OpenAI 加入 Google 雲端的那一天── 算力短缺、AI 找出的弱點、一樁藥物開發 AI 交易
我們可以選擇的 AI 範圍已經變得很廣。但在我看來，我們似乎也越來越依賴少數幾家巨頭。在製藥相關工作上，AI 如今出現在研究、法務工作和招募之中。因此，哪一種觀點正確並不是別人的問題。提供 AI 的公司有其自身的壓力。這些壓力顯現在它們在哪裡銷售，以及進入哪些產業。今天我們將透過幾個場景來追蹤這些動向。我們要問的是：接受的一方應該做什麼準備。最後，我會就我們該向誰取得 AI、以及用什麼條件取得，給出我的答案。
01OpenAI 進駐 Google Cloud
來源 Google 雲端
我們的第一個場景，是有關你在哪裡購買 AI。對使用者來說，這也決定了你會被綁定在哪裡。
| 項目 | 詳細資訊 |
|---|---|
| 提供地區 | Google 雲端模型花園 |
| 模型並列 | Gemini, Claude, GPT |
| 另有提供 | 200+ 個自家、第三方與開放模型，盡在單一統一平台 |
| 報告如何詮釋此事 | OpenAI 擺脫對微軟的單一依賴，橫跨全部 3 大雲端 |
Google Cloud 是唯一同時提供全部 3 項的超大規模雲端服務商（公司聲明）
到目前為止，使用某家開發者的模型意味著必須在合作夥伴的伺服器上執行。如今，競爭開發者的模型並列出現在同一處。使用者無需更換基礎系統即可替換與比較這些模型。我認為這場競賽正從模型品質轉向由誰掌握貨架。
只有少數幾家公司擁有那些貨架，向全球出租伺服器。代價就是讓品質在各地保持一致。如果每個貨架都有相同的模型，基座就會依成本與控管難易度來選擇。
提供的數量遠超過一個人能測試的範圍。沒有篩選標準，選擇越多只會越混亂。我會優先從我們自己的工作來設定測試任務。
對藥廠而言，關鍵問題不在於哪個模型最聰明，而是病患資料與開發紀錄存放在哪裡，以及由誰掌控。如果政策還沒跟上，各部門就先各自挑選模型，將沒有人能看清資料流向何處。
那麼，為什麼開發者需要擴散到單一主機之外？原因似乎在於銷售端承受的壓力。
02算力不足
來源 來源 | Alex Heath ／ Business Insider ／ 紐約郵報
線索在於，驅動 AI 所需的電力本身就相當稀缺。我認為向各地分散布局不只是為了贏得客戶。供貨短缺的賣家會設法在盡可能多的地方銷售。
| 人物 | 場地 | 所說內容 |
|---|---|---|
| Sundar Pichai(Google) | 登上 Podcast 節目 | 討論了「Gemini 4 Argon」與算力吃緊的問題 |
| 馬斯克 (SpaceX) | SpaceX財報電話會議 | 「受到所有超大規模雲端業者不斷施壓」要求出租運算資源 |
| Meta | 《紐約郵報》報導 | 市場揣測其將發行新股以支應AI支出 |
Meta 的新股發行是臆測，尚未獲得證實
搜尋巨擘的負責人與火箭公司的負責人說了同一件事：能執行 AI 的機器不夠，各家企業正為此爭搶。另一家巨擘甚至可能發行新股籌措現金。這點尚未獲得證實。可以確定的是，背景迥異的領導人描述了同一種短缺。對賣方而言的短缺，到了買方這邊就成了隱憂。
這種力量唯有在建築、電力與晶片三者齊聚時才會成長。它們沒有一樣是一夜之間出現的。當需求暴增時，等待的隊伍便會形成。
對使用者而言，這關乎價格與優先順序。如果短缺持續下去，大客戶可能會優先鎖定產能，規模較小的客戶則可能得排隊等候。如果你的研究或文件工作依賴 AI，就算其中一家供應商停擺，你的工作也應該能持續運作。簽約之前，先確認備援方案。並把漲價與延誤納入你的規劃。
而在這種算力上運作的 AI 已開始找出我們防禦的弱點。接下來是有關防禦的場景。
03AI 找出網路中的一個弱點
若強大的 AI 在人類之前察覺到人為疏失，該由誰來修補？在下一幕中，這個問題成真了。而且影響所及，甚至包括並未使用 AI 的企業。
開發者的 AI 在網際網路的管線中發現了攻擊者可利用的重大漏洞。它並未將此據為己知，而是建立了一套與全球合作夥伴協調修復工作的機制。有了 AI，漏洞被發現的速度可能快於被修補的速度。擁有這類 AI 的人，並非人人都會秉持善意行事。
在善於運用的人手中，缺陷是修復的線索；在不當運用的人手中，缺陷就變成攻擊。同一種技能是雙面刃。因此，我將發現之後的處理步驟看得和發現本身一樣重。
藥廠握有誘人的目標，例如病患資料與開發中藥物的紀錄。當修補通知送達時，由誰接收？要在何時之前修復完成？若角色權責不清，攻擊者可能搶在防禦者採取行動前利用漏洞。即使是租用的系統，聯絡窗口也必須設在公司內部。
這家開發商如今正超越防禦，跨入研製新藥的實際工作。
04OpenAI 收購藥物開發 AI 新創公司
來源 朝鮮日報網 ／ Unite.AI ／ 基因線上 ／ Business Wire
一家AI製造商正跨入製藥流程。對製藥業而言，這改變了該公司究竟是工具供應商，還是爭奪相同候選藥物的競爭對手。
把同一套AI賣給各行各業的開發商，收購了一家專門尋找新藥的年輕公司。據報導，目的是將可自行運作的研究納入其生物學工具箱。在此之前，這家開發商只出租工具，如今已跨入其中一個產業的核心工作。
| 交易 | 報導金額 | 金額為何 |
|---|---|---|
| OpenAI 收購 Orchestra Bio | 未報導 | 大小未知 |
| 大型藥廠與新創的迷你蛋白藥物開發合作 | 超過 4 億美元 | 交易估值，而非已確認的總付款額 |
| 製藥業後勤作業 | $4000億 | 市場規模，而非單一公司的投資 |
依本網站《AI 與製藥產業》所判定的數量類型
同一天，好幾個與 AI 醫藥相關的重大數字登上頭條，但它們的意義大不相同。一個是交易所假設的價值，另一個是整個產業的規模。至於收購本身，並未出現價格。我會先確認某個數字是估計值，還是實際支付的金額。
對研究團隊而言，問題在於是否要把實驗室的資料交給這套工具。你辛苦得來的洞見，會不會最終拿去訓練了對手的工具？在合約階段就要檢視資料條款。供應商也可能搖身一變成為競爭對手。
那麼在實驗室之外，在企業的日常工作中，AI已經深入到什麼程度了？
05在製藥職場中
來源 犀利醫療 ／ 湯森路透法律解決方案 ／ 日刊藥業
AI 的故事並不會在實驗室裡畫下句點。它正進入較不受矚目的工作，而這些工作對製藥業者同樣重要。
史詩級連接器
Epic 推出「Connectors」，將自家的 AI 工具與第三方應用程式串接（Fierce Healthcare，僅標題）。
研究 100+ 個司法管轄區
湯森路透的Multinational Agent針對單一法律問題橫跨100+個司法管轄區進行研究，並附有可驗證的來源。
招募中的 AI 對話
一家製藥業團體在新鮮人招募中廢除履歷表，並導入 AI 對話（日刊藥業）。
一家保存醫療紀錄的公司開始將其助理與其他公司的軟體串接。在法律研究方面，助理現在會檢查各國不同的法規，並標示每個答案的出處。在招募方面，一家公司現在改為透過與AI對話來認識學生，而非閱讀書面文件。在此之前，AI是有問才答；如今它掌握了工作流程的一部分。
藥物相關工作受到各國不同法規的約束。核對這些差異耗費了員工大量時間。有了可追溯的答案，核對工作就會更快。法規事務人員可以把省下的時間用在判斷上。
對法務、法規與人資人員而言，AI 已不再遙遠。但有一個前提：人們必須能夠查核答案從何而來。在招募上，信任需要清楚交代是什麼形塑了 AI 的判斷。誰來發現 AI 的錯誤，誰又該負責？開始之前，先決定好這件事。
然而，把 AI 帶進職場並不代表它能落地生根。同一天也呈現了相反的情形。
06AI 擴張，AI 退縮
來源 Microsoft Source ／ Wccftech ／ BigGo Finance
那一天，AI 在一個地方快速擴散，在另一個地方卻被收回。這種落差揭示了承受端人們的處境。
| 移動 | 何人何事 | 來源 |
|---|---|---|
| 擴展 | Microsoft 將 Copilot 帶給 330,000+ 名 VW 員工 | Microsoft Source |
| 縮小 | 從 Windows 11 檔案總管中移除的 8 項 Copilot 功能 | Wccftech |
| 已封鎖 | Muse、Dots、豆包等個人代理程式遭應用程式封鎖 | BigGo Finance |
據報導，Windows 11 的移除是因使用者反彈所致
在一家車廠，大部分員工將獲得 AI 助手。然而在同一位開發者的電腦軟體中，使用者紛紛抱怨，AI 功能因此遭到移除。我認為被視為強加於人的功能會受到排斥，無論它多麼好用。而代替人行動的 AI 則持續被應用程式拒於門外。最終，由使用者與平台擁有者決定 AI 是否普及。
全公司導入就數字上看來很可觀。但發放的授權席次和每日實際使用是兩回事。我想知道哪些任務變快了,以及快了多少。
藥廠也面臨同樣的情況。AI 由高層由上而下推派，員工感到無所適從，於是逐漸疏遠。應與使用者共同決定要交出哪些任務、交到什麼程度。把在一個部門奏效的做法推廣到其他部門。這比一次性的大規模導入更有效。
只有當 AI 在工作中扎根，我們才能說是自己選擇了它。那麼，把今天這些場景放在一起看，又顯示出什麼？
OpenAI 是否會揭露收購 Orchestra Bio 的價格，以及在與 Rosalind 整合後這些工具將如何提供（包括針對藥廠的定價）。
開啟完整逐字稿
簡介
我們可以選擇的 AI 範圍已經變得很廣。但在我看來，我們似乎也越來越依賴少數幾家巨頭。在製藥相關工作上，AI 如今出現在研究、法務工作和招募之中。因此，哪一種觀點正確並不是別人的問題。提供 AI 的公司有其自身的壓力。這些壓力顯現在它們在哪裡銷售，以及進入哪些產業。今天我們將透過幾個場景來追蹤這些動向。我們要問的是：接受的一方應該做什麼準備。最後，我會就我們該向誰取得 AI、以及用什麼條件取得，給出我的答案。
CH 01 OpenAI 進駐 Google Cloud
我們的第一個場景是關於你在哪裡購買 AI。對使用者而言，這也決定了你會在哪裡被鎖定。到目前為止，使用某一家開發商的模型，意味著要在合作夥伴的伺服器上執行。如今，競爭對手開發商的模型並排放在同一個地方。使用者可以在不更換基礎系統的情況下替換並比較它們。我認為這場競賽正從模型品質轉向誰擁有貨架。只有少數幾家公司擁有這些貨架，向全球出租伺服器。代價是必須讓品質在各處保持一致。如果每個貨架都有相同的模型，基礎系統的選擇就取決於成本和控制難易度。所提供的數量遠遠超出一個人所能測試的範圍。若沒有挑選標準，更多選擇只會帶來混亂。我會優先從我們自己的工作中設定測試任務。對製藥公司而言，關鍵問題不是哪個模型最聰明，而是病患資料和開發紀錄存放於何處，以及由誰掌控。如果每個部門都在政策跟上之前自行挑選模型，就沒有人能看清資料流向何處。那麼，這家開發商為什麼需要擴展到單一主機之外呢？
原因似乎在於銷售方面臨的壓力。
CH 02 運算資源不足
線索在於，運行 AI 所需的電力本身就屬稀缺。我認為四處分散布局不只是為了贏得客戶。供貨不足的賣家會盡可能設法在越多地方銷售。搜尋巨頭的負責人與火箭公司的負責人說了同樣的話：能運行 AI 的機器不夠，各企業正在爭奪這些機器。另一家巨頭甚至可能出售新股來籌措現金。這一點尚未獲得證實。可以確定的是，背景截然不同的領導人描述了同一種短缺。對賣方而言的短缺，變成了買方的疑慮。這種電力唯有在廠房、電力與晶片三者齊備時才會成長，而其中沒有一樣是一夜之間就能出現的。當需求跳升，等候的隊伍就會形成。對使用者而言，這關係到價格與優先順序。如果短缺持續，大客戶可能會率先鎖定產能，較小型的客戶則可能要等待。如果你的研究或文件工作依賴 AI，就應確保在一家供應商停擺時仍能持續運作。簽約之前，先確認備援方案。並把漲價與延誤納入你的計畫。而運行在這種電力上的 AI，已經開始找出我們防禦體系的弱點。接下來是有關防禦的一幕。
CH 03 AI 在網路中發現弱點
若強大的 AI 在人類之前察覺到人為疏失，該由誰來修補？在下一幕中，這個問題成真了。而且影響所及，甚至包括並未使用 AI 的企業。開發商的 AI 在網際網路的基礎管線中發現一個攻擊者可利用的重大漏洞。它並未自行保密，而是建立一套機制，與全球夥伴協調安排修復工作。有了 AI，漏洞被發現的速度可能快過被修補的速度。並非每個擁有這類 AI 的人都會善意行事。在善意者手中，漏洞是修補的線索；在惡意者手中，它就成為攻擊。同一種能力是雙面刃。因此我把發現之後的處置步驟看得與發現本身同樣重要。製藥商握有誘人的目標，例如病患資料與開發中藥品的紀錄。當修補通知送達時，由誰接收？又須在何時之前完成修補？
在缺乏明確角色的情況下，攻擊者可能搶在防禦者行動之前利用漏洞。即使是租用的系統，聯絡窗口也必須設在公司內部。這位開發者如今正跨出防禦，投身開發新藥的工作。
CH 04 OpenAI 收購一家藥物發現 AI 新創公司
一家AI製造商正跨入製藥流程。對製藥業而言，這改變了該公司究竟是工具供應商，還是爭奪相同候選藥物的競爭對手。把同一套AI賣給各行各業的開發商，收購了一家專門尋找新藥的年輕公司。據報導，目的是將可自行運作的研究納入其生物學工具箱。在此之前，這家開發商只出租工具，如今已跨入其中一個產業的核心工作。同一天，好幾個關於AI製藥的大數字登上頭條，但它們的含義大不相同。其中一個是交易所假定的價值，另一個則是整個產業的規模。至於這樁收購本身，並未出現價格。我會先確認某個數字是估計值，還是實際支付的金額。對研究團隊而言，問題在於是否要把實驗室資料交給這套工具箱。你得來不易的洞見，會不會最後反而用於訓練對方的工具？
在合約階段就檢視資料條款。供應商也可能變成競爭對手。那麼在實驗室之外，在企業的日常工作中，AI已經滲透到多遠了？
CH 05 在製藥業的職場
AI 的故事並未止於實驗室內。它正走進一些較不喧嘩、卻也攸關製藥商的工作。一家保管病歷的公司開始將其助理與其他公司的軟體串接。在法律研究方面，現在有一個助理會查核各國不同的法規，並顯示每個答案的來源。在招募方面，有一家公司現在透過與 AI 對談來認識學生，而不是閱讀書面資料。到目前為止，AI 是有問才答。現在，它掌握了工作流程的一部分。製藥工作受到各國不同法規的約束。查核這些差異已耗費員工大量時間。有了可追溯的答案，查核變得更快。法規人員可以把省下的時間用在判斷上。對法務、法規與人力資源人員而言，AI 不再遙遠。但有一個前提。人們必須能夠查核答案的出處。在招募方面，信任需要清楚說明是什麼形塑了 AI 的觀點。誰來揪出 AI 的錯誤，又該由誰負責？
在開始之前就先決定這一點。然而，把 AI 帶進職場並不代表它會扎根。同一天也展現了相反的情形。
CH 06 AI 擴張，AI 撤退
那一天，AI 在一個地方迅速擴散，在另一個地方卻被縮減。這個落差透露了接受端使用者的處境。在某家車廠，相當高比例的員工將獲得 AI 助手。然而在同一家開發商的電腦軟體中，使用者提出抱怨，AI 功能因而遭刪減。我認為被視為強加於人的功能，無論多好都會被排斥。而代替人採取行動的 AI，則不斷被應用程式拒於門外。最終，AI 能否普及，取決於使用者與平台業者。全公司導入，單看數字很可觀。但發放的授權席次與日常使用是兩回事。我想知道哪些任務變快了，又快了多少。製藥業者面臨同樣的情況。由高層由上而下推行的 AI，讓員工無所適從，進而漸行漸遠。與使用者一起決定要交辦哪些任務，以及交辦到什麼程度。把在某個部門奏效的做法推廣到其他部門，這比一次大規模導入更有效。唯有當 AI 在工作中扎根，我們才能說是我們選擇了它。那麼，把今天的這些場景放在一起看，能看出什麼？
總結
我們的選擇確實變多了。但能用來執行 AI 的算力有限。AI 如今能找出嚴重缺陷。而它的開發商正跨足醫藥領域。因此，決定託付什麼、委派什麼、由誰監督，是接受方的職責。能用自己的話寫出這些條件，才是選擇的真正意義。接下來，我會關注那位開發商會向製藥公司提出什麼樣的條件。
- CH 01Google 雲端「Google Cloud擴大模型選擇與彈性，將OpenAI模型帶給客戶」 cloud.google.com
- CH 02來源 | Alex Heath「Sundar Pichai談Gemini 4與AI運算荒」 sources.news
- CH 02Business Insider「馬斯克表示，AI競爭對手正渴求SpaceX的運算資源」 businessinsider.com
- CH 02紐約郵報「Meta將發行新股以支應龐大AI支出的揣測 — 以及憂慮 — 正在升溫」 nypost.com
- CH 03OpenAI「修補地球：當代理人揭露關鍵漏洞時的全球應變協調」 openai.com
- CH 03富比士「OpenAI表示AI發現了有史以來最重大的網路弱點之一」 forbes.com
- CH 04朝鮮日報網「OpenAI收購Orchestra Bio，加速AI驅動的藥物開發 - CHOSUNBIZ」 biz.chosun.com
- CH 04Unite.AI「OpenAI收購Orchestra Bio，以擴充Rosalind生命科學工具」 unite.ai
- CH 04基因線上「4,000億美元的製藥業後端正迎來AI洗牌—按小時計費已死」 geneonline.com
- CH 04Business Wire「AI Proteins宣布與安斯泰來製藥（Astellas Pharma）達成研究合作與授權協議，以發現並開發價值超過4億美元的新型迷你蛋白療法」 businesswire.com
- CH 05犀利醫療「Epic推出Connectors，將其AI工具與第三方應用程式串接」 fiercehealthcare.com
- CH 05湯森路透法律解決方案「以AI進行跨國法律研究：跨國代理人」 legal.thomsonreuters.com
- CH 05日刊藥業「AI対話導入「自分の言葉で話して」 新卒採用でES廃止のシミックグループ | 日刊薬業 - 医薬品産業の総合情報サイト」 nk.jiho.jp
- CH 06Microsoft Source「微軟以Copilot賦能福斯集團超過330,000名員工」 news.microsoft.com
- CH 06Wccftech「微軟在用戶反彈聲中縮減Windows 11的Copilot，從檔案總管移除八項AI動作」 wccftech.com
- CH 06BigGo Finance「個人AI代理遭遇平台封鎖：Meta的Muse、字節跳動的豆包撞上App「禁入」高牆」 finance.biggo.com
使用的文章
今日相關報導
旁白為合成語音。內容僅取材自本站同一天的文章。每一期在發布前都會通過七項白話檢查。這意味著已知的理解障礙被控制在門檻以下——並不保證一定能夠理解。