週報 Weekly I/O #10

關係就是工作

在科技迅猛發展的時代，工作正在經歷前所未有的變革。自動化和人工智能（AI）正逐步取代傳統的手動勞動和認知任務。然而，在這場技術革命中，有一種勞動形式始終屹立不搖，那就是「關係勞動」（relational labor）。本文改寫自 Anu Atluru 的文章《The Relationship Is the Job》，探討人際關係如何在現代職場中成為核心，並重新定義工作的意義。

關係勞動：工作的靈魂

關係勞動指的是依賴人際互動、信任和情感聯繫的工作。例如，共同創辦人之間的協作、教練與學員的指導、教師與學生的互動，或治療師與患者的對話，這些都建立在人類獨有的情境理解和情感共鳴之上。這些工作不僅需要技術能力，更需要信任、存在感和真誠的聯繫，這是 AI 目前無法模擬的。

AI 的槓桿與孤獨的代價

AI 為個人和組織提供了巨大的槓桿作用。一個人現在可以獨立完成過去需要整個團隊的任務，例如使用 AI 工具快速生成內容或解決複雜問題。然而，這種高效率的背後卻隱藏著代價：孤獨感和精神空虛。作者觀察到，當工作變得過於依賴技術，缺乏人際互動時，人們可能會感到孤立，甚至失去工作的意義。

例如，一位獨立創作者可能利用 AI 完成所有工作，但缺乏與他人的協作和反饋，會讓成果顯得空洞。相反，當我們與他人共同努力、分享想法時，工作不僅是任務的完成，更是一種創造意義的過程。這種「存在感」和「信任」成為未來的稀缺資源，甚至可能被視為一種「奢侈品」。

重新定義工作的價值

隨著認知任務的自動化，關係勞動的價值將被放大。未來的職場可能不再僅以產出效率來衡量成功，而是更重視人與人之間的聯繫。例如，一位領導者可能因其建立信任的能力而受到讚賞，而非僅僅是完成任務的數量。這種轉變要求我們重新思考工作的本質：工作不只是完成任務，而是與他人共同創造的過程。

對個人而言，這意味著需要培養同理心、溝通能力和協作技巧。對組織而言，則需要設計促進人際互動的工作環境，例如鼓勵面對面交流或團隊合作。作者強調，無論技術如何進步，人類對聯繫的渴望永遠不會消失，這正是關係勞動的核心價值。

關係即工作

在自動化時代，工作正在被重新定義。技術提供了無限可能，但也讓我們重新審視什麼是真正重要的。關係勞動——建立在信任、存在感和協作基礎上的工作——不僅是未來的核心競爭力，也是賦予工作意義的關鍵。

我們在追求效率的同時，不要忘記與他人建立真誠的聯繫。無論是職場中的合作、朋友間的交流，還是與家人的相處，這些關係才是工作的靈魂，也是人類價值的體現。最終，工作不只是完成任務，而是與他人共同創造的旅程。讓我們在技術的浪潮中，牢牢抓住這份屬於人類的獨特價值。

舉個例子──賈伯斯曾稱艾維是他「在蘋果的精神伴侶」。他們的工作充滿技術性和創造性，也彼此密切相關。

Google 和 Alphabet 的執行長分享了他的人生故事

在一次與 Lex Fridman 的播客對談中，Google 和 Alphabet 的執行長 Sundar Pichai 分享了他的人生故事，從在印度南部清奈一個簡陋的兩房公寓長大，到領導一家價值 2 兆美元的科技巨頭，這段歷程鼓舞了許多人。

Pichai 回憶起童年生活，儘管物質匱乏，但充滿了活力和求知慾。他提到，當時獲取知識的管道主要來自報紙和書籍，尤其是他的祖父，一位在郵局工作者，啟發了他對閱讀的熱愛。

他們家等了五年才擁有一部旋轉撥號電話，但這部電話徹底改變了生活，鄰居們會來家裡打電話給親人，原本需要兩小時往返路程，現在只需五分鐘。Pichai 因此體會到科技改變人們生活的巨大力量。

在談到 Google 的使命時，Pichai 表示這與他內心深處產生了共鳴，驅使他加入這家公司。他強調，一路走來，運氣固然重要，但更重要的是傾聽內心的聲音，選擇自己熱愛的事物，並與比自己更優秀的人共事，這樣才能不斷成長，拓展自己的能力。

面對外界對 Google 在人工智慧競賽中落後的質疑，Pichai 回顧了那段艱難的時期。儘管承受著巨大的壓力，但他對公司內部的發展方向非常清楚，並堅定地推動 Google 以人工智慧為優先的發展策略，同時負責任地開發 AGI。他將這種情況比喻為潛水，儘管海面波濤洶湧，但潛入水下卻能感受到無比的平靜。Pichai 擅長消除噪音，專注於重要的事情，並從內部分析，做出關鍵的決策，例如整合 Brain 和 DeepMind 團隊，以及投資 TPU。

Pichai 也談到了 Google 搜尋的未來發展。他認為，隨著底層技術的進步，人工智慧能夠提供更多的背景資訊，讓使用者更容易找到他們需要的東西。AI 模式和 AI 概覽是 Google 搜尋的創新，旨在為使用者提供更好的搜尋體驗，同時確保使用者能夠訪問網路上的各種資源。

關於人工智慧的長期威脅，Pichai 認為儘管潛在的風險很高，但他對人類有信心，相信人類能夠團結起來解決問題。他強調，解決一些最棘手的問題，需要人工智慧的協助，而且人工智慧也能幫助我們變得更聰明、更友善、更有效率，並減少資源限制，從而降低軍事衝突的風險。

Pichai 還分享了關於 Chrome 瀏覽器的故事。他回憶起 2004 年、2005 年左右，網路變得越來越動態，但現有的瀏覽器卻無法滿足這種需求。因此，他們決定從頭開始建立一個更安全、更快速的瀏覽器，並將核心作業系統原則引入瀏覽器。

最後，Pichai 展望了機器人技術的未來。他認為，人工智慧最終將推動機器人技術的巨大進步，而 Google DeepMind 團隊正致力於開發 Gemini Robotics，建立通用模型，讓機器人能夠在現實世界中安全地工作。

Meta 砸下重金投資 Scale AI

AI 領域再掀波瀾，Scale AI 獲得 Meta 高達百億美元的投資，震驚業界。提到 Scale AI，大家可能對其華裔天才少年 CEO 亞歷山大·王略有耳聞，他曾公開質疑 DeepSeek 使用大量 H100 晶片一事，引發關於 DeepSeek R1 模型訓練方式的討論。儘管 DeepSeek 聲稱僅使用兩千多塊 H800 晶片完成訓練，亞歷山大·王卻暗示 DeepSeek 擁有遠超想像的 H100 數量，但並未提供實際證據，此事最終被視為謠傳。

回顧 Meta 的投資歷史，向來奉行「收購或埋葬」策略的祖克柏，偏好直接收購有潛力的公司，而非僅僅投資。過去的案例包括收購 Instagram、WhatsApp 及 Oculus 等，都證明了 Meta 強烈的創始人風格與掌控慾。然而，這次對 Scale AI 的投資卻一反常態，選擇砸下重金卻不控股，引發各界猜測。

Scale AI 作為全球最大的數據標註公司，在 AI 時代數據為王的趨勢下，扮演著舉足輕重的角色。其客戶涵蓋微軟、OpenAI、Meta、Google、Amazon、Nvidia 等科技巨頭，以及特斯拉、Volvo、通用汽車等汽車大廠，甚至連美國國防部都是其客戶。由於其客戶的特殊性，以及 Scale AI 在 AI 數據領域的壟斷地位，Meta 若貿然收購，勢必面臨美國聯邦貿易委員會（FTC）的反壟斷調查，甚至可能遭到美國國防部的嚴格審查，導致收購難以成功。

1997 年出生的亞歷山大·王，從小展現過人天賦，高中時即獲得美國電腦奧林匹克金牌，並曾於 Addepar 和 Quora 等公司任職。2015 年，他以滿分 GPA 進入麻省理工學院（MIT），卻在大一時受到 AlphaGo 的啟發，毅然輟學創立 Scale AI。公司最初專注於為自動駕駛領域標注數據，透過眾包模式建立起全球規模化的標注網路，涵蓋 50 多個國家和 10 萬名標注員。隨著業務拓展，Scale AI 逐漸發展成為為整個行業提供高品質數據的供應商，涵蓋醫療、多模態、國防等各個領域。

那麼，Meta 為何要投入如此鉅額資金給 Scale AI 呢？這可能與 Llama 3 的成功和 Llama 4 的「翻車」有關。Llama 作為開源大模型的領軍者，在 Llama 3 取得了巨大成功，但 Llama 4 卻因訓練數據品質不佳而遭遇瓶頸。Llama 4 使用大量合成數據進行訓練，導致領域泛化能力缺失、多模態對齊失效以及魯邦性對抗不足等問題。為了擺脫對合成數據的依賴，Meta 必須尋求更可靠、更豐富的數據來源。

透過投資 Scale AI，Meta 基本上控制了 AI 數據標註的龍頭，補足了數據短板，為 Llama 後續版本的訓練奠定了基礎。此外，Meta 似乎也希望透過 Scale AI 的數據標註服務，打造一個更完整的 AI 生態系統。未來，使用 Scale AI 標注數據的客戶，微調 Llama 模型的效果將會更好，形成一個閉環，強化 Llama 在開源大模型領域的競爭力。總而言之，Meta 對 Scale AI 的鉅額投資，是其在 AI 戰略上的一大步，旨在鞏固其在 AI 領域的領先地位。

Robotaxi 將有重大進展

特斯拉獲得奧斯汀政府的正式批准，將於6月22日推出 Robotaxi 無人計程車服務。此舉將大幅提升公眾對特斯拉自動駕駛技術的關注，進而刺激其在美國的銷量。創辦人馬斯克更表示，現在購買燃油車如同購買馬車，暗示自動駕駛將成未來趨勢。

同時，美國政府也正積極協助特斯拉加速 Cybercab 的法規批准，這款沒有方向盤和踏板的全自動駕駛車輛，有望在明年推出，並於2027 年大規模生產。新的法規將大幅縮短 Cybercab 的審批時間，掃除量產和推出的障礙。

在中國市場，特斯拉也傳出令人振奮的消息，有望獲准將中國的數據傳輸至美國，用於訓練中國的 FSD 系統。這將對中國 FSD 的發展至關重要，甚至可能促成特斯拉在中國推出 Robotaxi 服務。目前，即使在缺乏本地數據的情況下，特斯拉 FSD 在中國的表現已令人驚艷。

此外，特斯拉在自動駕駛技術上的領先地位，使其在無人計程車領域擁有獨特的優勢。儘管華爾街部分人士認為其他車企也能推出類似服務，但深入了解後會發現，特斯拉的自動駕駛技術遠遠領先競爭對手。近期一份關於 Waymo 的報告顯示，即使價格較高，消費者仍更願意選擇自動駕駛計程車，因為它帶來了新的科技體驗和更高的私密性。而特斯拉 Robotax i在規模化生產後，預計價格將僅為 Uber 的十分之一，同時行車體驗也將超越 Uber 和 Waymo。

特斯拉 Robotaxi 的擴張策略將從小規模開始，首先確保安全無虞，再逐步擴大測試數據集，最終將成功經驗複製到其他城市。目前特斯拉已在荷蘭、澳洲、義大利等地進行測試，並取得良好效果。

馬斯克預計，今年 Robotaxi 將擴展到奧斯汀和加州，明年遍布全美，之後進軍全球。特斯拉已經正式在奧斯汀的無人出租車部署網站上登記，成為提供出租車載客服務的公司。

儘管市場上還有其他自動駕駛企業，但他們多採用激光雷達技術，而馬斯克堅信，真正的物理世界人工智能才是未來趨勢。特斯拉的人工智能技術在這兩年進步飛快，實現了端到端和完全的機器自我學習。

特斯拉首次發布端到端自動駕駛模型是在 2023 年 12 月，經過一年的時間，於 2025 年 1 月發布了自動駕駛版本 13。目前正處於特斯拉端到端自動駕駛非常早期的階段，但已取得了驚人的進步。

特斯拉的算力也為其自動駕駛技術的發展提供了強大支持。預計在 GPU 提升到 10 萬個之後，過去一整年的訓練量，現在 14 周即可完成。

有分析師認為，特斯拉很有可能在年底前與傳統車企簽訂 FSD 授權協議，這將為特斯拉開啟全新的盈利模式。

馬斯克表示，許多車企被告知特斯拉的自動駕駛並非真實，只需購買英偉達的芯片即可解決問題。但他相信，當特斯拉無人計程車普及後，這些車企最終會發現他們的方法無效，並加入特斯拉的自動駕駛行列。

最終，報告強調，特斯拉是一家人工智能公司，其在人工智能領域的潛力被市場低估。儘管股價可能波動，但長期來看，特斯拉仍具有巨大的投資價值。

通用 GPD 與 ASIC 誰是最終贏家？

近期，NVIDIA GB200 的出貨延遲為市場帶來了新的變數。作為 AI 運算領域的領頭羊，NVIDIA 的通用型 GPU 一直供不應求。然而，GB200 的延遲出貨，迫使 Google、Amazon 等雲端服務供應商（CSP）不得不重新評估其算力佈局。為了降低成本並填補通用型 GPU 的供應缺口，這些 CSP 巨頭開始將部分預算轉移至自行研發的 ASIC（Application-Specific Integrated Circuit）晶片。

ASIC，即專用積體電路，是為特定應用而設計的晶片。在 AI 領域，ASIC 可以針對特定的 AI 演算法進行優化，從而提供更高的效率和更低的功耗。隨著 CSP 廠商對 ASIC 的投入增加，ASIC 在 AI 晶片市場的營收佔比持續擴大，這預示著 AI 晶片市場的格局可能正在發生變化。

那麼，ASIC 的崛起將如何影響 AI 晶片市場的未來？ASIC 真的是一門好生意嗎？

從成本效益來看，ASIC 在大規模部署和特定應用場景下具有顯著優勢。一旦設計完成並投入量產，ASIC的單位成本通常低於通用型 GPU，且能提供更高的運算效率。這對於需要大量 AI 算力的 CSP 廠商來說，無疑是極具吸引力的。

然而，ASIC 也存在其局限性。首先，ASIC 的設計和開發週期較長，且前期投入巨大。一旦市場需求或AI演算法發生變化，ASIC 可能面臨過時的風險。其次，ASIC 的通用性較差，無法像 GPU 那樣靈活應對多種 AI 任務。這意味著，如果 CSP 廠商過度依賴 ASIC，可能會在技術發展的快速迭代中失去靈活性。

通用型 GPU 與 ASIC之間的競爭，本質上是靈活性與效率之間的權衡。通用型 GPU 以其強大的通用性和可程式性，能夠適應不斷變化的AI模型和應用。而 ASIC 則以其極致的效率和成本優勢，在特定場景下展現出強大的競爭力。

資深分析師程正樺「艦長」深入分析了這一趨勢。他指出，NVIDIA GB200 的延遲出貨，加速了 ASIC 在 AI 晶片市場的發展。未來，通用型 GPU 和 ASIC 將會並存，共同推動 AI 技術的進步。對於 CSP 廠商而言，如何在兩者之間取得平衡，將是決定其AI戰略成敗的關鍵。

AI 晶片市場正處於一個關鍵的轉折點。NVIDIA GB200 的延遲出貨，不僅凸顯了通用型 GPU 供應的挑戰，也為 ASIC 的發展提供了新的機遇。這場晶片競逐的最終贏家，將是那些能夠靈活應對市場變化，並在效率與通用性之間找到最佳平衡點的企業。

賓士中國研發團隊組織架構、溝通機制與 battle

Mercedes-Benz 中國研發執行副總裁王忻分享了中國汽車產業近二十年的變革歷程，以及 Benz 如何在智能化浪潮中轉型並確立其在豪華車領域的領導地位。

中國汽車產業的演變與智能化浪潮

中國汽車產業在過去二十年經歷了多個發展週期。早期（2004年前）主要關注汽車本身，智能化元素極少。從 2004 年至 2014 年，智能化主要體現在資訊娛樂系統的發展，例如 MP3、導航的引入，及至文字顯示螢幕和 CD 機的普及。2014 年後，產業焦點轉向主動安全和智能輔助駕駛，例如L2級智能輔助駕駛約在 2018 年開始量產。然而，由於早期技術限制和「長尾效應」等問題，智能輔助駕駛曾一度陷入沉寂。

約在 2022-2023年，隨著高性能計算平台的發展（如英偉達 GPU 晶片）和大模型的引入，智能輔助駕駛進入了「中期」發展階段。許多車廠開始嘗試不同的技術路徑，例如特斯拉的「純視覺」方案。對於高精地圖的更新速度跟不上實際路況的問題，業界開始轉向利用一般地圖並增強感知演算法。

Mercedes-Benz 中國研發的轉型

汽車產業的格局正在從供應商（Tier 1）主導轉向主機廠（OEM）掌控核心技術和數據。過去，許多 Tier 1 公司如 Delphi 和 Visteon 都曾是主機廠的部門，但因成本考量而分拆。如今，基於用戶為中心的考量和數據驅動的需求，OEM 開始收回對數據和設計的控制權，以加快產品迭代和用戶體驗更新。

Benz 中國研發團隊在這波轉型中扮演了關鍵角色。王忻於三年前加入奔馳，正好趕上這一趨勢。中國團隊從最初負責測試落地，轉變為自主研發和設計，發起了名為「RD 3.0」的戰役。例如，針對中國市場的獨特需求，中國團隊自主設計了新一代E級車上的 3D 導航引擎，並改進了停車輔助功能，將成功率從 70% 提升至 95% 以上。

目前，中國研發團隊已成為 Benz 海外最大的研發團隊，擁有超過 2000 名工程師，並在多個新車型（如CLA）的內外飾和電器設計上取得主導權。這種「承諾、交付、信任」（we commit, we deliver, we trust）的文化，使得中國團隊在總部獲得了更大的話語權和授權，能夠根據中國市場的快速變化制定開發節奏和產品規劃。雖然與總部在某些議題上會有「良性爭論」（例如 UI 設計和安全定義），但通常能透過數據和事實來達成共識。

智能化的未來與豪華車的定義

智能化被視為不可逆轉的趨勢。Mercedes-Benz 相信 AI 和大模型的引入將為資訊娛樂系統帶來革命性變化，實現「千人千面」的個性化體驗。智能輔助駕駛也將因AI而變得更加智能，例如透過辨識行人行為細節（如左右張望）來調整駕駛策略，區分成人與小孩，從而提升安全性。

對於豪華車，Benz 認為智能化是不可或缺的，但不能過於激進或堆砌無用功能。豪華的定義在於提供「極致的用戶體驗」，而非簡單的功能羅列。Benz 堅持「以人為本」和「安全至上」的標準。例如，為確保產品安全，每款新車上市前需進行至少 500 萬公里的路測，單一功能測試超過 15 萬公里，以及大量虛擬和實體碰撞測試（約 150 次實車碰撞和 15000 次虛擬測試）。這種對安全的極致追求是奔馳「要么最好，要么不做」的企業文化體現。

儘管中國汽車市場競爭激烈，Mercedes 透過深入理解中國用戶需求，並將本土化創新成果反哺全球，期望能持續引領「數字豪華」的發展。例如，CLA 車型在中國市場將是奔馳首款採用端到端純視覺方案（不含光達）的車型，並與火山引擎合作引入大語言模型。Mercedes-Benz 也預期未來可能在中國設計並生產整車，進一步提升其全球影響力。

一個新詞：認知債務 Cognitive debt

MIT 一項研究揭示了令人擔憂的發現，關於 ChatGPT 對我們大腦的影響，研究內容：

研究人員為 54 名參與者配戴 EEG 腦波監測頭顯，並讓他們在四個月內撰寫文章。
參與者分為三組：一組使用 ChatGPT，一組使用 Google 搜尋，第三組僅靠自己的大腦進行創作。

研究發現：
ChatGPT 使用者的腦部連通性顯著減弱：這些參與者在後續不使用 AI 撰寫文章時，他們的大腦活動更像初學者，而非熟練的寫作者。就像使用類固醇讓你的擊球更有力，但手臂卻變得鬆弛無力。

記憶力衰退：83% 的 ChatGPT 使用者無法引用他們幾分鐘前寫的文章中的任何一句話。相比之下，僅靠大腦創作的組別中，只有 11% 的人在引用自己的作品時遇到困難。

無意識的認知影響：大多數人並未察覺自己的思考能力受到影響。使用 AI 的便利性讓人感覺無縫，但認知上的代價在研究人員測量大腦活動之前是隱形的。

這是怎麼回事？

這就像「Google 地圖效應」，但影響的是你的思維能力。研究顯示，過度依賴 GPS 會削弱空間記憶，而自行導航則對大腦有益（試試今天從工作地點走一條新路線回家，會有助於你的認知地圖建構！）。

就像倫敦計程車司機的「海馬迴」（與記憶和空間導航相關的腦區）比 GPS 使用者更大，ChatGPT 似乎也正在對我們的思考能力產生類似影響。

「認知債務」概念：

MIT 研究人員創造了一個新詞：認知債務（cognitive debt）。這意味著你為了短期的便利，借用了未來的認知能力。

我們已經知道「數位失憶症」（digital amnesia），即因為可以隨時 Google，我們對資訊的記憶能力變差（簡單來說，你記住的不是資訊本身，而是去哪裡找資訊）。但 ChatGPT 將這一現象推向更深層次：用 Google 時，你至少還會閱讀和處理資訊；用 ChatGPT，你直接外包了思考本身。

那麼，該完全放棄 AI 嗎？

不完全是。研究人員並未主張「永遠不要使用 AI」。事實上，先自行撰寫文章，然後使用 ChatGPT 進行編輯的參與者，腦部連通性反而有所增強。

建議：

先進行認知重訓：先自己完成思考的「重度工作」，再用 AI 作為優化工具，而非完全取代思考。你的頭腦需要這份初始鍛鍊來保持強健。

類比健身訓練：把 AI 想像成健身時的護腰帶，適合用於重度舉重，但如果每次運動都依賴它，你的 core（核心肌群）會變得比過熟的義大利麵還軟。我的腹肌現在就像義大利餃子（tortellini）一樣！

適度使用 AI 能提升效率，但過度依賴可能削弱你的認知能力。保持大腦的「運動量」，讓 AI 成為輔助工具，而非你的思考替身！