當人工智能（AI）能為企業達到天馬行空的目標，大型語言模型（LLMs）更為地球數十億人每天解決無數難題同時，2024 年或之後這項科技，再向前進的最大難關是甚麼？這無關演算法、編程工作以至數據中心框架的問題，而是回歸兩項最「物理層」的基本步：半導體與電源限制。
每一間站在 AI 生態度系統下的企業，對於以上問題都存在不同觀點。在努力深耕 GPT 應用模型 LLM 框架長達 6 年，在去年終於憑 ChatGPT 產品一炮而紅的 OpenAI，雖然一直屬軟件開發者身分，但希望參與半導體市場發展的意願越來越強烈。該公司行政總裁 Sam Altman 對於目前晶片生產的市場封閉而感到不滿，已屬公開秘密。早前《華爾街日報》引述消息報道，這位 OpenAI 頭目正與包括阿聯酋政府在內的投資者洽談，最終目標是籌集高達 7 萬億美元資金，以包括建廠手段提升全球晶片生產能力，直接解決 GPU 不足問題，令 AI 運算可以「鬆綁」。
目前世界上能夠生產高性能與先進製程晶片的公司不多，雖然台積電（TSMC）、三星（Samsung）、英特爾（Intel）等的名字可能大家耳熟能詳，但並非上述所有晶圓工廠都能量產針能 AI 運算環境的 GPU。半導體是一項高門欖兼巨額投資的項目，而且不同的分工與定位細緻，一般難以吸引「新人」加入。OpenAI 想從基本改革運算的未來，是非常困難，卻又無可厚非的想法。
分工清晰既是半導體產業的缺點，也是部分廠商能把握的優勢。現時手執全球 AI 發展牛耳，藉 H100 GPU 強勢領導市場的 NVIDIA，與另一間近期在投資市場上備受追捧的安謀（Arm），身份同屬「無廠半導體公司」（Fabless semiconductor company），只專心設計晶片與運算架構，之後再交由晶圓工廠生產，台積電年來亦接下大量 H100 GPU 的代工業務。活在傳統半導體的體制下多年， NVIDIA 頭目黃仁勳卻認為 Sam Altman 的舉動不必要，認為業界最迫切的任務是改善 GPU 架構，而在過去 10 年 NVIDIA 已經將成功將 AI 晶片效能提升 100 萬倍，更指盲目提升產能有機會造成供應過剩的危機。
Sam Altman 與黃仁勳的觀點各有道理，也存在本身利益關係，難以分辨對與錯。不過要談到另一個「物理層」限制，即電力短缺問題相信業界任何人都沒有異議。OpenAI 的初期創辦人之一，Elon Musks 目前已經與 Sam Altman 接近反目成仇，雖然前者未能在 OpenAI 最前線的科技上再作貢獻，但他具前瞻性的長遠目光，對預估未來依然極具價值。他在 2 月底舉行的《Bosch ConnectedWorld 2024》上指出，未來兩年 AI 產業的發展樽頸，將會由「晶片不足」變成「電力缺乏」。
Elon Musks 認為世界已經渡過晶片產能不足的難關，不過 AI 與自動駕駛汽車應用持續擴張，特別是在線的 AI 運算量，每 6 個月增加 10 倍的速度看來，已經離開了目前資源限制下的可持續發展。除了全球電力不足之外，變壓器供應在未來也會出現缺乏的困局。他認為企業應該著手加強電力變壓器（voltage step-down transformers）與其他發電科技的研發，否則人類難以支撐 AI 的新科技時代。
