發布日期

如何「卷」AI 而不被 AI「卷」

作者

小龍年節時分，全球都被（大家以為）半路殺出的 DeepSeek 卷得不可開交。各路大師、大創辦人，甚至美國前總統川普都紛紛表態。碰巧這次出訪美國華府前，與唐鳳錄製的一集對談剛好上架，我在此分享幾個重點，也提醒一些可能被誤解的事實。

關於 DeepSeek R1

  1. DeepSeek R1 不是一家公司，而是一套新的大語言模型訓練方法及其產出的模型。請注意，「DeepSeek R1」僅指該方法與模型本身，不等同於任何公司名稱。

  2. 負責開發 DeepSeek 系列（包含 V1–V3 以及 R1）的背後公司為「幻方量化」，該公司於 2015 年成立，2023 年才正式投入 AI 研發。

  3. DeepSeek R1 模型檔案可供開發者直接下載並在本地端部署運行，只要在自己的電腦或系統上使用，就不會有資料外洩或被「中方擷取」的風險。我拍攝的 YouTube 開箱實測影片，即是以本地端部署為基礎。

  4. DeepSeek 團隊也推出 DeepSeek 網頁版與 App 應用，如果使用者下載或註冊該應用，於上面提問或登錄個人資料，確實可能被開發公司（中方）記錄或用於模型訓練。

  5. DeepSeek 雖然「開源」，但官方釋出的版本內置某種「思想審查」機制；由於模型資料覆蓋範圍廣，包括部分內地敏感內容，所以官方版本在輸出結果前會經過內部審核。不過，其他團隊可以參考其論文自行實作，或透過提示工程（Prompt Engineering）、修改運行環境或安全檢查（safety_checker）等方式繞過這些限制。例如，唐鳳或 Perplexity 等都曾展示如何在不同運行架構下移除或調整相關審查機制。因此，雖然官方版本有「小警總」審查，並不影響 DeepSeek 在 AI 產業帶來的開放價值。

  6. DeepSeek 證明：基於開放研究和開源模型，的確能在他人工作（如 Meta 的 PyTorch 與 LLaMA）基礎上提出新想法，並且透過技術研發與創意，在相對有限的資源下取得突破。這對台灣本地 AI 的發展應視為激勵而非失落：無論民間、政府或朝野，都應該攜手討論，集中資源、制定整體戰略，充分發揮台灣硬體與軟體人才的優勢。

  7. 關於「低成本就能訓練出媲美 Meta、OpenAI 等大模型」的說法，仍存不少爭議，但如果只計算雲端算力的訓練成本，確實比一般人想像更低。至於該團隊的實際人才成本、硬體設備投入、迭代與訓練次數等細節尚不明，不必過度猜測或攻擊，也不必盲目捧高。其除夕夜剛推出的繪圖模型「Janus-Pro」效果並不理想，也顯示仍有改進空間。台灣若能整合資源，或有機會後發先至，在這場全球 AI 競賽中一爭高下？

關於與唐鳳的對談

留言處的對談，涵蓋了 AI 發展的多個層面：技術、倫理、政策及全球競爭。以下整理幾個關鍵點並附上個人反思：

1. 全球 AI 發展的三種策略：油門、方向盤與煞車

油門派

全速推進，追求技術極限，甚至嘗試超越人類智慧（ASI）。

方向盤派

優先發展防禦性技術，確保 AI 應用對社會有益，並在落地前做好社會溝通。

煞車派

暫停或延緩開發，先解決 AI 可能帶來的風險。

唐鳳的觀點：她偏向「方向盤派」，認為關鍵在於社會是否做好準備。應該在技術部署前，先確保其對社會帶來的是正面影響。

2. 數學與符號世界的突破

AI 在符號世界（如數學與程式設計）上的表現已經超越大多數人類，未來可能進一步挑戰許多現在看似無解的問題。即使 AI 能在理論層面或運算層面解決問題，如何將結果轉化為「對社會真正有價值」的應用，仍需要人類的直覺與價值判斷。

3. 台灣的角色與機會

美國擁有 OpenAI、DeepMind 等領先的 AI 公司；中國雖然看似稍有落後，但仍是相當重要的競爭者；歐盟則專注於 AI 倫理、隱私與法律框架，成為「煞車派」的重鎮。台灣作為全球 AI 硬體供應鏈的核心，若能主打「可信科技（Trusted Tech）」，便能在全球供應鏈中凸顯「值得信賴（Trustworthy）」的特質。另外，或許值得推動「Everyone + Taiwan」的概念，取代各國力行「Taiwan + 1」的思維。

4. 對齊（Alignment）與時間軸

道德對齊的困難在於，如果 AI 行為無法被有效控管，便可能帶來巨大且難以預測的風險。發展速度上的時間軸：若 AI 在未來 2～3 年內快速進展，國際競爭勢必更加激烈；若能拉長到 7～8 年，有更多餘裕透過跨國合作制定規範。

5. 未來挑戰與不確定性

大語言模型是否能成為通用人工智慧（AGI）的最終解法，仍待觀察。技術快速發展下，如何制定有效的法律與政策框架，同時又不限制創新，是全球共同的挑戰。台灣目前對 AI 基本法的推動力有限，但可在國際上展現 AI 倫理與治理的前瞻性與領導力。

正如唐鳳在對談開頭提到的：「AI 就像一台全世界一起開的車（AI Vehicle），每個人既是駕駛（Driver），也是推動者，同時也是背後的驅動程式。」AI 要帶人類去哪裡，與每一位「Driver」都息息相關。深度參與 AI 的發展、理解其技術本質與影響，同時做好風險管理與價值對齊，才是我們真正能「卷」AI 而不被 AI「卷」的關鍵。

新的一年，期待看到台灣在 AI 產業的硬體與軟體實力齊發，從社會對 AI 的認識與討論開始，集思廣益、集中資源，找出一條真正能與世界各國互利競合的道路。

在 GitHub 中編輯