AI巨頭近期罕見公開出現路線分歧，Anthropic執行長阿莫戴呼籲放慢前沿AI發展，NVIDIA執行長黃仁勳則主張AI研發應全速前進。一方喊「煞車」、一方踩「油門」，長庚大學校長湯明哲認為，這場角力背後不只有AI安全與技術發展的爭論，也牽涉企業各自的商業利益與競爭策略。

不過，比起AI巨頭之間的攻防，湯明哲更擔心的是AI進入校園後，學生把學習工作直接交給AI，形成「大腦外包」：作業看似拿到高分，卻沒有真正練好基本功。

湯明哲是台灣管理學界大師，並在長庚大學推動AI-EMBA。他認為，大學教育的核心仍是紮實培養學生的獨立思考與基本實作能力，因此力倡大一、大二推動「無AI學習」（Learning Without AI），讓學生先建立自己的能力，再學習如何運用AI。

長庚大學目前要求學生在部分課程中透過手寫、討論及隨堂實作，在沒有AI輔助的情況下獨立解題，回歸傳統筆試與實作評量。在學生具備基礎能力後，大三開始進一步訓練如何把AI當成工具，處理更複雜的問題，同時學習質疑AI、驗證AI，甚至超越AI。

湯明哲認為，老師必須「比AI還要厲害」，甚至進一步「超越AI」。因此，他要求教師發展符合個人教學邏輯的AI Tutor，作為教學輔助工具，透過循循善誘、一環扣一環地反問學生，引導學生自己找出解決問題的思維架構。

與此同時，考題也必須革新。湯明哲主張設計AI難以單獨解答的跨架構題目，讓學生必須整合不同知識、建立多維度的推理邏輯，而不是把問題直接交給AI。

湯明哲也以美國大型數據公司案例說明AI時代教育面臨的問題。他指出，該公司最近僱用部分名校資工系畢業生進入企業後，發現很多畢業生不會寫程式，當場被解僱。這批學生是2022-2026在學，正是ChatGPT問世而各大學不知如何應付的時候。凸顯學生若長期讓AI代勞作業，畢業證書也失去了意義。

回到實務運用層面，湯明哲認為，經理人面對AI也是同樣的道理。AI擅長處理海量數據，能快速提供預測與分析，但真實的商業決策從來不是單一目標，例如不可能只追求短期利潤最大化。當多個目標彼此衝突時，經理人仍必須依據經驗、價值觀與長期願景進行取捨。

「這種價值判斷，正是缺乏經驗與倫理感知的AI無法代勞的。」湯明哲說。

至於AI產業近期的閉源與開源路線之爭，湯明哲則從企業競爭策略角度分析。他認為，Anthropic目前已具備一定的技術與市場優勢，此時積極呼籲政府強化監管，可能提高AI產業的進入門檻，讓小公司與後進者更難進入市場，形成「阻嚇競爭者進入」（Deterrence）的效果。

黃仁勳主張AI研發全速前進，湯明哲認為，同樣可以從NVIDIA的商業利益理解。如果AI發展主要由少數閉源巨頭主導，市場上的晶片買家可能集中在少數大型雲端服務商，進而影響NVIDIA的產品定價權與談判籌碼。

湯明哲指出，若攤開AI產業的「利潤池」，可以看到不同產業鏈環節的利益分配。以OpenAI為例，他認為目前模型服務的成本結構仍相當吃重，消費者支付的費用未必足以完全支應模型運算成本，差額仍需要投資資金挹注；在此產業結構下，資金持續流向雲端與晶片供應商，而微軟的雲端事業與NVIDIA，則是他認為較能享受產業利潤的業者。

不過，湯明哲也認為，AI就像一台性能極強、卻隨時可能衝出路面的賽車，因此「煞車」機制仍不可少。他強調，真正能劃定產業界線、建立強制性規範的，最終仍需要政府介入。

在他看來，目前AI產業仍有三個根本問題尚未完全解決，包括智慧財產權、法律責任歸屬，以及黑盒子與可控性問題。AI模型本質上是根據歷史數據進行預測，一旦遭遇歷史上未曾發生過的極端情境，系統可能失準，甚至產生嚴重後果。

「AI可以幫人做決策，但不能取代人的判斷。」這也是湯明哲對AI時代教育與管理的核心看法：在學會使用AI之前，人必須先學會自己思考。

長庚大學將於10月3日（六）13:30至16:30，以「企業決策如何全面升級」為主題，在長庚大學深耕講堂舉辦AI-EMBA論壇暨招生說明會。報名資訊請見：https://docs.google.com/forms/d/e/1FAIpQLScz7mIC0Hf8xMIAcuXUfyd8mxDgjsLUzwvT32jJWsdno85Djw/viewform

2026教育月》邀請您一同關心