AI的三重邊界：為何智能體系統遲遲未能普及？

當Reddit需要審核整個網路的內容時，他們面臨一個兩難：要最聰明的AI，還是要能負擔得起的AI？

這個問題點出了當前AI發展的核心矛盾。Google Cloud產品副總裁麥可·格斯滕哈伯（Michael Gerstenhaber）從Vertex AI平台的實戰經驗中，提出了一個前所未有的觀點：AI模型正同時挑戰三個邊界，而這正是代理型AI遲遲無法大規模應用的關鍵。

AI的三重挑戰

格斯滕哈伯將AI的能力邊界劃分為三個維度，每個都對應不同的商業場景。

第一重邊界是「純粹智能」。在程式開發等場景中，即使需要45分鐘才能產出結果，企業也願意等待最優質的程式碼。因為這些程式碼需要長期維護和部署到生產環境，初期的時間投資是值得的。

第二重邊界是「回應時間」。客服系統或航空公司座位升級判斷等場景中，再準確的答案如果讓客戶等太久也失去意義。這時需要的是「時間預算內的最高智能」，因為客戶不會等45分鐘才掛電話。

第三重邊界是「可擴展成本」。像Meta這樣需要審核全網內容的平台，雖然預算充足，但無法承擔不可預測規模帶來的企業風險。他們必須選擇「能夠負擔且可擴展到無限主題的最高智能」。

基礎設施缺失的現實

儘管AI模型能力已經相當成熟，代理型系統的普及卻異常緩慢。格斯滕哈伯直言不諱地指出原因。

「這項技術只有兩年歷史，我們仍缺乏許多基礎設施。沒有審核代理行為的模式，沒有對代理進行數據授權的模式，這些都需要時間才能投入生產。」

軟體工程領域相對順利的原因在於，它完美契合既有的開發生命週期。在Google，任何程式碼投入生產前都需要兩名工程師審核並確認品質。這種「人機協作」的流程大幅降低了實施風險。

但其他專業領域還需要建立類似的模式和流程。

垂直整合的戰略優勢

格斯滕哈伯選擇Google的原因值得深思：「Google在世界上是獨一無二的，從介面到基礎設施層都有完整掌控。我們可以建造資料中心，可以購買電力甚至建造發電廠。我們有自己的晶片、模型、推論層、代理層，甚至有聊天介面。」

這種垂直整合能力讓Google能夠在AI的三個邊界上都保持競爭力，而不是被迫在其中做出取捨。

亞洲市場的機會與挑戰

對華人企業而言，AI的三重邊界概念提供了重新思考技術策略的框架。台灣的半導體產業、香港的金融服務業、新加坡的物流樞紐地位，都可能在不同的邊界上找到差異化優勢。

特別是在成本可擴展性方面，亞洲企業的製造效率和成本控制經驗可能成為關鍵優勢。當西方科技巨頭專注於智能邊界的競爭時，亞洲企業或許能在成本邊界上找到突破口。

然而，基礎設施建設的挑戰同樣存在。如何在監管環境相對保守的亞洲市場中，建立適合代理型AI的審核和授權機制，將是決定成敗的關鍵因素。