刊於《信報》，2026年6月1日
AI價值不在模型性能而在應用
許佳龍
科大協理副校長（學術發展）；資訊、商業統計及營運學系講座教授；艾禮文家族商學教授
筆者在本欄上篇文章分析了史丹福大學人類中心人工智能研究所（HAI）所發布的《2026年人工智能指數報告》（Artificial Intelligence Index Report 2026‧下簡稱《報告》），扼要論述了當前全球人工智能（AI）產業的主要發展趨勢，其巧拙兩面性以及數據質量存在的隱憂。
另外值得討論的焦點，一是有關大模型性能的優劣比拼和追逐問題，尤其內地朋友與筆者討論時，都提出「究竟那一個大模型性能更好」？「那一個應用更得心應手」？大家不斷追求或不遺餘力地去探究、沉醉於追逐和比較模型性能孰優孰劣。
模型性能與效率差異不大
筆者認為，這種大模型性能高下的探究和優劣追逐，意義並不大。報告提出一項研究發現與筆者的觀點和判斷相當脗合，即目前大模型之間的性能和表現效率，彼此相差不大。從評分角度看，個別模型的得分差距相當有限。據報告資料，頂級模型的性能正在趨於一致。這項研究發現與筆者的研究和觀察相當一致，「在Arena排行榜和基準測試中，位於前列的4家公司，其Elo積分（借鑒了國際象棋等級分）相差不到25分。截至2026年3月，Anthropic（1,503）、xAI（1,495）、Google（1,494）、OpenAI（1,481）、阿里巴巴（1,449）和DeepSeek（1,424），均位列Arena Elo積分榜前列位置」（頁71）。
因此，大家在使用大模型時，實在不必刻意追求那個性能更好、那個應用更得心應手，反而是應該着意這個模型如何直接地嵌入到自身的工作任務，促使我們的能力有所提升，具體落實應用，這無疑是更根本性的問題。
物理世界表現不濟
此外，雖然目前大模型和機器人的發展如火如荼，一片火熱，但技術應用到真實世界的場景，目前仍然相對有限。據報告資料，在現實物理世界中，AI機器人進入這個世界而能夠圓滿地完成任務，表現令人失望。報告發現，儘管機器人在受控環境中表現出色，但在大多數家務任務中仍然經常失敗，只能成功完成12%的真實家務任務，凸顯人工智能距離掌握物理世界，還有很長的路要走。在RLBench測試中（RLBench 是一個大規模的機器人學習基準測試與仿真的環境），於軟體的模擬環境中之機器人，其操作成功率雖然達到89.4%，但可預測的實驗室環境，與不可預測的家庭環境之間存在著巨大的差距（頁 72）。報告強調了這種模擬實驗環境與真實物理世界中的差異性，我們從機器人僅能完成12%的家務任務中，即可見其一斑。
聚焦性能非可取發展方向
很顯然，AI進入真實物理世界中完成任務，確實還有很大的改善空間，需要進一步把機器人的功能，有效套用到物理世界中的任務上，協助人類解決更多日常生活上的應用。
對於人工智能和機器人的未來發展，筆者認為，智能體的發展若聚焦開發、或比拼追逐大模型性能並非一個可取方向，反而集中把AI技術或機器人如何與機械物理體系/世界配合，令我們能夠在日常生活上，得以大量地應用到AI和機器人技術，完成過往人類需要使用人手，去直接操控物理世界中的一些工作任務，這個發展方向更值得我們匯聚資源去探索、發掘和投資。
最後，筆者提出的討論焦點是，在若干不同專業範圍，愈來愈多應用AI模型。但這些專業應用很多並非運用大模型，反而是為專業個別業務開拓出來的應用，如醫療、金融和研究等專業範疇，專門為其專業工作任務而訓練出來。報告提到，「人工智能模型正在擴展到專業領域，在稅務、抵押貸款處理、公司財務和法律推理等評估中，其性能準確率在60%到90%之間」（頁71）。
AI真正價值在於應用
此外，「用於科學的人工智能模型可有超越人類科學家的表現，但模型愈大並非總是表現愈好。前沿模型在 Chem Bench 測試中，平均表現優於人類化學家，但在天文物理學的可重複性測試中，得分卻低於 20%；在地球觀測問題上的得分亦低於 33%。……大多數用於科學的基礎人工智能模型都來自跨部門合作，這與通用人工智能領域由產業主導的格局截然不同」（頁10）。
可以說，人工智能的應用，目前已覆蓋到相當寬濶的界別範疇，而且普及速度「前所未有」——生成式人工智能在三年內就達到了53%的人口普及率，比個人電腦或網路的普及速度更快（頁10），但普及的應用顯然並非一個通用大模型所能夠處理與應對。因此，在大模型性能和效率差異不大的情況下，與其不斷追逐拓優大模型，倒不如聚焦把AI智能內嵌到個別專業/產業的需要和任務之中，在物理世界中得到實實在在的應用，這樣才能充份體現出AI技術的具體價值。