Eric Schmidt 的演說, 最近鬧的沸沸揚揚的, 我也忍不住看了一下。我直接看完整段文字稿, 才發現… 大家熱烈討論的 (比如說 Google WFH 沒競爭力, TSMC 逼員工逼得很緊, 台灣的軟體很爛) 在整段影片內不過就一句話而已, 根本不是整段的重點啊 XDDD。
所以，如果你只看媒體的摘要，你會錯過很多精彩的環節。我自己從頭看過一次，我關注的是未來 AI 的發展方向，這是跟我的本業 (軟體開發) 直接相關的部分。看完對我最有感的有兩段:
-
AI 對資金 (資料 x 算力 x 能源) 的需求規模大到足以改變軟體建構的方式 (尤其是對比軟體的開源 - open source) 這段。
-
AI 明明是個巨大的改革，但是對所有人的生產力卻沒有明顯提升，就像當年電力改變蒸汽機的過程一樣，過程會是長期且緩慢的 (電力花了 30 年才取代蒸汽機的生產線)。
我分兩次來聊聊我自己的觀點, 先貼第一點… 第二點過幾天再貼..
—
在軟體開發和 AI 發展之間，存在一個有趣的差異。軟體開發得益於開源模式，而 AI 的發展卻更多依賴龐大的資本支持。這背後的原因值得花點心思往下挖掘… 我自己消化了一下:
軟體開發的瓶頸主要在於人才和軟體的複雜性。隨著系統規模的增長，單個公司往往無法獨立解決所有技術挑戰。開源模式的力量在於，它能夠匯集全球的開發者來合作，打破這些瓶頸。Linux 是一個經典的例子，這是由無數開發者貢獻和持續改進的結果。透過開源，全球的技術人才可以齊心協力解決高度複雜的問題，創造出單靠任何一家公司都難以完成的成果。
然而，AI 的發展瓶頸並不僅僅是技術或人才的挑戰。Eric Schmidt 在這段影片中提到，AI 的發展高度依賴 [訓練資料] x [算力] x [電力]。幾個主要的廠商 ( Open AI, Google, Facebook ) 投注在這的投資預估就要花掉 3000 億美金，然而靠開源模型並不會有資金來源解決這問題。因此，AI 的發展更多地依賴資本密集型的投資模式，只有資金充裕的公司才能夠參與最前沿的 AI 競賽，因為它們能夠負擔得起訓練和運行這些模型所需的資源。Mistral 將不再開源訓練的模型，因為開源撐不起訓練模型的支出…
看到這邊，我開始理解 Eric 提到軟體建構的方式會被改變這句話了。AI 會改變軟體建構的方式，連帶的 AI 的瓶頸會變成軟體建構的瓶頸 (資料 x 算力 x 電力)。當瓶頸不再是開發人員，開源這模式就不再是主流了。文內提到 TikTok 就是個例子，什麼叫 “瓶頸不再是開發人員” ? 以後你可以直接讓 AI 快速 “復刻” 跟 TikTok 一樣的服務，你還是需要開發跟維運的人，但是整個產業的瓶頸會持續地從 “開發人力” 轉移到 “AI 運算能力” 身上，最終 AI 會變成軟體產業的電力。
軟體產業多年來，都依賴人力來解決複雜度的問題，這些問題會逐步轉移到 AI 身上，開發人力的需求也會逐漸變成 AI 算力的需求。開源解決高品質程式碼使用權的問題，以後會面對的是大規模算力的使用權問題 (會是甚麼模式我也不曉得) 。
Eric Schmidt 的這段論述, 算是最近我看過的文章內資訊最多的一篇了, 點了很多我沒有想過的問題。強烈推薦大家花點時間看完完整的影片，不要過度依賴各大專家的摘要。整段都是精華，你可以看完再來參考專家的見解，我把我看過不錯的相關參考資料放在留言區。
