《時代》AI百大黃仁勳、梁文峰落選！AI競賽不只拼模型了？算力、能源與工作流程成新戰場

《時代》（TIME）雜誌近日公布第四屆「TIME100 AI」榜單，除了OpenAI、Anthropic、xAI等人工智慧（AI）領域熟悉的面孔外，美國參議員Bernie Sanders、美國勞工聯合會與產業工會聯合會（AFL-CIO）主席Liz Shuler、《紐約時報》發行人A.G. Sulzberger，以及環境活動家Erin Brockovich等非典型AI人物也名列其中。

這份名單引發外界對OpenAI執行長奧特曼（Sam Altman）、馬斯克等科技業高層排名的討論，也讓部分中國AI業者是否入選成為焦點。

不過，從整體榜單結構來看，更值得注意的是，AI產業的影響力正在突破模型與演算法本身，並向算力、能源、內容版權、勞動、教育、安全及監管等領域擴散。

《時代》表示，其對榜單的定位並非單純評選技術能力最強的AI人物，而是挑選過去一年對AI關鍵敘事具有代表性，並實際影響AI發展方向的人物。

分析指出，這代表AI產業的競爭已逐漸從單純的模型能力比拚，轉向更完整的產業生態與社會影響力競爭。

從榜單分類來看，直接處於AI技術核心的人物，與處理AI所帶來社會影響的人物，數量呈現高度對稱。

其中，「尖端模型與代理」類別有17人，「算力、晶片與能源」有12人，兩者合計29人。

另一方面，「內容、版權與真實性」有10人，「勞動、教育與數位福利」有10人，「安全、評測與標準」則有9人，同樣合計29人。

換言之，榜單中直接推動AI技術發展的人物，與負責回應AI社會影響、建立規範及制衡AI擴張的人物，數量恰好相同。

如果從另一個角度觀察，也可以發現榜單人物的影響力大致分成兩類：一部分掌握AI發展所需的技術與產業資源，另一部分則透過規則制定、資本與人才配置、公共認知及社會制衡，影響AI未來的發展方向。

這顯示AI產業正進入不同於早期的發展階段。

過去，要成為最具影響力的AI人物，主要途徑是提出新演算法、訓練出更強大的模型，或創辦模型公司；如今，資料中心、電力、企業資料、專業工作入口，以及版權、就業、安全與社區影響等議題，同樣開始決定AI產業的發展方向。

模型競賽仍持續，但AI戰場已經擴大

尖端模型企業仍是此次榜單最受矚目的核心。

OpenAI的Mark Chen、奧特曼與Greg Brockman均入選，Anthropic的Dario Amodei與Daniela Amodei也同時上榜，馬斯克則持續將模型、AI代理與大規模基礎設施整合。

不過，從《時代》給出的入選理由來看，AI領導企業的競爭已不再只是比較單次模型發布的能力。

OpenAI三人的入選理由涵蓋超級智慧個人助理、新晶片、資料中心、消費裝置，以及安全與對齊體系等不同領域。

這反映出尖端AI企業的競爭單位，正從單一模型轉變為完整系統。

模型能力決定AI系統的能力上限，算力與資本決定擴張速度，產品入口影響資料回流，而開發者與企業生態則決定模型能否持續被使用。

因此，模型仍然是AI產業的核心引擎，但已無法單獨決定企業最終能否取得產業優勢。

算力、晶片與能源成為AI擴張的另一條主戰線

此次榜單中，14%入選者的主要戰場集中在算力、晶片與能源。

其中包括博通(AVGO-US) 執行長Hock Tan、亞馬遜(AMZN-US) AWS執行長Matt Garman、CoreWeave(CRWV-US) 共同創辦人Michael Intrator、甲骨文(ORCL-US) 共同創辦人Larry Ellison、美光科技(MU-US) 執行長Sanjay Mehrotra，以及歐洲AI資料中心業者Nscale創辦人Josh Payne。

這些人物所代表的，是AI基礎設施快速擴張下形成的另一個產業核心。

Hock Tan領導的博通正透過客製化晶片與高速網路技術，挑戰輝達在AI基礎設施領域的主導地位。

AWS則將Trainium晶片、Bedrock模型平台與AgentCore代理平台結合，透過長期算力合約建立AI運算基礎。

AI模型的訓練與推論並不只需要GPU或ASIC，還涉及高頻寬記憶體、網路、土地、電力、散熱與融資等條件。每一次基礎設施擴張，都需要先投入大量資本，再透過長期採購協議、能源合約及客戶承諾建立回報。

AI產業因此正逐漸從低邊際成本的軟體模式，轉向高度依賴資本與基礎設施的產業模式。

AI應用層爭奪的不只是使用者，而是工作流程

IBM(IBM-US) 董事長暨執行長Arvind Krishna在此次榜單中提出一項判斷：隨著不同基礎模型的能力逐漸接近，模型最終可能走向大宗商品化，市場規模雖大，但價格將趨於低廉，更多價值則會流向建立於模型之上的應用、掌握企業資料，以及取得客戶信任的公司。

他甚至估計，相關價值可能有90%集中在模型之上的應用層。

這項比例是否最終實現仍有待觀察，但榜單中已經出現相應的產業案例：

• OpenEvidence將醫學文獻與臨床決策支援結合，已進入超過100萬名美國醫師的工作流程；
• Harvey則服務美國收入最高的100家律所中超過75家；
• Anthropic與Cursor進入程式設計師的程式碼編輯環境；
• Databricks則試圖成為企業AI代理存取資料、權限與安全系統的工作環境。

這些應用的共同特徵，是開始掌握專業工作流程中的關鍵節點。

包括資料從何而來、誰有權限使用、AI輸出能否被管理、錯誤由誰負責，以及使用過程能否產生新的專有資料。

因此，模型公司提供的是AI能力，但醫療、法律、金融及工業等專業領域真正需要的，則是能夠承擔責任並嵌入實際流程的完整系統。

應用公司的競爭優勢也不只是快速建立產品，還包括產業入口、專有資料、流程整合、監管資格與使用者信任。

中國AI業者上榜　產業鏈覆蓋逐步完整

此次榜單中的中國AI代表人物數量仍相對有限，但涵蓋的產業環節相當完整。

字節跳動梁汝波代表消費入口、基礎模型、生成式媒體與世界模型；阿里巴巴吳泳銘則涵蓋通義千問、阿里雲、自研晶片與代理商業化。

華為何庭波則聚焦晶片與系統架構；月之暗面執行長楊植麟、智譜執行長張鵬則持續推進尖端模型。

從晶片、模型、雲端、代理到汽車、機器人、資料及標準，中國AI產業正在形成較為完整的技術鏈條。

分析認為，這反映出AI產業關注的核心問題正在改變。幾年前，市場主要關心AI是否真的能夠運作，以及哪家公司能夠訓練出能力最強的模型；到了2026年，問題開始延伸至誰能夠將AI能力、算力、能源、資料、專業工作流程、資本、規則與公眾信任整合起來。

對AI企業的評估，也因此不能只看模型基準測試結果。單純比較模型能力，容易受到短期產品更新影響；只看使用者成長，也可能忽略AI產業背後涉及的基礎設施、資料與產業生態。

總的來說，從《時代》2026年AI百大榜單的結構來看，AI產業的核心正在從「誰擁有最強模型」，逐步擴展至「誰能夠掌握AI發展所需的完整系統」。

模型競賽並未結束，但模型已不再是唯一的中心。算力與能源、應用與工作流程、資料與資本，以及安全、版權、勞動與監管等力量，都正在共同決定下一階段AI產業的發展方向。