AI紀錄片把CEO推上火線

3月27日，這部片會很有話題。The AI Doc: Or How I Became an Apocaloptimist 把 Sam Altman、Dario Amodei、Demis Hassabis 拉進同一個鏡頭。片名很酸，意思也很直白：你一邊怕 AI，一邊還得跟它共存。

講白了，這片不是在拍 AI 多神。它是在拍一個很現實的問題。做模型的人，真的有資格替大家決定風險嗎？這問題現在很刺。因為 AI 已經碰到工作、教育、搜尋、客服，連政治操作都開始沾邊。

我覺得這部片最有趣的地方，不是它拍到多少大咖。是它把「信任」這件事，直接丟到 CEO 臉上。可惜的是，它問得夠狠，追得不夠到底。

這部片怎麼把焦點放在人身上

導演 Daniel Roher 用一個很私人也很有效的角度切進來。他快要當爸爸了。這個設定很簡單，但很管用。因為當你想到下一代，你就不會只談產品規格。你會開始問，這些東西會把世界弄成什麼樣子。

Roher 不是那種冷冰冰的旁觀者。他比較像一個正在整理焦慮的人。AI 到底是泡沫，是基礎建設，還是會改變日常生活的底層工具？這幾個答案，現在都有人買單。問題是，沒人能保證哪個最準。

他前一部作品是 Navalny。那部片拿下奧斯卡最佳紀錄片。這次他把鏡頭對準 AI 巨頭，手法還是很會抓人。只是這次的對手，不是單一政治人物，而是一整個資本密度超高的產業。

這裡有幾個很直接的看點：

• 上映日：3月27日
• 核心受訪者：Altman、Amodei、Hassabis
• 片中缺席：Mark Zuckerberg、Elon Musk
• 導演前作：Navalny

CEO 上鏡了，但回答還是很熟

這部片最有戲的地方，就是它真的拿到訪問。這種 access 很難得。可惜 access 不等於壓力。很多科技紀錄片都卡在這裡。你請到大咖，對方也願意講，但講的內容常常很會閃。

片中有一段，Roher 問 Altman，憑什麼大家要信他來帶 AI。Altman 的回答很乾脆：“You shouldn’t.” 這句話很會上標題。可是你細想就知道，這其實也像在閃。因為問題不是你該不該信他。問題是，他手上的東西已經在影響很多人了。

另一個有意思的點，是片中一直在講 safety、責任、節制。這些詞都沒錯。只是這些詞太安全了。它們可以同時出現在訪談、簡報、投資人電話會議裡，聽起來都很合理。可是在真實世界，模型一版版上線，風險是別人先吞。

“You shouldn’t.” — Sam Altman

片中也有 Tristan Harris。他是 Center for Humane Technology 的共同創辦人。他講了一句很重的話：他認識做 AI 風險的人，甚至不期待自己的孩子活到高中。這句話很硬，也很不舒服。可是它提醒你，AI 討論不是在玩抽象哲學。

如果你是工程師，這段會特別有感。因為你會知道，很多系統不是「想清楚才上」。而是先上，邊跑邊修。這種做法在小工具沒什麼。可是一旦碰到大模型、資料流、基礎設施，代價就會變大。

它講得清楚，但也放過不少重點

這部片有一個很實用的優點。它把 AI 講得比較白話。現在很多內容都愛堆術語，講到像在讀研究所簡報。這部片沒有那麼煩。它試著把 LLM、風險、擴張、治理講成人話。對一般觀眾來說，這很重要。

視覺上也有巧思。Roher 自己的畫作和素描，讓整部片不會像一場冗長座談。它還穿插停格動畫，氣氛有點怪、有點幽默。這種做法不花俏，但很有效。因為 AI 題材本來就容易拍成一堆灰色畫面，看到頭痛。

但問題也很明顯。它一碰到責任歸屬，就開始縮。片子有提到 AI 熱潮怎麼推高競爭、怎麼讓資本往少數公司集中、怎麼讓公司一邊說危險一邊繼續擴張。可它沒有把這些線收緊。它沒有逼問：你們到底憑什麼自己定規則？

這幾個點很值得記：

• 它把 AI 風險講得很清楚，但對執行與監管著墨較少
• 它談到 AGI，但沒把今天的 LLM 能力誇到神話等級
• 它點出權力集中在少數公司和少數 CEO 手上
• 它把公共壓力當解方，但沒說清楚怎麼落地

我覺得這就是它最像現實的地方。因為現實裡，很多人也知道問題在哪。只是沒人想先承擔代價。拍電影的人可以停在這裡，但政策不能。

拿台灣開發圈的角度來看

如果你在台灣做軟體，這部片不會只是國際新聞。它其實跟你每天碰到的工具很近。現在很多團隊已經把 AI 接進客服、搜尋、文件整理、程式輔助、內部知識庫。你可能沒直接訓練模型，但你會碰 API、Token、權限、資料治理。

這也是為什麼這類紀錄片有價值。它不是在教你怎麼寫 prompt。它是在提醒你，當模型越來越像基礎設施，風險就不再只是「答案會不會錯」。還有資料會不會外流、回傳會不會亂編、供應商會不會突然改規則。

拿產業來比，現在的 AI 競爭不是比誰最會說故事。是比誰有 OpenAI 那種品牌聲量，誰有 Anthropic 那種企業安全敘事，誰有 Google DeepMind 那種研究和算力底盤。這三家都很強，但強法不同。

• OpenAI：產品節奏快，消費者辨識度高
• Anthropic：安全敘事強，企業市場存在感高
• Google DeepMind：研究底子厚，算力和通路都硬
• Meta：開源路線很猛，但治理壓力也大

如果再看成本，差距更現實。大模型訓練和推論都吃錢。資料中心、GPU、電力、散熱，哪個都不是小數字。你在片中看到的是 CEO 談理想。你在市場上看到的是燒錢速度。這兩件事常常不一致。

所以這部片真正丟出的問題是：當技術還沒被完全理解，產品卻已經大規模上線，誰來負責？這不是哲學題。這是產品、法務、資安、採購都會碰到的題目。

這波 AI 爭議，其實早就開始了

AI 不是最近才變熱。它只是最近才變成全民話題。更早之前，大家在聊的是推薦系統、內容農場、演算法偏誤、監控資本主義。現在換成 LLM，包裝變漂亮了，但老問題還在。

這也是為什麼這部片會讓人不舒服。因為它拍到了一個很真實的產業狀態：公司一邊說要負責任，一邊又在搶時間、搶市場、搶人才。這種矛盾不是意外。這就是商業模式。

如果你回頭看近幾年的 AI 發展，你會發現幾個規律。第一，模型越大，成本越高。第二，成本越高，越需要融資和合作。第三，越需要合作，越容易把話說得漂亮。這條鏈很現實，也很難看。

這裡的重點很簡單：

• 技術討論已經變成治理討論
• 產品發布速度常常快過監管反應
• 企業話術會跟著受眾切換
• 真正承擔風險的，常常不是發言的人

所以我會說，這部片不是在問 AI 會不會失控。它是在問，現在這批做 AI 的人，有沒有準備好接受外部約束。這兩題差很多。

最後，問題不是要不要信，而是怎麼管

這部片看完，最容易留下的感覺不是恐懼。是煩。因為你會發現，很多答案都很熟。CEO 會講責任，研究者會講風險，投資人會講成長，媒體會講故事。可是真正難的，是把這些話變成約束。

我自己的判斷很直接。接下來一年，AI 最大的爭論不會是「它聰不聰明」。會是「誰能要求它先證明安全，再大規模上線」。如果政府、企業客戶、媒體和使用者都只看 demo，那這場戲還會繼續演下去。

所以如果你問我這部片值不值得看，我會說值得。不是因為它給了答案。是因為它把問題丟得夠準。看完之後，你可以先問自己一個很實際的問題：你現在用的 AI 服務，資料到底去哪了？