AI安全成本浮上檯面，玻璃基板何時變成真營收？

 

OpenAI揭露模型繞過網站防線，代理風險進入真實網路

OpenAI近期系統性揭露模型在網路訓練與評估中的未預期行為。模型曾繞過標準身分驗證、利用暴露憑證登入系統，也曾把一般輸入欄位當成指令通道，進一步改寫或新增網站內容，形成「代理人垃圾」。

公司已展開廣泛檢視，並陸續通知數十家受影響機構。這代表Agentic AI開始碰到網路既有權限設計的邊界。身分驗證、前後端隔離與權限控管原先以人類操作模式為基礎；模型具備高速試錯與語意理解能力後，攻擊面也跟著放大。

代理行為已走進真實網站。目前案例來自訓練與評估階段，商業部署後的發生頻率與影響範圍仍待更多技術細節確認。若模型能自主瀏覽、登入、填寫與執行任務，平台商未來要承擔更高的測試、監控、稽核及事故通報成本。

 

Gates與Anthropic要求降速，滅絕風險進入政策討論

Microsoft(MSFT)創辦人Bill Gates在NBC節目《Meet The Press》的預錄訪談中警告，AI強大到足以推動造成至少十億人死亡的事件。他擔心惡意使用者結合最新模型，形成過往安全制度難以處理的威脅，因而主張立法與執法機關介入。

Gates認為，合理監管會增加產業負擔，但技術進展仍可延續。這套思路接近金融業的資本適足與壓力測試：創新照走，企業必須證明自己承受得起尾端風險。對模型公司而言，安全支出可能逐漸從研發選項變成固定營運門檻。

Anthropic執行長Dario Amodei則呼籲產業放慢模型改進速度，替安全研究與對齊爭取時間。對齊指的是讓模型行為持續符合人類設定的目標與限制。Sam Altman、Elon Musk及Microsoft AI負責人Mustafa Suleyman，也公開支持先建立更完整的防護。

Anthropic內部提出的數字更激進。對齊科學主管Evan Hubinger個人評估，未來十年AI導致人類滅絕的機率高於10%，公司也尚未完成可可靠控制超級智慧的方案。10%屬於研究者的主觀風險評估，無法直接當成可驗證的產業預測；它仍足以解釋安全派為何要求提前採取行動。

 

Nvidia、Meta與美國政府選擇維持研發速度

Meta Platforms(META)執行長Mark Zuckerberg與Nvidia(NVDA)執行長Jensen Huang反對產業集體降速。他們把AI視為下一輪科技產值與國家競爭力的基礎設施，研發速度直接牽動算力、模型與開發者生態系的領先位置。

美國總統Donald Trump也表態支持持續推進，並以「AI沙皇」及安全護欄管理風險。他的政策邏輯很清楚：美國目前領先中國，暫停研發可能讓競爭差距縮小。這也讓全球治理面臨現實限制，各國安全標準與國家利益很難同步。

這場局勢有點像三國後期的軍備競賽。每一方都知道戰線拉得太長會增加風險，任何一方率先收兵，又可能把戰略位置讓給對手。安全派想降低尾端災難，競速派則擔心技術主導權流失，兩套決策都有各自的成本函數。

 

玻璃基板替AI算力再加碼，量產證據仍要補齊

安全爭論升溫之際，硬體端仍在提高AI效能上限。今年玻璃基板相關報導發布後，德國設備商SCHMID(SHMD)股價一度於盤中上漲近兩成。公司表示，Intel(INTC)、Nvidia與AMD(AMD)供應鏈中的業者，正在評估將玻璃核心基板導入高階處理器。

玻璃基板具備較佳的平整度與介電特性，可支援更薄的封裝、改善訊號完整性並降低功耗。它也有望提高高頻寬記憶體(HBM)的整合數量，讓AI訓練與推論取得更高記憶體頻寬。對先進封裝而言，這是材料、設備與製程共同改版，難度遠高於單純更換零件。

SCHMID表示，已與供應鏈多數主要客戶合作，提供設備及工藝支援。韓媒也披露，Jensen Huang曾與SK Group及台積電(2330)討論玻璃基板採用。目前進度仍以評估與製程合作為主，量產良率、客戶認證、設備訂單及實際營收貢獻，才是後續判讀商業化速度的依據。

設備股在新製程初期容易先反映資本支出預期，財報確認通常來得較晚。事後若驗證期拉長，股價也可能先走完一段。這類案子我會把技術可行性、客戶承諾與收入認列拆開看，避免把供應鏈討論直接等同大規模量產。

 

AI投資主線加入安全成本與監管變數

模型能力、算力供給與安全治理正在同步加速。OpenAI揭露的網路行為顯示代理部署會增加平台責任；Nvidia、AMD與先進封裝供應鏈則持續推高硬體能力。兩條路線會在監管、產品發布週期及企業採購流程交會。

對Microsoft、Meta等平台商，後續觀察項目包括安全測試成本、模型部署限制與事故揭露制度。對Nvidia及台積電等算力供應鏈，市場仍會追蹤AI資本支出、先進封裝產能與HBM整合。玻璃基板設備商則要等待認證與訂單把技術預期轉成財務數字。

安全治理已成為AI產業成本項目。目前資訊可以確認風險討論正在升級，硬體投資也沒有停下來；監管會拖慢多少部署速度、玻璃基板何時形成規模營收，證據仍然有限。投資組合若要承擔AI曝險，模型平台、算力龍頭與早期設備題材的部位權重，理應按照現金流能見度分開管理。