存储器带宽的问题。面对这个快速成长的商机，微软Azure平台在2022年的11月推出免费版，让ChatGPT在两个月内累积了超过1亿的用户。之后在2023年的2月推出GPT-4 Plus，并以ChatGPT技术导入New Bing、Edge的应用，2023年9月推出M 365 Copolite，也预期新版的Windows会内建Copolite的功能。至于以AI PC为目标的两大CPU阵营，以英特尔、AMD主导的X86阵营，以及ARM阵营的高通（Qualcomm）、苹果（Apple）都在抢先布局，而用户端的则是惠普（HP）、戴尔（Dell）、宏碁、华硕等各种品牌业者。x86阵营的英特尔（Intel）使用自家Intel 4制程的Core Ultra处理器，而超微（AMD）则是倚赖台积电4纳米技术的Ryzen 8040，操作系统都是Windows OS。在ARM阵营方面，高通Snapdragon X Elite平台使用台积电4纳米制程，预计2024年下半推出。而苹果的M4则使用台积电第二代3纳米制程（N3E），这是苹果生态圈的专用处理器。据DIGITIMES估计，全球NB市场规模将从2023年的1.66亿台，增加到2024年的1.73亿台，其中AI NB的比重将达26%，也就是有4,500万台的NB装载新的处理器，并拥有推论的能力。在手机方面，预期2024年11.66亿支的手机市场中，有1.47亿支是具有推论功能的AI手机，比重是12.6%。短短一、两年之内，具AI功能的终端设备异军突起，上下游业者都希望分一杯羹，甚至往更远的电动车、工业应用发展，将成为下一波人工智能与云端服务的关键进展，而混合型的人工智能服务也将带来更多元的面向与商机。

在讨论HBM4标准界面对DRAM产业生态的冲击之前，让我们先回顾一下DRAM产业的现况。DRAM产业从2014年的20~22纳米制程，到2024年SK海力士（SK Hynix）跨入10纳米制程，整整花了10年的工夫。如果在过去摩尔定律还适用的年代，这样速度的制程进展只能算是前进2个时代节点，这是过去用3年时间就可以取得的成果。DRAM制程进展如此迟缓当然是因为DRAM物理特性所造成的限制：DRAM的记忆单元是电容，而电容值（capacitance）与电容面积成正比。在制程持续微缩过程中，电容面积理当会变小，因而电容能保持电荷—就是存储器单元中的信号—的时间会缩短，因此每次制程推进时，还要维持电容值不变，这就成了DRAM新制程研发时的最大梦靥。没有快速的制程推进，就无法在同一面积芯片上提高效能、持续快速的创造新价值。兼之DRAM进入1b、1a制程后，使用昂贵的EUV似乎无可避免，这让单位面积成本的下降更为艰难。如果制程快速推进无法成为芯片增加经济价值的手段，就得有其他增加价值的方式。譬如说，创造应用面的价值。目前DRAM在各类应用的标准界面相继出炉正是此一趋势的显现，从原先主流的DDR（Double Data Rate），再到适用于移动系统的LPDDR（Low Power DDR，节能）以及GDDR（Graphic DDR，宽频）、HBM（大容量、超宽频）等。也就是说，DRAM产品虽然还有统一的界面标准，但是产品市场正逐渐走向碎片化过程之中。产品市场分化的下一步就是定制化。定制化产品的供应与需求中间的关系是专买与专卖，因此可以很大程度的避开大宗商品（commodity）市场典型的周期性起伏状况。改变产业的生态样貌、藉以避免业务及财务的大幅震荡等，也许是这些想定制化HBM存储器公司的考量之一，特别是存储器市场现在正在经历为时不短的周期性价格低谷时期。但是市场开始分割细碎后，规模经济的威力也会跟着降低。原先DRAM市场由3家大公司寡头垄断的局面也可能会因之改变。原先DRAM产业的进入壁垒主要是规模经济以及先进制程相关的专利障碍。但是现在DRAM制程演进迟缓，兼之有许多小生态区开始出现，可以提供小公司的牛油与面包，寡头垄断的市场生态有可能变化。这也许部分解释SK海力士目前技术的想法。HBM4存储器的堆叠部分仍然可能选择统一的标准界面，在设计及生产上仍能大致维持规模经济的効力；定制化的任务就局限于底层的逻辑芯片。这样的安排大致能维持规模经济与定制化的均衡，获取最大利益。只是产业的产品界面标准存在的前提，是所有产业中生产产品的公司以及产品使用者愿意共同遵守。如果有些公司选择专有界面，便无业界统一的界面标准。无论如何，这是2025年就应该会有答案的，而其结果将牵动DRAM产业的生态样貌。

大势所趋，网络巨擘建构完整的产业生态系，让生成式AI在整个转折过程中处于枢纽地位，而这些网络巨擘从「云走向端」也是必然的趋势。过去，终端设备只是连结用户云端服务的界面而已，人们使用传统的手机、电脑，将各种问题抛到数据中心获得适当的解答。但所有的用户都忧心自己的提问成为网络巨擘训练数据中心的养分，用户从客户隐私到传输的延迟都有疑虑。在用户修正使用行为的过程中，边缘运算是最快受惠的族群，这也与台湾传统的优势息息相关。无论是AI PC或AI手机，都是第一波验证边缘运算的重要机制，台商为主的制造体系或许不是主要的获利环节，但其他新兴国家也很难抗衡。台商无怨无悔地全力投入，加上台积电「让竞争者看不到车尾灯」的竞争策略，生产制造的学习曲线反倒成为拉大领先差距的关键要素。随着时间的推移，原本隐身在后的台系供应链因为台积电突出的表现，以及了解台系供应链价值的NVIDIA因时而生，台湾在人工智能的新时代，必然会从隐身幕后的推手，变成协助科技大腕建构全球供应链的关键夥伴。就像不久之前频发的地震一样，当大地动能累积到一定程度时，适当地释放能量是最好的解决方案。1998年亚洲金融风暴之后，台商睥睨全球的OEM制造体系无法安于台湾的土地、人才条件，往国内移动是释放能量的选择，否则台商不会有今天的经济规模。现在这一波的人工智能大潮，加上美中贸易摩擦，台湾似乎又到了选择的时刻。过去政府是心不甘、情不愿地放手台商到国内设厂，现在面对的是越南、泰国、印度、墨西哥，甚至捷克、波兰的新选择，台湾会主动拟定战略，还是让厂商各自寻找生路呢？市值动辄上万亿美元的科技大厂，过去只关注局限于服务核心客群的议题，但现在更期待「整合＋垄断」，他们正在重塑品牌定位，背后的台商是可以快速回应技术更替，建构超前供应链的关键夥伴。以代工为主的台商一如既往，仍然是「无害的夥伴」，也预告未来10年将是台湾的黄金十年。

为维持NVIDIA在人工智能领域的领导地位，NVIDIA除了以CUDA软件掌握核心价值之外，因身上有台湾DNA，也不断地强调其与台湾、台积电的渊源，另在实务上NVIDIA甚至还掌握了服务器供应链的核心环节。以H100的芯片为例，DIGITIMES在一年多前报导NVIDIA向SK海力士（SK Hynix）直接采购HBM存储器的新闻，当时的市场需求让我们知道「something different」，但不足以让我们深度理解背后的情境。NVIDIA以H100 PCIe的模块卖给各大服务器品牌与云端服务业者，这是我们常见的OEM模式。之后我们开始追踪NVIDIA以PG 520 PCB的型号将主机板打板的工作交给富士康，整个系统的组装交给纬创。NVIDIA以自己的品牌DGX System销售到市场，甚至以DGX Cloud Service 的服务模式提供给微软（Microsoft）、甲骨文（Oracle）这些大型系统软件业者，并量身定做品牌服务工作。NVIDIA提供一条龙的服务，根据客户需求提供差异化的软件与硬件架构供客户选择。在上游的台积电供应不足的情况下，NVIDIA在不同环节有更高的主导权，也让其他竞争者望而生叹。谁在人工智能的地图与客户的雷达上？毫无疑问，在各种战略配套下，就像台积电在晶圆代工业的实力一样，NVIDIA建构了AI生态系的深沟高垒，竞争者很难越雷池一步。那麽这些深沟高垒到底包括什麽？我们必须了解过去英特尔（Intel）、微软、苹果（Apple）创造的模式，也许不会在短期内被推翻，但毋庸置疑的这些传统运作模式正在被改变，影响力也在削弱中。从前科技巨擘会先掌握发展平台，这个平台会与用户共构、发展，一旦到了规模之后，特别是针对企业用户的需求连结云端的服务。这种经营逻辑之下，代工厂照表操课，除台积电先期布局次时代技术的能力之外，多数供应链的厂商只是陪衬的角色，而品牌商的价值也在式微。这完全是符合资本主义、美式、西方成功企业的经营逻辑，甚至可以说，AI新时代的特色就是垄断！但拥有亚洲人DNA的NVIDIA大不同，黄仁勳动辄强调NVIDIA与台积电的关系，而一年跑台湾三、四次的频率，也是世界级企业领袖罕见的例子。我相信他不是回台湾吃麻花卷或眷村菜，他回台湾是绑桩来的。除台积电之外，黄仁勳需要富士康、纬创、技嘉这些重量级的制造大厂，确保整个供应链可以与他的总体战略相匹配，而这个系统短期内很难出现在其他的国家。强大如苹果、微软、亚马逊（Amazon）、Google这些公司，在台湾都有强大的团队，但NVIDIA绝对是极少数真正理解台湾优势，并且真正将供应链整合在自家经营架构中的超重量级企业。

在人工智能（AI）的大热潮中，NVIDIA如何一枝独秀，我们可以先从服务器的成本结构看起。传统x86的服务器总成本略微超过1万美元，但搭载8颗GPU的NVIDIA DGX H100系统，总成本将近27万美元，两者之间价差相距甚远。不仅英特尔（Intel）的市值被NVIDIA超越，现在连营业额都输给NVIDIA，NVIDIA更超越台积电、三星电子（Samsung Electronics），成为全球营业额最大的半导体厂商。NVIDIA的领先优势，从台积电、SK海力士（SK Hynix）两大供应商的营收也可以看得出来。在台积电有3纳米、4/5纳米、7纳米几个主要的先进制程，4/5纳米主要便是供应NVIDIA的GPU之用。在2024年第1季台积电各制程比重变化中可以得知，当专攻3纳米的iPhone出货走过旺季之后，交货给NVIDIA的4/5纳米制程成为台积电一枝独秀的时代。为满足NVIDIA的需要，原本计划落脚在铜锣的CoWos先进封测厂搬迁到嘉义，而CoWos的月产能预期也将从2023年的1.3万片，暴增到2024年的3.8万片与2025年的7.6万片。在存储器方面，过去几年三星DRAM部门的营收都是SK海力士的1.5倍左右，但NVIDIA最主要的合作夥伴是2015年率先量产HBM的SK海力士。在景气转变的2023年第4季，三星存储器部门（DRAM+NAND）营收成长率是33%，但SK海力士的DRAM部门成长率高达65%。事实上，从2023年第2季开始，SK海力士的DRAM营收便超过三星，关键就是与NVIDIA合作的HBM存储器。为满足HBM市场的商机，SK海力士的M15与M17工厂都调整扩厂结构与节奏，希望能快速扩张HBM产能，以满足高端服务器市场的需求。台积电魏哲家也说2028年时，AI服务器芯片的需求将贡献台积电20%的营收，显示NVIDIA的两大供应商都在财报中看好高端服务器的商机。2020~2022这三年间，全世界半导体厂商的排名依序是英特尔、三星与SK海力士，在以自己的品牌在市场上销售半导体的公司中，NVIDIA通常只能排名第六、第七。但市场从2023年起开始翻转，以制造服务取胜的台积电在上半年超越所有的半导体品牌厂，成为全球第一大半导体公司。下半年的NVIDIA更猛，2023年四个季度的营收分别为71亿美元、135亿美元、181亿与221亿美元。第1季与第4季的营收差距多达3倍，可以想像十倍速的时代正在发生，能尽快挪动资源的公司将成为市场上最大的赢家。风行草偃，我们看到围绕在NVIDIA四周的科技公司，都深怕错过这一波大潮。根据DIGITIMES汇整的预测数据，企业市值名列前茅的大公司中，微软（Microsoft）、苹果（Apple）、亚马逊（Amazon）、Google、三星是年营收超过2,000亿美元的超重量级公司，NVIDIA、Meta与Tesla也有1,000亿美元以上的规模。但在市值排名前12大的公司中，NVIDIA与台积电的净利率分别达到52.2%、37.2%，过去的霸主英特尔却只剩下4.6%。从营收与获利结构中，我们看到了时代的更替，AI主导的时代已经再明显不过了！

从NVIDIA、微软（Microsft），到台湾的台积电、广达、纬创、富士康等公司，都不断地以人工智能（AI）为主题探索企业的未来。新闻不见得都是真的，但很多新闻串连起来，就可以掌握产业发展脉络。毫无疑问，可能是产业兴衰更替的转折。DIGITIMES的黄逸平、陈辰妃两位资深分析师，近期以「生成式AI时代，科技产业大未来」、「生成式AI重塑边缘运算竞争新局」为题完成两份报告，我仔细读完之后汇整成几篇文章，也跟DIGITIMES的读者们分享。AI带来的时代变革AI因为2012年一次深度学习的大跃进而改变。AlexNet在识图竞赛中，大幅将错误率从26.2%降低到16.2%，之后GoogLeNet、SENet的几次进展，让图形识别的错误率低到比人类平均5%的错误率还低，深度学习不再是纸上谈兵，AI在供应链管理与智能制造的进展更让很多使用者惊叹。之后，生成式的大语言模型（LLM），在个人电脑、移动通信所累积的数据经济基础上大放异彩，我们开始在云端、边缘运算上，试着从水平的技术架构，与垂直的分众应用平台找出市场的空间。现在我们看到的是指数型成长商机，企业界挪动所有可以移动的资源希望分到一杯羹。2020年，基础模型（foundation model）新创只募得4,400万美元，到2023年时募到的资金竟然高达163亿美元，暴冲的NVIDIA在2023年时投入的企业创投资金已经排名全世界第四，仅次于微软、苹果（Apple）等少数公司。但多元分化的大语言模型，未来会是赢家全拿，或者只有少数赢家的现实之外，对台湾产业的启示又是什麽？过去在移动通信时代「低空飞过」的台湾新创产业，能在AI时代出现新的转机吗？对量产制造的台系供应链而言，除了台积电是比较明显的赢家之外，其余的台商又应如何因应呢？AI改变了产业格局多年来，台湾都是PC与手机的主要供应商，从NB生产衍生而来的服务器商机，让现在全球有超过9成的服务器来自台商之手，台湾成了供应链上最具实力的军火商。DIGITIMES估计，2022年全球高端服务器出货量仅有3.4万台，到2023年暴冲到17.2万台，成长率高达408%，2024年也还可维持150%的高成长。现在台商都在关注AI PC与AI手机的商机，估计2024年全球11.66亿支的手机市场中，AI手机的需求上看1.47亿支，而全球1.73亿台的NB市场，也会有4,500万台的AINB需求。除了快速扩张的市场需求之外，大家也都在关切X86阵营与ARM based的优劣势之争。原本营收仅是略高于超微（AMD）的NVIDIA，在2022年第4季开始明显超越超微，而与英特尔（Intel）的黄金交叉出现在2023年的第2季，从此以后双方的落差明显扩大，成长动能根本不能相提并论。我们可以理解，从2018年8月全球出现第一家市值超过1万亿美元的企业之后，陆续已有7家超越1万亿美元的门槛，资本大量流进科技巨擘之手，现在我们更明显看到NVIDIA的成长曲线，显示了人才、资金，甚至产能加速汇聚的动能。​​​​​​​一旦您的公司在特定领域取得压倒性的优势，您的财富也会跟着聚拢，现在这些科技大腕期待的不是可有可无，一肩之差的领先，而是整个生态系完整包抄的领先优势（待续）。

在人工智能（AI）迅速发展的环境中，有关伦理问题以及可能限制其发展的辩论变得日益突出。透过密尔（John Stuart Mill, 1806～1873）的作品《论自由》（On Liberty），我们可以探索合理限制AI发展的观点，强调在合理的范围内，个体自由、进步和追求知识的重要性。密尔的《论自由》被严复翻译为「群己权界论」，奠定理解社会控制和个人自由平衡的基础。我试图将密尔的哲学应用于当前AI发展的时代背景，以了解如何界定群己权。密尔主张自由开放的思想交流（Self-Development），或「思想市场」 （marketplace of ideas），是社会进步的重要因素。在AI发展的领域中，不受限制的信息和创新概念流动促进多元观点环境，有助于知识的成长。密尔强调个体自治（Individual Autonomy）。正如个体应该自由追求自己的兴趣和自我发展，AI系统作为人类创造力的延伸，应赋予演进和适应的自主权，以改善人类生活并应对复杂社会挑战。AI的发展改善人类生活，并增强应对复杂社会挑战的能力。在此过程中，必须尊重使用者的个体权益，并促进社会和谐。密尔的伤害原则主张（The Harm Principle），限制个体自由的唯一理由是防止对他人造成伤害。密尔的哲学也告诉我们须负责任地谨慎开发AI系统，遵从道德准则并优先考虑人类福祉，让其发展不会产生本质性的伤害。在AI算法的训练中，如果基于不公正的数据集或缺乏多样性而导致歧视性结果，则应限制这类不公平和歧视性的AI应用，确保考虑到社会的多样性。然而，我们很难限制AI算法，避免其误入歧途。 可行的方法是在AI芯片的设计中，直接加入艾西莫夫（Isaac Asimov, 1920~1992）的机器人三定律（Three Laws of Robotics），并在芯片制成过程中，将其直接写入硬件。密尔警告多数的专制（The Tyranny of the Majority），强调压制少数意见的危险。例如社交媒体平台的AI算法过度强调某一特定观点，可能形成信息泡泡（filter bubble），多数用户仅看到和接触到相似的意见和观点。这样的专制可能使得不同意见的少数群体的声音被忽视，并进一步加剧社会的分裂和不理解。密尔倡导紧密连结社会进步与知识和创新 （Societal Progress and Innovation） 的追求。AI是人类巧思的体现，从医疗到教育等各个领域实现变革性的进步。然而，AI发展也必须有序权界，社会才会健康的前进。密尔的《论自由》为深入探讨AI发展提供重要的伦理框架，强调拥抱个体自由、思想市场和知识追求的原则，是推动人类进步的核心价值。然而，在引导AI发展时，必须谨慎遵循负责任的道德原则。我们可以探索合理限制AI发展的观点，引导未来AI的方向，确保其符合人类整体利益，并实现可持续、负责任且对人类有益的发展。