2025 年的 AI 悖論：Gemini Deep Think 展現先進能力，但根本限制依然存在

2025 年 8 月，人工智慧領域持續快速演進，科技巨頭們紛紛推出重大發展。Google 發布 Gemini Deep Think 模型、騰訊擴展開源混元 AI 模型系列，以及 OpenAI 與政府達成前所未有的合作夥伴關係，都突顯了這個領域正在取得的卓越進展。然而，這些進步都發生在持續存在的限制背景下，提醒我們儘管 AI 系統展現了令人印象深刻的能力，但仍面臨根本性挑戰，使得人類專業知識在許多領域中依然不可或缺。

Google 最近向 Google AI Ultra 訂閱用戶推出了備受期待的 Gemini Deep Think 模型，標誌著消費者可用 AI 的重大進展。這項高端服務面向年費 250 美元（前三個月 125 美元）的訂閱用戶，是該模型的變體版本，而其完整版本曾在國際數學奧林匹克競賽（IMO）中 達到金牌標準。根據 Google 的內部評估，消費者版本在 2025 年 IMO 基準測試中達到銅牌水準，展現了卓越的數學推理能力，同時針對日常任務進行了最佳化。

Deep Think 特別令人印象深刻的是其平行思考技術，讓模型能夠同時生成和處理多個想法，甚至結合不同方法來找到最佳解決方案。該模型受益於延長的推理時間——本質上給它更多「思考時間」來探索各種可能性——以及新的強化學習技術，隨著時間推移增強其解決問題的能力。Google 強調 Deep Think 在迭代開發和設計、科學和數學發現，以及程式設計任務方面表現卓越。性能基準測試顯示該模型在各項評估中表現強勁，包括涵蓋 100 多個學科的多模態問題測試「人類最後考試」。

使用 Deep Think 需要 Google AI Ultra 訂閱，用戶可以在模型選擇器中選擇 2.5 Pro 時，在提示欄中切換「Deep Think」選項。有趣的是，Google 指出雖然 Deep Think 相較於 Gemini 2.5 Pro 在內容安全性和語調客觀性方面表現更佳，但它也傾向於以更高的比率拒絕無害請求——突顯了在先進 AI 系統中平衡安全性與實用性的持續挑戰。

與此同時，騰訊擴展了其 開源混元 AI 模型系列，推出了適用於各種運算環境的多功能產品。此次發布包括在 Hugging Face 上提供的預訓練和指令調優模型，參數規模從 0.5B 到 7B，為開發者和企業提供靈活性，讓他們能選擇適合特定需求的模型——無論是資源受限的邊緣運算還是高吞吐量的生產工作負載。

混元系列最值得注意的特色之一是其原生支援超長 256K 上下文視窗，能在冗長文本任務中保持穩定性能，適用於複雜文件分析、延長對話和深度內容生成。這些模型支援騰訊所稱的「混合推理」，讓用戶根據需求在快速和慢速思考模式之間選擇。此外，這些模型展現強大的代理能力，在複雜的多步驟問題解決方面表現出色，這從 BFCL-v3、τ-Bench 和 C3-Bench 等基準測試的優異表現可以看出。

騰訊也專注於透過群組查詢注意力（GQA）和先進量化支援等技術實現高效推理。該公司的專有壓縮工具組 AngleSlim 提供 FP8 靜態量化和 INT4 量化方法，在保持強勁性能的同時提升推理速度。基準測試結果證實了這些模型在各種任務中的能力，預訓練的混元-7B 模型在 MMLU、GSM8K 和 MATH 基準測試中取得令人印象深刻的分數。

在一項標誌著 AI 在政府運作中日益重要的舉措中，OpenAI 宣布與美國聯邦政府達成 突破性協議。聯邦行政部門超過 200 萬名工作人員將以每個機構每年僅 1 美元的價格獲得 ChatGPT Enterprise 的使用權。這是繼 美國總務管理局（GSA） 簽署總括協議，允許 OpenAI、Google 和 Anthropic 向聯邦工作人員提供 AI 工具之後的發展。聯邦員工將能使用 ChatGPT Enterprise 的前沿模型和尖端功能，享有相對較高的代幣限制，以及增強的資料隱私保護。在 60 天期間內，他們還將無限制使用深度研究和進階語音模式等先進功能。

OpenAI 將此項服務定位為符合川普政府 AI 行動計劃的公共服務行為，該計劃旨在讓聯邦政府廣泛使用強大的 AI 工具以提升效率。然而，這項發展發生在政府「防止覺醒 AI」行政命令的背景下，該命令要求聯邦政府採購的 AI 工具避免推動特定意識形態觀點——考慮到大型語言模型潛在偏見的持續關切，這是一項挑戰。

儘管有這些令人印象深刻的進展，認識到 2025 年持續限制 AI 系統的根本限制至關重要。根據 Analytics Vidhya 的研究，AI 在需要創造力和原創性、倫理和道德推理、判斷和人類價值觀、情緒智慧和同理心、身體和感覺運動技能，以及領導力和策略願景的領域面臨重大挑戰。

雖然 AI 可以重新組合現有的創意作品，但它缺乏真正的想像力、文化洞察和情感深度。在倫理領域，AI 系統可以遵循程式化規則，但不具備真正的道德羅盤或對倫理的理解，而倫理會隨時間變化並受到文化和政治影響。現實世界的決策往往沒有單一正確答案，而是取決於個人價值觀、文化背景和情境判斷——這些都是 AI 缺乏根本理解的領域。

此外，情感和同理心仍然是 AI 的主要盲點。如研究中所指出的，「AI 可以模擬禮貌對話，但它缺乏情緒智慧，無法真正理解或分享感受。」這項限制在醫療保健、治療、客戶服務、教學和其他需要真正情感連結的角色中特別重要。同樣地，雖然配備 AI 的機器人在受控環境中取得進展，但它們在應對物理世界的複雜性方面仍有困難——這就是所謂的 莫拉維克悖論，即人類覺得容易的任務（如行走和操作物體）對 AI 來說極具挑戰性。

支援大規模 AI 部署的技術基礎設施提出了另一個重要考量。實施先進 AI 系統的組織必須在 InfiniBand 和 RoCEv2 等網路技術之間選擇，以實現高速 GPU 通訊。根據 Towards Data Science 的分析，InfiniBand 透過專用網路設置提供卓越速度和低延遲，但成本高昂，而 RoCEv2 透過利用現有乙太網路基礎設施以較低價格提供更大靈活性，但需要仔細調整才能達到最佳性能。

正如 2025 年的 AI 悖論所展現的，我們正見證著持續推動人工智慧可能性邊界的卓越技術成就。像 Gemini Deep Think 和騰訊混元系列這樣的模型展現了日益精密的能力，而像 OpenAI 政府合作夥伴關係這樣的倡議則標誌著社會更廣泛的採用。然而，在需要人類判斷、創造力、同理心和身體互動的領域中持續存在的限制提醒我們，AI 仍然是一個強大的工具，而非人類專業知識的完全替代品。

最有效的 AI 實施方法可能會持續專注於增強人類能力，而非完全取代它們——利用 AI 在處理大量資料和識別模式方面的優勢，同時保留 AI 無法企及的獨特人類能力。當我們在這個不斷演進的環境中前進時，對 AI 的卓越可能性和固有限制都保持現實期望，對於負責任地發揮其潛力將是至關重要的。