免費閱讀15 次瀏覽

IBM 與 Palo Alto 執行長談 AI：量子破密約在 2030 年，企業九成 token 將轉向開放權重模型

站長

IBM 執行長 Arvind Krishna 與 Palo Alto Networks 執行長 Nikesh Arora 一起上了 All-In Podcast 的現場活動，由節目主持人 Chamath Palihapitiya 與 David Friedberg 主持。約 40 分鐘的對談從量子電腦破解密碼、開源與前沿 AI 模型的取捨，一路聊到 AI 資安攻防、資料中心政治，以及軟體業的整併潮。兩位都是大型企業 IT 預算的實際決策者與供應商，他們的看法很能反映企業端怎麼花 AI 的錢。

以下是聽完後的重點整理與評論。

誰在對話？

Arvind Krishna：IBM 董事長暨執行長，研究員出身，長期主導 IBM 的混合雲、AI 與量子電腦布局。
Nikesh Arora：Palo Alto Networks 董事長暨執行長，曾任 Google 商務長與軟銀總裁。

關係揭露： IBM 本身在做量子電腦與後量子加密，Palo Alto Networks 賣資安產品，兩人談到「企業應該現在就升級」時，與自家生意直接相關，讀者可以把這些說法當作業者觀點來看。

量子電腦破解密碼：大約 2030 年，現在就該準備

Krishna 說，美國國防高等研究計畫署（DARPA）辦的量子電腦評比計畫，幾年前有兩百多家公司參加，現在只剩十幾家，這本身就說明哪些技術比較實在。業界對「能用的量子電腦」何時出現，看法落在 2028 到 2033 年之間，取中間值大約是 2030 年，到時現有的加密方式會被破解。

更麻煩的是「先偷後解」：今天被偷走的加密硬碟，對方可以放個五年，等量子電腦成熟再解開。好消息是，後量子加密（能抵抗量子電腦的新加密方法）已經有成熟的理論與程式碼，只是大家一直懶得換。

他給了幾個觀察里程碑：

錯誤修正： 現在的量子電腦錯誤太多，像玩具。明年會有人宣稱做到某種程度的錯誤修正，2027 年應該會有一兩家真的有進展。
運算規模： 目前大多數機器的邏輯閘運算量約在一萬左右，如果每年多一個零，2029 年就可能到一千萬，那時能做的事會讓所有人嚇一跳。
邏輯量子位元： 一萬個實體量子位元，經過錯誤修正後，有效的大概只剩兩百個左右。

Arora 則從防守端補充：企業 IT 系統裡到處都是加密金鑰，不可能等到 2029 年一次全部打掉重練，所以現在編列的 IT 預算就應該買能抵抗量子破解的設備，而且照這個時程，其實已經晚了。他猜現場企業今年的基礎設施支出，大約一半還不是量子安全的。

至於有人認為 AI 會比量子電腦更早破解密碼，Krishna 不太認同。他的理由是量子演算法要在量子硬體上跑才有優勢，放在一般電腦或 GPU 上模擬只會慢上千倍、萬倍。AI 可能幫忙找到新的數學捷徑，但如果破解一把金鑰要十年，實務上就沒有意義。

小評： 「先偷後解」是這段最值得一般讀者記住的概念：重要資料的保密年限如果超過五年，現在就已經暴露在風險中。對投資人來說，後量子加密的升級是一筆可預期、跨多年的企業支出，受惠的是資安與網通設備商。

開源還是前沿模型：大部分工作不需要法拉利

Arora 說，企業現在的第一階段應該讓員工盡量用最好、最方便的模型，先搞懂 AI 能做什麼，不要一開始就急著省錢。但做下去會發現「不同的馬跑不同的賽道」。

他舉自家產品為例：每台終端設備的流量檢查，一年成本只要 20 到 30 美元，因為是在設備上跑幾十 MB 的小模型。如果把同樣的流量全部丟給大型模型按 token 計費，光一家公司的費用可能就抵得上模型公司一整年的營收。所以做法是把小型語言模型壓縮、針對單一任務訓練到 99.9% 準確率。

反過來說，當企業正在被駭客攻擊，損失可能高達數十億美元，客戶就會說「用什麼模型都行，先止血」，這時才值得動用最強的前沿模型與大量 AI 代理人。平時的防禦模型，他傾向拿開放權重模型，用自家資料訓練、自己管理權重，因為這樣才能稽核、才能解釋判斷過程。

Krishna 從三個角度得出同樣結論：

成本： 前沿模型每百萬 token 約 20 美元，最高可到 50 美元。拿一個開放權重模型，自己架 GPU、花一週做優化，成本可以壓到 1 到 2 美元，便宜十到四十倍，卻能完成九成五的工作。
智慧財產： 如果模型的思考過程會被別人記錄下來，等於把公司的專業知識送出去。前沿模型不會讓你自己部署，最後只能走開放權重。
地緣政治： 目前最好的開放權重模型來自中國，他認為放在自家隔離環境裡跑風險很低，透過雲端用就是另一回事；而且一兩年內西方也會出現同樣強的開放權重模型，差距頂多 6 到 12 個月。

他估計未來企業 75% 到 90% 的 token 用量會流向開放權重模型。剩下的部分，他自嘲當過工程師所以敢說：開發者很懶，沒有管控就會一直用最貴的選項。

小評： 這是本集對 AI 產業鏈最有參考價值的一段。如果企業真的大量轉向便宜的開放權重模型，前沿模型公司的企業營收成長可能比市場想像慢，但 GPU、推論晶片與企業自建 AI 基礎設施的需求不會少。值得注意的是，兩位都是賣企業 AI 方案的人，偏好「企業自己掌控模型」也符合他們的商業利益。

AI 資安攻防：攻擊者只需要找到一個漏洞

談到 Anthropic 的資安模型 Mythos 預覽計畫（Palo Alto Networks 是少數受邀的夥伴），Arora 說他不擔心模型公司跨足他的生意。他的邏輯是：大家每天用 AI 寫程式，很多人沒關掉資料訓練，模型因此越來越懂好的程式碼長什麼樣子，自然也學會辨認壞的程式碼，所以第一件事就是很會找漏洞。

不過這類模型找到的漏洞，大約 20% 到 30% 是幻覺。對攻擊者來說無所謂，因為只要一個漏洞成立就夠了；防守方卻必須找到每一個、逐一驗證、修補。他也認為，沒有企業敢不經測試就讓 AI 直接修補漏洞。

被問到能不能從戰爭學到什麼，兩人給了很具體的答案：

結盟： Arora 提議各家企業把找到的漏洞集中給可信任的單位，統一修補、統一發布，而不是每家自己重做一次。
讓防守變便宜： Krishna 說，攻擊通常比防守便宜，防守方最後會被拖垮；如果能讓防守成本和攻擊一樣低，勝算就高得多。
技術優勢： 從二戰、韓戰到伊拉克戰爭，掌握技術優勢的一方通常會贏。

Krishna 也透露，IBM 內部大約一半的程式碼已由 AI 寫程式代理人產生，品質比以前好，因為代理人會自己跑測試、修正問題。但他也說，這只能找出「我們知道怎麼找」的錯誤，要完整驗證程式正確，目前在運算上幾乎做不到。

小評： 「幻覺率二到三成、攻擊者只需要一次成功」這個不對稱，說明了 AI 時代的資安預算為什麼只會增加。也呼應後面 Arora 自己說的：資安股最近估值變好，部分是因為這波 AI 資安話題。

AI 不會停下來，寫軟體的人要負責

主持人提到，沒有任何國家會同意一起暫停 AI 發展。Arora 說，現在所有人都在拚命做更強的模型，沒有人在減速。他用萊特兄弟造飛機時沒想到機場安檢、更沒想到要檢查鞋子裡有沒有炸藥來比喻，說技術發展總是先有能力，安全措施後來才補上；現在的問題是輿論太聚焦 AI 的黑暗面，好處反而很少被談。

他認為最合理的方向是「誰做的東西誰負責」：工程師不能說程式是第 74565 號 AI 代理人寫的，公司收了錢、賣了產品，就要負產品責任，現有的法規已經足夠。

Krishna 補充，數位技術不可能真的被放慢，你減速，其他國家只會覺得是追上來的好機會；歐洲就是先怕所有可能的風險、先立法管制的例子。

資料中心禁令：50 州不可能，30 州有可能

主持人分享在華府和一位資深國會議員喝酒的對話：議員說有大企業執行長對資安問題非常焦慮，又說第四季可能出現全美 50 州的資料中心禁令。現場笑說美國 50 州什麼時候同意過任何事。

Krishna 的回答相當直接：國會從 2022 年就開始舉辦 AI 聽證會，問題一直在原地打轉；AI 與資料中心的管制討論，很大程度是民粹驅動，看怎樣比較有選票。不過也有夠多人在乎長期經濟優勢，所以目前的平衡還算合理，只是一場選舉就可能改變。他認為 50 州全面禁止不可能，30 州禁止有可能，剩下 20 州會樂見其成，把資料中心投資接過去。

小評： 這段給投資人的提醒是，資料中心的選址與電力審批會越來越受地方政治影響，供應鏈布局要看的是「哪些州歡迎」，而不只是電價和土地。

算力分配不均，比貧富差距更值得擔心

被問到 AI 會不會讓世界分成有和沒有的兩群，Arora 認為模型會越來越便宜，一般企業負擔得起，真正的問題是算力供給。算力目前非常稀缺，而且集中在美國與中國兩個大國，離這兩個中心越遠，越難取得，不是因為付不起，而是根本分不到，例如有心創新的歐洲企業。

Krishna 從歷史切入：1700、1800、1900 年代都出現過勞動與資本的取捨，過去七八次類似的循環裡，願意多投資資本、少擔心勞動力的一方幾乎都贏了。這次美中兩國都願意重資本投入。他認為，把「保住每一個現有工作」看得比「讓勞工有新機會」更重要的國家，會在這輪競爭中落後。

垂直整合回來了：從 IBM 大型主機到 Nvidia

主持人認為市場會在集團化與分拆之間擺盪，現在又擺回集團與垂直整合。Krishna 用 IBM 大型主機說明：這個產品活了 65 年，靠的就是垂直整合。1960 年代的 IBM 從砂、晶圓、晶圓廠、晶片到機殼全部自己做，既避免技術外流，也把整條利潤留在公司內。現在 IBM 只剩晶圓製造外包，晶片設計、工程與大部分軟體仍在內部。他的原則是：關鍵優勢的環節要自己掌握，已經是大宗商品的部分就不要碰。

Arora 指出現代版的垂直整合就是 Nvidia：黃仁勳從底層一路做上來，還投資整個生態系，讓大家不要偏離他的技術堆疊。掌握整條堆疊最大的好處，是可以決定哪一層要壓低利潤、哪一層要賺錢，競爭者攻擊哪一層，就把利潤移到另一層。

談到應用層，Arora 認為未來比的不是開源與封閉模型，而是開放與封閉的整套系統。模型越來越需要記憶與脈絡，推理很難和這些分開；當個人 AI 助理掌握了你的所有脈絡、帳號與連結，轉換成本就成了護城河。他預期接下來幾個月各家前沿實驗室會全力搶消費端入口，手機上的每個 App 都得變成可以讓 AI 直接呼叫的形式。

小評： 「控制整條堆疊就能決定在哪一層賺錢」是理解 Nvidia、蘋果這類公司定價能力的好角度，也解釋了大型 AI 公司為什麼爭相往下游應用與裝置延伸。

軟體業整併：500 到 5,000 個供應商太多了

Arora 說，他八年來一直認為客戶買 40 種資安產品、自己拼起來很荒謬。他用自己在富達投資（Fidelity）的第一份工作舉例：當年公司有 23 套系統，合起來才算今天的客戶關係管理系統，三十年後已經整合成一套現成平台。他認為資安業也會走同一條路。

他也坦言，資安股最近估值好看，部分是 Mythos 事件帶動，之後會慢慢回歸合理。資安以外，他認為很難判斷軟體公司的長期價值，未來五到八年哪些軟體能存活並不清楚；他很清楚 AI 時代軟體應該怎麼運作，既然他知道，就一定會有人做出來，所以 SaaS 產業未來幾年會有很大的洗牌。

Krishna 補充，一般企業用了 500 到 5,000 家軟體供應商，從資安角度看是巨大的攻擊面。企業會問：能不能用一點 AI 功能取代其中 490 家，只留 5 到 10 個主要平台？這代表大規模整併，可能花 6 個月，也可能 6 年。不過他也區分兩種軟體：互動型的軟體很容易被 AI 取代；但像零售銀行查帳、企業結帳這種需要極高可靠度的系統，很難輕易換成 AI 生成的程式，因為光是並行驗證就要好幾年，又沒有成本優勢。

至於併購，Krishna 說軟體公司的估值年初很有吸引力，一個月前沒那麼吸引人了，接下來再觀察。

這對讀者代表什麼

量子安全是現在的事。 如果 2030 年左右量子電腦能破解現有加密，那今天被竊取的資料就已經有風險。企業的資料保護與 IT 採購，現在就該把後量子加密納入。
AI 用量會往便宜的模型走。 大部分企業任務不需要最強的模型，開放權重與小型模型會吃下大部分用量，前沿模型主要用在高價值、緊急的情境。
AI 讓資安攻防更不對稱。 攻擊者找到一個漏洞就成功，防守方要全部補起來，資安支出只會增加，結盟與共享漏洞資訊會越來越重要。
軟體業正在洗牌。 互動型的 SaaS 容易被 AI 取代，可靠度要求極高的核心系統相對穩固，企業會把供應商收斂到少數平台。

未來投資可以留意的方向

以下為本站編輯的評論與觀察清單，不構成投資建議。

後量子加密與資安平台： 量子安全升級是跨多年的企業支出，Palo Alto Networks、CrowdStrike 等平台型資安業者，以及網通設備商可持續觀察。風險是升級時程拖延，以及資安股估值已反映不少 AI 題材。
量子電腦： IBM、Google 等大廠與少數專業公司的錯誤修正進度，是判斷時程的關鍵指標。風險是技術突破不如預期，小型量子股波動極大。
AI 推論基礎設施： 若企業大量自建、自跑開放權重模型，GPU、推論晶片、伺服器與台灣的 AI 伺服器供應鏈可能受惠。風險是算力供給吃緊與資本支出循環。
垂直整合型平台： Nvidia 這類掌握完整堆疊的公司，能在不同層之間調整利潤；SpaceX（SPCX）旗下的 xAI 也走類似的整合路線。風險是反壟斷審查與估值偏高。
SaaS 整併： 平台型軟體可能成為整併贏家，單一功能、互動型的 SaaS 面臨被取代壓力；需要高可靠度的核心系統相對穩定。
資料中心選址： 地方政治對資料中心的態度分歧，歡迎投資的州與當地電力、建設業者值得留意。

主要風險： 量子電腦時程不確定、開放權重模型的資安與地緣政治疑慮、資料中心地方管制，以及 AI 帶動的資安與軟體估值波動。

來源

聽後整理： Arvind Krishna & Nikesh Arora: Quantum Threat, Open vs Frontier AI, AI Cyber Warfare & SaaS Collapse（YouTube／All-In Podcast，2026 年 10 月 21 日）
主持人：Chamath Palihapitiya、David Friedberg（All-In Podcast）
文中數字與說法皆為受訪者或主持人於節目中的陳述。

非逐字翻譯、觀點整理，不構成投資建議。