# 美國 AI 產業的三年倒數：一場正在兌現的預言

> 2025 年 Altman 畫了一張三年路線圖，如今我們已經走到第二年。從 L3 Agent 到中東佈局，哪些預言正在成真、哪些正在變形？

- Author: Paul Kuo（郭曜郎）
- Date: 2026-02-26
- Pillar: 智能與秩序 / Intelligence & Order
- Tags: AI趨勢, OpenAI, 地緣政治, AGI, 產業分析
- Canonical: https://paulkuo.tw/articles/us-ai-three-year-countdown/
- Site index for LLMs: https://paulkuo.tw/llms.txt

---

去年五月，Sam Altman 在紅杉資本的 AI 峰會上，丟出一份三年倒數時間表：2025 是助理元年，2026 進入科研，2027 踏入實體世界。

<div class="listen-summary" style="margin:1.25rem 0;padding:0.75rem 1rem;border:1px solid var(--border);border-radius:var(--radius);background:var(--bg-section);">
  <div style="font-size:0.9rem;font-weight:600;color:var(--text-secondary);margin-bottom:0.5rem;letter-spacing:0.02em;">▶ 聽摘要</div>
  <audio preload="none" controls style="width:100%;display:block;">
    <source src="https://audio.paulkuo.tw/us-ai-three-year-countdown-zh.mp3" type="audio/mpeg" />
    您的瀏覽器不支援音訊播放，請點此 <a href="https://audio.paulkuo.tw/us-ai-three-year-countdown-zh.mp3">下載音檔</a>。
  </audio>
  <div style="font-size:0.75rem;color:var(--text-secondary);opacity:0.75;margin-top:0.4rem;">AI 合成語音・作者本人聲線克隆</div>
</div>

當時聽起來像是募資簡報的修辭。但九個月過去，我發現自己每天用 Claude 和 ChatGPT 處理工作的方式，已經跟去年完全不一樣了。不是「更好用」這麼簡單：是整個工作流程被重組。

這讓我重新回頭看那份時間表。不是為了驗證 Altman 是不是先知，而是想搞清楚：我們到底走到哪了？

## 五級模型：從理論框架變成活的座標

OpenAI 當初提出的五級 AI 進化模型，其實就是一張能力光譜：L1 聊天、L2 推理、L3 代理、L4 創新、L5 組織。去年大家爭論的是「我們在 L2 還是 L3」，現在答案漸漸清楚了。

ChatGPT 的 Agent Mode 已經上線：你可以讓它翻幾百封 email、幫你做研究、自動整理資料。GPT-5 系列從發布到現在，已經迭代出 5.1、5.2，甚至 5.2-Codex 專門跑程式碼任務。OpenAI 在 2026 年 2 月一口氣退役了六款模型，包括 GPT-4o 和 o4-mini，這等於宣告：我們不回頭了。

但這是不是就代表「L3 已到」？我的觀察是：能力到了，可靠性還沒到。你讓 AI 代理幫你做一件事，它八成能完成，但那剩下的兩成正好是你最不能出錯的地方。這不是小問題：這是 L3 和 L4 之間真正的峽谷。

## 時間表修正：從「三年到 AGI」變成「漸進式覺醒」

最值得關注的，不是 OpenAI 有沒有按表操課，而是他們悄悄修改了敘事方式。

Altman 的最新說法是：「AGI 不是某個神奇的瞬間，更像一個過程，而你已經在路上了。」OpenAI 的首席科學家 Jakub Pachocki 給了更具體的里程碑：2026 年 9 月前做出「研究實習生」等級的 AI，2028 年前做出能獨立完成科研計畫的 AI 研究員。

注意這個轉變：從「三年內到達 AGI」變成「兩年內做出 AI 實習生」。目標降了一級，但時間表反而更可信了。這不是示弱，是工程師式的務實：先證明 AI 能當實習生，再談它能不能當教授。

## 基礎建設的軍備競賽

原文當時提到 Altman 在參議院聽證會的五項建議，九個月後看，每一項都變成了真金白銀的行動：

「星際之門」計畫已經從簡報變成合約，OpenAI 承諾的基礎建設投資超過 30 吉瓦的運算能力，與 AMD、Broadcom、Google、Microsoft、Nvidia、Oracle 的跨產業供應鏈合約價值數千億美元。Altman 說要把每吉瓦運算成本壓到 200 億美元以下，聽起來像能源政策而不是科技計畫：這正是重點。

當運算力變成像電力一樣的基礎設施，AI 就不再是矽谷的玩具，而是全球的公共財。問題是：誰掌控這個「AI 電網」？

## 中東棋局：資源換技術的地緣新秩序

原文提到的中東行程：Altman 跟著川普訪問沙烏地、卡達、阿聯：當時看起來像外交秀，現在回頭看是戰略佈局的起手式。沙國承諾 6000 億美元投資、卡達簽下 2435 億美元訂單，這些數字已經超越「科技合作」的範疇。

本質上，這是一筆交易：美國出技術和晶片，中東出錢和能源。AI 訓練吃電吃得兇，而中東有全世界最便宜的能源。這個組合如果成立，它改變的不只是 AI 產業的供應鏈，而是全球權力的重心。

台灣在這個棋盤上的位置呢？我們握著先進製程的命脈，但在 AI 應用端和能源端都不是主角。我在〈[台灣半導體的十倍躍遷](/articles/taiwan-semiconductor-tenfold-leap/)〉裡談過，製程優勢是護城河也是天花板：如果我們只守著代工，當 AI 價值鏈往應用端和能源端傾斜時，護城河會變成孤島。這個落差，才是真正該焦慮的。

## 倒數第二年的清醒觀察

回到那份三年時間表。如果 2025 是「助理元年」，這個預測基本兌現：AI 確實從「問答工具」升級成「任務執行者」。但 2026 的「科研元年」呢？

目前來看，AI 做得到的是加速研究流程、整理文獻、跑數據分析。做不到的是提出原創假說、設計實驗、在失敗中修正方向。換句話說，AI 正在變成很好的研究助理，但距離「研究者」還有本質差距。

我個人的判斷：2027 年的「實體世界」目標大概率要延後。不是技術不夠，而是信任不夠。當 AI 開始操作物理世界：工廠、醫療、交通：容錯空間接近零，而目前的可靠性還撐不起這個標準。

三年倒數走到第二年，清醒比樂觀重要。技術在加速，但信任的建立沒有捷徑。