超級智能工廠同企業領導者面對嘅決策

新名可能會引人注目。但係企業價值仍然取決於一個系統可以可靠噉交付啲乜。對CEO同CTO嚟講，圍繞「超級智能工廠」嘅討論帶出咗關於投資、營運成本同問責嘅實際問題。

有咩改變咗

2026年9月29日，特朗普總統簽署咗第14434號行政命令，指示行政部門喺法律容許嘅最大範圍內，用「超級智能」（superintelligence）同「SI」嚟取代「人工智能」（AI）。呢個命令喺實施上保留咗現有嘅人工智能法律定義，亦冇要求重寫之前已經發出嘅法規、合約或者歷史文件。[1]

黃仁勳亦都將為先進人工智能而建嘅設施叫做「超級智能工廠」。公開報道將呢啲言論歸於America.gov上面嘅一場小組討論。現有證據支持呢個講法，但係我唔會將所謂「只係幾個鐘頭之後」嘅講法當作已經得到獨立證實。[2]

政策語言同工業隱喻應該分開審視。政府嘅一個命名決定並唔可以證明某個系統喺廣泛任務上面超越咗人類智能。

工廠隱喻說明咗啲咩

NVIDIA將人工智能工廠形容為連接能源、晶片、基礎設施、模型同應用嘅集成系統。佢哋嘅工作包括模型訓練同推理，即係運行訓練好嘅模型嚟產生輸出。[3]

GPU加速計算。網絡喺處理器之間移動數據。電力同冷卻支持持續運作。軟件協調工作負載。呢啲組件必須協同運作，企業先可以有效噉利用輸出。

對於語言模型，token係模型處理或者生成嘅文本單位。產生更多token量度嘅係輸出量。佢本身並唔可以量度準確性、理解力或者客戶價值。

好處

工廠隱喻令人工智能嘅物質基礎更加容易理解。佢鼓勵領導者喺軟件之外思考容量、可靠性、維護同能源。由實驗性工具過渡到人哋依賴嘅服務嗰陣，呢個係有幫助嘅。

當需求充足嗰陣，共享基礎設施可以支持多個企業應用並且減少重複勞動。集成平台可以簡化部署並且提高利用率。呢啲係潛在嘅好處，需要喺買家自己嘅環境入面量度。

新術語亦都可能為基礎設施、技能同研究帶嚟政治同投資者嘅關注。不過，關注只有喺支持需求明確、交付計劃可信嘅項目嗰陣先有用。

弊端

「超級智能」可能造成證據並唔支持嘅期望。員工或者客戶可能認為系統能夠喺陌生情境入面做出正確判斷。當人哋停止檢查重要輸出嗰陣，呢個假設就變得危險。

大型設施亦都帶嚟大額承諾。硬件、電力、冷卻、人員同升級都會影響總成本。當預期需求冇實現嗰陣，過度安裝嘅容量可能成為昂貴嘅閒置容量。

能源效率同總電力需求係唔同嘅度量。一個系統可能每項任務耗電更少，但係隨住使用增長總耗電更多。美國能源部2024年發布嘅一份報告預計，去到2028年，數據中心將會使用美國6.7%到12%嘅電力。呢個係針對所有數據中心嘅較早預測，而唔係只係針對人工智能嘅測量。[4]

集成嘅供應商技術棧可以加快部署，同時亦都可能提高轉換成本。集中嘅依賴仲會帶嚟對價格變化、中斷同供應限制嘅敞口。企業喺承諾之前應該評估呢啲權衡。

一個實際嘅比較

將雄心同證據比較：所提出嘅能力能唔能夠通過你實際工作嘅測試？將規模同使用量比較：需求係咪合理噉支撐容量？將token效率同任務效率比較：一個正確而且被批准嘅結果成本係幾多？將集成同可移植性比較：轉換供應商需要啲咩？

以客戶服務助手做例子。更快嘅回答可以減少等候時間。錯誤嘅回答可能造成重複聯絡同投訴。有用嘅業務指標係每個被正確解決嘅查詢嘅成本，包括人工審查同返工。淨係靠token吞吐量冇辦法回答呢個問題。

CEO同CTO應該做咩

CEO應該揀一個具體嘅業務問題，並且記錄佢而家嘅成本同服務質素。喺批准試點之前，就所需嘅改進達成一致。將培訓同員工職責變化納入業務論證。

CTO應該喺有代表性嘅企業數據上面測試性能，包括困難案例同失敗。定義人工批准節點、訪問控制、事件處理同埋回退到先前流程嘅方法。令服務負責人參與驗收測試。

一齊比較自有基礎設施、託管雲容量同現有模型服務。檢查使用量、數據敏感性、延遲同退出成本。購買訪問權可能適合唔確定嘅需求；擁有所有權可能適合具備必要營運能力嘅持續工作負載。

只有喺扣除基礎設施、審查同返工成本之後，可衡量嘅收益仍然存在嗰陣，先批准擴展。喺速度之外同時追蹤質素。為每一項重要嘅自動化操作要求明確嘅負責人。

「超級智能工廠」呢個詞係一個有益嘅邀請，促使人哋審視成個生產體系。我嘅建議係令投資決策始終綁定喺已經證明嘅能力，同埋某個人能夠驗證嘅業務結果上面。

如果聽日你嘅組織被提供一座超級智能工廠，邊一項可衡量嘅結果會證明呢項投資係合理嘅？

以數學方式思考。以智能方式設計。以策略方式領導。以負責任嘅方式建設。喺全球範圍內擴展。透過人工智能創造真正嘅商業價值。

#ArtificialIntelligence #AIStrategy #NVIDIA #Superintelligence #EnterpriseAI #ResponsibleAI

Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.