(圖/ 中華超傳媒 AI圖片)
特斯拉與SpaceX執行長馬斯克9月23日接受中國央視財經專訪時表示，中國AI大模型的單位算力效能已接近全球頂尖，並預測中國可能在2至3年內透過光刻技術與晶片製造能力縮小AI算力缺口。這項判斷也將中國AI晶片自主化、算力供應與人形機器人發展，再度推上產業討論焦點。
馬斯克把中國AI發展焦點，從模型能力拉到算力供應
中國AI算力正在成為馬斯克此次談話的核心之一。馬斯克認為，在可取得算力受到限制的情況下，中國AI大模型仍展現相當高的單位算力效率，因此他對中國解決算力瓶頸的速度抱持較積極看法。
馬斯克估計，中國約需2至3年時間，可能透過光刻技術與晶片製造能力逐步補足目前的算力缺口。這是一項對未來產業發展速度的預測，並不代表目前中國已經完成相關能力建置。
從AI產業競爭的角度來看，算力並不只等於GPU數量。先進製程、晶片設計、封裝、記憶體、伺服器、資料中心與電力供應，都會影響最終能夠投入AI訓練與推論的有效算力。
因此，馬斯克的說法真正值得觀察的地方，在於中國能否把目前較高的「單位算力效率」，進一步轉化成更大規模、可持續擴張的AI運算能力。
AI晶片成為下一個關鍵環節，中國業者持續尋找替代路徑
AI模型能力快速提升後，算力供應便成為決定產業擴張速度的重要因素。近期中國科技企業持續加碼AI晶片與模型。美聯社報導，阿里巴巴近期公布新一代AI晶片與大型模型規畫，並計畫擴大資料中心能力；這反映中國科技業者正透過晶片設計、模型優化與基礎設施擴張，降低外部供應限制對AI發展的影響。
不過，這並不意味著算力瓶頸已經消失。先進AI晶片的製造涉及複雜半導體供應鏈，而AI資料中心又需要大量電力、散熱與網路基礎設施。即使模型本身能透過演算法優化提高每單位算力的效率，若整體算力規模無法同步擴張，AI應用的發展速度仍可能受到限制。
因此，馬斯克所預測的2至3年時間表，實際能否實現，仍取決於中國半導體製造能力、先進製程設備、晶片良率以及資料中心基礎建設等多項條件。
從「缺算力」到「提高效率」，AI競爭不只是一場晶片數量戰
中國AI發展另一項值得注意的變化，是如何在有限算力下提高模型效率。如果單位算力可以產生更高的模型效能，企業便能透過模型架構、訓練方法與推論效率改善，降低對絕對算力規模的依賴。
這也解釋了為何馬斯克特別強調中國AI模型的「單位算力產出」。不過，效率提升與算力擴張並非二選一。當AI應用從文字生成進一步走向影片、機器人、工業控制與自主系統，所需要處理的資料量與即時運算需求也可能同步增加。
因此，真正的產業競爭可能會變成兩條線同時進行：一方面提升每顆晶片、每瓦電力與每單位算力的使用效率；另一方面擴大整體AI基礎設施的運算容量。
人形機器人接棒AI，馬斯克描繪超大規模市場
除了AI算力，馬斯克此次談話也將焦點延伸到人形機器人。他預期，未來每個人都有可能擁有自己的機器人，協助執行不同類型工作；更進一步預測，未來10年全球人形機器人數量可能達到10億台，15年可能增加至100億台，20年甚至可能達到1,000億台。
這些數字屬於馬斯克對長期產業規模的預測，目前並非已實現的市場規模。不過，這項預測背後反映的是AI產業正在從純數位世界走向實體世界。
過去大型語言模型主要透過電腦與手機提供服務，下一階段若AI進入機器人，就必須處理視覺、語音、空間定位、物理環境與即時決策等問題。這會讓AI算力需求從資料中心進一步延伸到製造業與實體設備。也因此，人形機器人可能成為AI算力需求的另一個長期來源。
AI教育觀念也在改變，「會提問」成為馬斯克強調的能力
在AI逐漸介入工作流程後，馬斯克對教育的看法也從技術本身延伸到人的能力。他認為，未來教育不應只集中在單一專業，而應同時接觸人文藝術、科學與工程，建立更廣泛的知識基礎。
原因在於，當人類開始大量透過AI或機器人完成工作，人的角色可能逐漸從「親自執行」轉向「定義問題、提出要求與管理結果」。
這與目前生成式AI所強調的提示詞能力具有一定關聯。使用者能否清楚描述問題、拆解任務並判斷AI輸出的品質，將直接影響AI工具能夠產生多少實際價值。
換言之，AI時代的競爭不一定只是誰掌握更多知識，也可能是誰更能把不同領域知識組合起來，形成有效問題。
從數位工作到「一人公司」，AI可能重新定義生產力
馬斯克也再次提出「一人公司」概念。他的設想是，未來一個人可以同時管理大量數位智慧體與實體機器人，使個人可以控制遠高於傳統人力規模的生產活動。
這種模式若要真正成立，關鍵並不是單一AI模型，而是多項技術能否同時成熟，包括AI代理、自主機器人、低成本機器人硬體、可靠的通訊系統與大規模自動化管理。
因此，「一人公司」目前更接近馬斯克對未來生產模式的長期想像，而非現階段已經普遍存在的商業型態。
如果未來AI能夠同時處理行政、程式設計、客服、行銷、資料分析，再加上機器人承擔物流、製造與服務工作，企業的人力結構確實可能出現變化。但這也會牽涉薪資分配、就業結構、勞動市場與企業組織等更廣泛的經濟問題。
2027年AI全面取代數位工作？馬斯克預測仍待技術驗證
馬斯克過去曾提出相當積極的AI時間表，包括預測到2027年底，AI可能獨立完成數位領域工作，並認為未來12至18個月AI在工程與數位工作能力上還可能出現明顯提升。
其中，他曾將AI程式設計能力與Stockfish等級的棋力進行類比。這類預測需要與已經發生的技術成果區分。AI在程式設計、資料處理、內容生成與知識工作上的能力確實快速提高，但「獨立完成所有數位工作」涉及的不只是模型能力，還包括可靠性、長時間自主執行、權限管理、錯誤成本與企業流程整合等問題。
因此，馬斯克提出的時間表更適合作為觀察AI產業發展速度的參考，而不能直接視為確定的產業結果。
未來觀察：中國AI真正的關鍵，不只是補上算力缺口
如果把馬斯克此次談話放回全球AI競爭脈絡，可以看到三個值得持續追蹤的指標。第一是AI晶片供應。中國能否持續提高自研晶片的效能、產量與製造能力，將直接影響算力供應。第二是單位算力效率。如果模型架構與演算法持續改善，即使硬體取得受到限制，也可能透過更高效率延伸AI能力。
第三則是AI應用落地。當AI從聊天機器人進一步進入人形機器人、工業設備與自動化系統，市場真正需要的就不只是更大的模型，而是完整的軟硬體整合能力。
因此，馬斯克提出的「2至3年補齊算力缺口」，目前應視為一項具有高度爭議與不確定性的產業預測。真正值得觀察的，不只是中國能不能在特定時間點補足算力，而是能否建立從晶片製造、資料中心、模型效率到機器人應用的完整AI產業鏈。
這也可能決定下一階段全球AI競爭的重點，究竟會停留在模型與晶片，還是進一步延伸至機器人與整體實體經濟。
FAQ
Q1：馬斯克預測中國多久可以補齊AI算力缺口？
馬斯克在9月23日接受央視財經專訪時表示，他粗略估計中國可能在2至3年內，透過光刻技術與晶片製造能力逐步補足AI算力缺口。這屬於他的產業預測，目前並非已經實現的結果。
Q2：馬斯克如何評價中國AI大模型？
馬斯克表示，中國AI大模型整體表現出色，尤其是在可取得算力受到限制的情況下，單位算力產出的效能仍接近全球頂尖水準。
Q3：中國AI算力缺口主要與什麼有關？
AI算力不只涉及GPU數量，也與AI晶片製造、先進製程、封裝、伺服器、資料中心、電力與相關基礎設施有關。因此，補足算力缺口是一個完整產業鏈問題。
Q4：馬斯克為什麼提到光刻技術？
光刻是半導體製造的重要製程環節。馬斯克的預測是，中國如果能持續提升相關半導體製造能力，就可能增加AI晶片供應，進而改善算力取得條件。
Q5：中國AI目前是否已經完全解決算力問題？
不能這樣解讀。馬斯克談的是未來2至3年的預測；近期公開資訊仍顯示，中國AI企業正在持續推進自研晶片與資料中心建設，高階AI晶片供應與基礎設施仍是產業需要處理的問題。
Q6：馬斯克預測未來人形機器人會有多少？
馬斯克預測，未來10年人形機器人數量可能達到至少10億台，15年可能達到100億台，20年甚至可能達到1,000億台。這些數字屬於長期預測，不代表目前市場規模。
Q7：馬斯克為什麼認為未來會出現大量「一人公司」？
他的構想是，一個人未來可以透過AI代理、數位智慧體與大量實體機器人完成原本需要多人甚至大型組織才能執行的工作，進而大幅提高個人生產力。
Q8：馬斯克認為AI時代需要什麼教育能力？
馬斯克主張廣泛接觸人文藝術、科學與工程，建立較完整的通識能力。他認為知識面越廣，越能組織問題並提出有效問題，這與AI時代的提示詞與人機協作能力有所關聯。
Q9：馬斯克預測AI何時可能大幅取代數位工作？
馬斯克過去曾預測，到2027年底AI可能獨立完成數位領域工作，並預期未來12至18個月AI在工程與其他數位工作上的能力會明顯提升。這些仍屬於他的預測，實際發展仍取決於模型能力、可靠性與企業採用速度。
Q10：未來中國AI產業最值得觀察什麼？
除了AI模型本身，還應觀察AI晶片製造能力、算力基礎設施、單位算力效率、資料中心建設，以及AI能否進一步落地人形機器人與其他實體產業。
中華超傳媒
(文/ 記者 郭紋雅)