投入數兆資金的 AI，其實是場「工程災難」？

試想一下，如果你生產某種產品的數量越多，價格反而變得越貴；且每次啟動生產線，消耗的電力竟足以讓地球另一端的城市停電好幾天，那會是什麼情況？大部分人肯定會說：「這是工程設計上的錯誤！」然而，現在全球 IT 產業砸下數兆資金所追求的「生成式 AI」（Generative AI，能自主生成文字或影像的 AI），正受到批評，認為它正在走上這條歪路。

近期產業界甚至出現了將生成式 AI 稱為「數兆美元規模工程災難」的極端評價（出處: The Atlantic）。這究竟是怎麼回事？

這為何重要？

過去我們對生成式 AI 描繪了一幅美好的願景，認為它將自動化所有工作並帶來驚人的生產力。但現實卻比想像中冷酷。企業投入鉅額資金引進 AI，但在實際業務現場，鮮少有人能體會到顯著的獲利或生產力提升。

這並非單純是因為「技術尚未成熟」，而是因為維持與發展 AI 的成本，已被指出效率低落到超出了其技術價值。針對 AI 是否能像我們每天使用的智慧型手機應用程式或網路服務那樣，以極低成本深度融入生活，目前已產生嚴重質疑（出處: The Atlantic，出處: Gary Marcus）。

簡單易懂的解析：為何效率低落？

簡單來說，生成式 AI 的學習方式就像是在製作一種極其精密的「巨型濾鏡」。每當你在照片應用程式中選擇濾鏡，照片內的資料就會被稍微修改；AI 模型也擁有數十億個參數（Parameter，即 AI 在處理資料時用於調整數值的內部設定），藉此對這些「濾鏡」過程進行精密執行（出處: MIT News）。

問題出在訓練這些濾鏡的成本上。燈泡、汽車、服飾等工業產品，生產越多越能受惠於「規模經濟（Economy of Scale）」，單位成本因而降低。一旦工廠運作順暢，後續生產的產品成本會大幅下降。但生成式 AI 卻恰恰相反：模型的規模越大，所需的電力與運算能力會呈指數級增長（出處: The Atlantic）。

甚至有 AI 研究人員表示：「我說不出還有哪一種實際的軟體產品，是採用如此低效的方式進行擴展的。」（出處: AI Weekly）

現況：95% 的失敗率

情況比想像中嚴重。根據 MIT 於 2025 年發表的研究顯示，企業進行的生成式 AI 相關專案中，竟然有 95% 未能產生相對於投資的實際利潤或成效，以失敗告終（出處: The Economic Times，出處: AI Commission）。

即便如此，投資狂潮依然沒有停止。僅在 2025 年上半年，投向 AI 新創公司的資金就超過 440 億美元（約合 60 兆韓元）（出處: The Economic Times）。

當然，部分專家辯稱是因為「沒有替代方案」。他們認為大型語言模型（LLM，學習海量資料以理解並生成語言的 AI 模型）是目前人類發現「運作效果最好」的方法（出處: Digg）。然而，在大多數企業現場，效能驗證、倫理風險以及龐大的能源消耗問題，正讓企業深感頭痛（出處: The Economic Times）。

未來發展將如何？

生成式 AI 要如何擺脫「經濟與工程標準下最糟技術」的污名？產業也已經意識到，單純擴大模型規模的時代已經結束。

未來，「效率」將成為 AI 領域最大的關鍵議題。與其維持巨大的恐龍級模型，競爭將轉向尋找特定任務專用、能以低能源消耗達成高準確率的技術。企業現在也應將目光聚焦在剩下那 5% 真正創造獲利的案例上，探討他們付出了什麼樣的工程努力，而非盲目跟風引進（出處: Forbes）。

---

MindTickleBytes AI 記者觀點

技術被評價為「災難」，並非代表失敗，而是泡沫破裂並回歸本質的過程。現在是擺脫虛幻幻想、冷靜思考 AI 實質價值的時刻。

參考資料

1. Generative AI Is an Engineering Disaster - The Atlantic: https://www.theatlantic.com/technology/2026/07/generative-ai-engineering-disaster/687901/
2. Generative AI Is an Engineering Disaster - Gary Marcus: https://x.com/GaryMarcus/status/2077275136701481375

3. Reisner: Generative AI Is a Trillion-Dollar Engineering Disaster

   AI Weekly: https://aiweekly.co/alerts/reisner-generative-ai-is-a-trillion-dollar-engineering-disaster

4. Explained: Generative AI’s environmental impact

   MIT News

   Massachusetts Institute of Technology: https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117

5. Generative AI Is an Engineering Disaster (shared) - Phil Stock World: https://www.philstockworld.com/2026/07/15/generative-ai-is-an-engineering-disaster/
6. Generative AI Is an Engineering Disaster. A shockingly inefficient trillion-dollar project. - Communick News: https://communick.news/post/6570648
7. Shehzad Younis شہزاد یونس on X: “Generative AI Is an Engineering Disaster A shockingly inefficient trillion-dollar project”: https://x.com/shehzadyounis/status/2077317219420434790
8. Generative AI Is an Engineering Disaster. A shockingly inefficient trillion-dollar project. - Baraza: https://baraza.africa/post/4219008
9. Atlantic Article Calls Generative AI an Engineering Disaster - Digg: https://digg.com/tech/aomq04kd
10. MIT study shatters AI hype: 95% of generative AI projects are failing: https://economictimes.indiatimes.com/magazines/panache/mit-study-shatters-ai-hype-95-of-generative-ai-projects-are-failing-sparking-tech-bubble-jitters/articleshow/123428252.cms
11. MIT report: 95% of generative AI pilots at companies are failing: https://aicommission.org/2025/08/mit-report-95-of-generative-ai-pilots-at-companies-are-failing/
12. MIT Says 95% Of Enterprise AI Fail- Here’s What The 5% Are Doing Right: https://www.forbes.com/sites/jaimecatmull/2025/08/22/mit-says-95-of-enterprise-ai-failsheres-what-the-5-are-doing-right/
13. MIT Finds 95% Of GenAI Pilots Fail Because Companies Avoid Friction: https://www.forbes.com/sites/jasonsnyder/2025/08/26/mit-finds-95-of-genai-pilots-fail-because-companies-avoid-friction/