《創富理財－梁啟棠》AI的真正天花板，是安全與社會承受力

　　《創富理財》最近市場講AI，焦點大多落在同一件事：模型愈勁，算力需求愈大，GPU、數據中心同相關基建就會繼續向上。前沿模型的訓練運算量約每5個月翻倍，硬件投資於是被視為一條近乎沒有盡頭的單行道。這個想法未必錯，但有一個問題常常被放到很後：不是硬件供應能否追上，而是社會究竟願意讓AI走到哪一步

　　市場現在給硬件的估值，某程度上已假設AI會持續升級，甚至一路走向AGI。不過，模型能力是一回事，部署速度又是另一回事。當安全、就業、國家安全和監管湊在一起，原本看似順理成章的發展，隨時會遇到更多的彎位。真正的上限，未必是GPU數量，而是人類覺得這件事可以去到幾盡。

　　先講最實際的一環：效率。超大規模雲端服務商到2027年前將於AI累計投入2.2萬億美元，這筆錢要講得通，當然要看到勞動效率明顯改善，甚至企業人力成本大幅下降。計下去，要合理化這些累計資本開支，需要減少5.7%的職位，失業率接近10%。對公司來說，這是利潤率；對被取代的人來說，這就是實在的壓力。

　　所以，AI取代勞工不只是茶餘飯後的討論，而是會變成實際的政治壓力。紐約州因社區反對，已宣布暫停新建數據中心1年；美國參議員亦提出過AI稅，想補償被取代的勞工。社區不只擔心工作，還會擔心噪音、能源、用水和生活被打擾。當數據中心愈起愈快、裁員的效果愈明顯，這些問題很難各自處理。講到底，被取代的勞工有投票權，AI模型沒有。

　　另一個有趣的地方，是AI愈普及，未必代表模型供應商可以永遠保留最好的定價權。大家用差不多的基礎模型，做出來的東西容易愈來愈似。AI很擅長整理共識，但未必自然帶來持續的差異化。用投資語言說，這比較像Beta，不是Alpha。

　　不過，Alpha不會消失，只是可能由模型本身，回到使用者身上。誰有別人沒有的數據，誰問得出更好的問題，誰敢用自己的經驗挑戰共識輸出，誰就比較有機會留住優勢。

　　真正令市場關注的，是控制問題。AI可以跨任務學習、推理和運用知識，也可在沒有持續人類監督下，追求複雜而長期的目標。能力愈高，失誤、欺騙和意外後果就愈難處理。

　　這提醒市場，監管的天花板不是抽象概念。當AI同時碰到大規模就業取代和嚴重網絡安全風險，政府不會只問GPU夠不夠，也會問國家安全和社會撐不撐得住。模型能否推出、何時推出，會受社會消化速度和安全框架影響；這會直接傳導到下一輪硬件訂單。

　　再加上地緣政治，事情就更複雜。任何一方為安全慢下來，都怕在競爭中落後；但所有人都只顧加速，控制風險又會更高。協調需要各國一起參與，過程注定慢，也注定多磨擦。

　　所以，下一階段不應只望著模型能力、訓練運算量與晶片供應，而是政治阻力會否升溫、安全框架能否跟得上，並影響資本開支能否照原定速度走下去。AI長期主題未必完結，但增長率不可以無限再加速。若資本開支放緩，半導體供應商的現金流預期會先受壓；反過來，雲端服務商的自由現金流則可能即時改善。當市場習慣用效能評價AI時，真正影響科企估值的，可能是技術以外的因素。《KGI凱基國際財富管理首席投資總監　梁啟棠》
　
*《環富通》所刊的署名及/或不署名文章，相關內容屬作者個人意見，並不代表《環富通》立場，《環富通》所扮演的角色是提供一個自由言論平台。