Sega 談 AI 泡沫會不會破、擴展定律卡在哪，再用企業第一線的經驗講導入 AI 為什麼慢，以及中美路線差在哪。
重點
泡沫不是全有或全無。Sega 認為純通用型 AI 公司的商業模式不穩。他說 OpenAI 營收大概數十億美金，燒的錢卻快到一年兩百億、一百八十億美金左右，沒有資本市場輸血撐不住。但 OpenAI 有七億到八億人的活躍用戶，大到不能倒，所以他的判斷是市場一定會修正，只是時間和幅度的問題。
擴展定律已經撞牆。Sega 說 AGI 不會這麼快實現，因為資料、演算法、能源三個問題都沒解，擴展定律在 2024 年就撞牆了。哈利轉述各家 lab 的說法：進展其實來自後訓練的 RL。Sega 同意 RL 沒撞牆，還認為它是最接近 AGI 的途徑，但強調這是直覺，沒有科學基礎。
企業導入慢在人與資料。個人用 AI 很快，企業很慢，Sega 說今年才有中大型企業願意開始試，多數還停在 POC。卡點是高層推動的決心、範圍牽涉太多人，以及資料太亂，他說八成的時間都花在整理和找資料。
大企業受益、人力縮減。Sega 說導入成效取決於企業規模，越大越明顯，所以未來會大者恆大；他也說一人獨角獸多半是炒作。他看到各行各業大致縮減 20% 到 30% 的人力，初階軟體工程師首當其衝，行銷和銷售比較穩。
中國走優化與開源。Sega 認為美國創新、中國優化，中國受晶片封鎖，被逼著用較低的算力做出同樣的模型。哈利補充 DeepSeek 也有真正的創新。對開源，Sega 的說法是中國落後，開源是不得不走的路，也是唯一能先讓東西落地的方式。
各家定位已經定下來。Sega 的看法是 OpenAI 守消費者品牌、Claude 在寫程式和 LLM API 很強、Gemini 靠 Google 的生態系。他認為企業市場最後會是 Google 勝出，前提是它中間不要再犯太多錯。
時間軸 點時碼從那一段開始
- AI 泡沫論的由來哈利先提華爾街反覆炒作的泡沫話題，以及大公司互相投資的循環。Sega 說通用型 AI 公司燒錢遠超過營收，沒有資本市場輸血撐不住。
- 賣硬體的賺走了錢Sega 說現在的結構是賣晶片的賺走大部分產值。他引紅杉資本去年的警告：AI 市場還有 5000 到 6000 億美金的缺口。
- 循環投資撐住市場OpenAI 用戶多，出事也大到不能倒；華爾街和 Big Tech 都不希望市場爆太大。他認為市場一定會修正，下修的導火線可能來自總體經濟。
- AGI 這個故事買不買哈利說 OpenAI 的說法是現在買算力是為了訓練未來的模型。Sega 預測 AGI 不會這麼快，並說樂觀派必須對資本市場講樂觀的話。
- 擴展定律撞牆他說 AGI 取決於擴展定律，而擴展定律 2024 年就撞牆了，Ilya 當時說它逐漸失效。他舉 GPT-5 上線時被要求退回 GPT-4 當佐證。
- 資料、演算法、能源撞牆的三個原因：人類資料快用完、transformer 的複雜度是平方、電力不夠。合成資料他比喻成同一張紙影印十次會糊掉。
- 預訓練與 RL哈利轉述各 lab 的說法：進展來自後訓練的 RL，還沒看到邊際效益遞減。Sega 認為 RL 是最後的答案，因為跟人類從錯誤中學習很接近。
- iKala 做什麼哈利把泡沫論拉回 AI 到底創造多少經濟價值，請 Sega 談第一線經驗。他說 iKala 有兩塊業務：幫企業導入 AI，以及蒐集社群資料做情報分析。
- 成效看企業規模Sega 說成效不看行業，而看企業規模，越大越明顯，所以大者恆大。哈利覺得這跟常見的小公司可以挑戰大公司的說法相反。
- 一人獨角獸是炒作Sega 說職場結構會變，但門檻降低之後競爭更激烈，機會之窗很短。他也拿 OpenAI 發表的瀏覽器被指出基於 Chrome 為例，說明大公司的優勢是通路和生態系。
- 客服是最好的場景Sega 說客服導入 AI 之後，至少能省下一半以上的對話量。兩人討論能否百分之百取代，Sega 說技術上做得到，擔心的是客戶不滿和究責問題。
- 企業導入為什麼慢個人用 AI 很快，企業很慢，多數還在 POC。卡點是員工不敢用、老闆不以身作則、範圍太大要協調太多人，以及企業資料很亂。
- 整理資料占八成時間他說導入 AI 沒有萬靈丹，八成的時間都花在整理資料和找資料。他還說亞洲採用率高，台灣比日本、東南亞、韓國快，中國最快。
- 營收與人力的數字Sega 說營收增長大致在 5% 到 20%，人力大致縮減 20% 到 30%。他用人均營收回推，說生產力提升約 30% 到 40%。
- 初階工程師是重災區被取代的主要是初階軟體工程師，企業覺得讓資深的人搭配 AI 就好。行銷和銷售因為要靠臨場判斷，他認為比較穩。
- 美國創新、中國優化Sega 說美國基礎研究強，是吸引全球人才的結果；中國製造業強，專長是把已有的技術做到極致，DeepSeek R1 就是例子。
- DeepSeek 不只是優化哈利補充 DeepSeek 的 GRPO 和最新的 OCR 論文都有新穎之處，Sega 提到連馬斯克也說那篇論文了不起。
- 中國為什麼走開源哈利問中國為什麼免費公開研究。Sega 說最先進的美國模型不會開源，中國是落後者，開源只有加分，也是唯一能先讓東西落地的辦法。
- 西方 lab 的定位Sega 說 2025 年各家定位越來越清楚：OpenAI 靠消費者品牌，Claude 在寫程式和 LLM API 強，技術上差不多，品牌差很多。
- Google 的生態系優勢Sega 說 Gemini 嵌在 Google 的各種產品裡，ChatGPT 有七億到八億人，Google 地圖和 Gmail 各有 20 億；企業市場他認為最後會是 Google 勝出。
- iKala 內部的變化Sega 說內部有些人動作變快、回覆更有架構，也看到 PM 和設計師做原型快很多。他的態度是鼓勵，覺得即使有 AI 感也沒關係。
- 推動員工用 AI 的阻力哈利問員工會不會怕被取代。Sega 說摩擦力很大，領導者要以身作則，看到員工用 AI 應該鼓勵，老闆自己逃避就推不動。
- 使用者教育與推手很多人不知道 AI 能做什麼，需要持續的使用者教育。組織內也要有 Champion，他們不一定是技術人員。Sega 舉自己的例子：收到履歷就請 AI 依人選準備面試問題，一分鐘做完原本要一小時的事。
- 員工教育與績效考核公司沒有正式的課程，Sega 靠以身作則、鼓勵，也盯高階主管。他提到有些公司把使用 AI 列入績效考核，但認為養成使用文化才是核心。
值得記的話
▶ 06:07「市場一定會修正，只是什麼時候修正，或者修正幅度有多大」
▶ 23:09「AI 工具不會讓人從工作中解放，它只會讓人更忙」
▶ 34:17「企業導入 AI 是絕對沒有萬靈丹的，絕對快不起來」
▶ 42:58「當你資源受限的時候，你會去想一些好辦法出來」
▶ 1:05:40「我們看到很多例子是老闆自己在逃避，老闆逃避員工也會發現」
名詞與人物
- iKala
- Sega 的公司，這集他以第一線的角度講企業導入 AI。
- Scaling Law
- 擴展定律：砸越多晶片、參數越多，AI 越聰明。Sega 認為它已經撞牆。
- Ilya Sutskever
- OpenAI 共同創辦人之一，後來自己開公司；Sega 說他在 2024 年就講過擴展定律逐漸失效。
- RL
- 增強式學習。Sega 認為它是學習的最後答案，也最接近 AGI。
- 合成資料
- 資料不夠時用 AI 產生的訓練資料。Sega 比喻成同一張紙影印十次。
- Transformer
- 擴展定律底層的架構，複雜度是平方，是長程記憶的限制。
- POC
- 概念驗證。Sega 說多數企業還停在這一步。
- GRPO
- DeepSeek 的 RL 演算法，哈利說西方已經承認它效果比較好。
- DeepSeek OCR
- DeepSeek 最近的論文，提出用視覺 token 壓縮文字。
- Sequoia Capital
- 紅杉資本，Sega 引它去年的警告：AI 市場有 5000 到 6000 億美金的缺口。
- Atlas
- OpenAI 發表的瀏覽器，Sega 說發表後 9 個小時內被指出是基於 Chrome。
延伸
- 擴展定律撞牆之後，Sega 提到新架構有可能把平方變線性，但現在看起來是線性和平方的混搭。
- 哈利轉述各 lab 的說法：RL 還沒有邊際效益遞減，RL 之後還會找到下一個突破。
- Sega 說企業導入 AI 先找一個入口整理資料，再慢慢落地到不同職能的場景，這集只講了方向，沒有展開做法。