張瀞文專欄：晶片封鎖之下，中國 AI 如何把模型送進美國雲端？

美國對先進晶片的出口禁令，原本被視為阻絕中國人工智慧發展的柵欄；然而，這場地緣政治的圍堵，並未如預期般將對手徹底困在起跑點。 馬斯克日前接受中國央視專訪時，便直言中國大模型的進展令人驚艷。他觀察到，即使在算力嚴重受限的情況下，中國模型的性能依然咬緊全球頂尖梯隊，甚至大膽預言中國可能在兩到三年內，透過自主光刻與晶片製造打破算力瓶頸。馬斯克的預測雖仍有待時間檢驗，卻精準點出了美中科技戰的現況：晶片封鎖確實卡住了硬體的脖子，卻沒有卡死演算法的演進。 創新工場董事長李開復最近在彭博專訪中也給出類似的判斷。他估算，在 ChatGPT 問世之初，美國技術約領先中國三到四年，如今這段差距已被壓縮至半年左右。他指出，中國工程師擅長在資源貧瘠的環境中將算力榨出極致效率；同時，中國企業頻繁透過論文發表與「開放權重」（Open Weights）模型彼此切磋，形成了一種高度互通的「研發讀書會」。這種在限制中求生存的韌性，正是中國 AI 當前的突圍關鍵。 也就是說，中國的這場突圍並非單點突破，而是一場多線作戰：一邊優化模型架構，一邊研發國產GPU，同時還在境內鋪設起龐大的算力基礎設施。 資料中心狂飆，但不等於「算力」 市場調研機構SemiAnalysis公布的數據，則為這張競賽圖譜補上了實體基建的拼圖。 根據SemiAnalysis估算，到2026年底，中國已交付的資料中心容量將突破24GW，另有約20GW在建、30GW規劃中，整體規模穩居全球第二。 然而，龐大的機房容量並不等同於先進的運算實力。GW衡量的是電力消耗規模，實際算力產出還取決於機房的電力密度、高階GPU的配置比例與運作效率。 當前的中國市場呈現明顯的結構失衡：傳統零售型機房供過於求、閒置率偏高，但能承載大型AI訓練與推論的高階批發型機房卻極度緊繃。這也解釋了為何中國到處都在蓋資料中心，各家科技巨頭卻依然為頂級晶片爭得焦頭爛額。 資料來源： SemiAnalysis 更現實的考驗在於資金消耗。為了扶持自研晶片並撐起算力叢集，百度、阿里巴巴與騰訊（BAT）陷入了極端沉重的資本支出戰。SemiAnalysis估算，光是2026年第二季，這3家公司的資本支出合計就高達約200億美元，甚至導致同期自由現金流全數轉負。這顯示中國本土算力的擴張，代價是企業必須承受隨時被現金流拖垮的龐大財務重壓。 一邊本土建置，一邊借道海外：跨境算力的灰色縫隙 既然境內高階算力取得艱難且成本高昂，中國企業便走出一條「本土打底、海外調用」的雙軌並行之路。SemiAnalysis預估，中國企業向境外租用的算力規模，至2029年將膨脹到近4GW。這催生了兩種截然不同的跨境通道：一種是「模型走出去」，將中國訓練好的大模型，以開放權重或雲端API形式推廣給全球用戶；另一種則是「算力借進來」，由中國企業在海外租用先進資料中心，供自身的模型訓練與微調使用。 歐洲新興雲端服務商Nscale的營運軌跡，便將這種「算力借道」的操作手法攤在陽光下。Nscale在2025年有高達73%的營收來自單一神秘大客戶；據《金融時報》揭露，該客戶正是字節跳動設立於新加坡的子公司Spring。雙方的合約內容，涉及租用Nscale位於挪威格洛姆菲尤爾（Glomfjord）資料中心內的2304顆NVIDIA B200頂級晶片。 這套結構極為巧妙：實體晶片從未離開過挪威領土，但算力卻透過境外法人的帳號，無縫回傳至研發團隊手中。這項操作完全符合當時的法規字面要求，卻精準刺中了晶片實體出口管制與跨國算力租賃服務之間的監管灰色地帶。 效仿 Android 生態：以開放權重長驅直入美國雲端 在商業戰略上，李開復以「iPhone對決Android」來形容美中的路線分歧：美國巨頭傾向走「iPhone式」的封閉閉源路線，藉由高單價的專利與企業服務鎖定豐厚利潤；中國企業則更接近「Android模式」，頻繁推出低成本甚至免費的開放權重模型，力求以最快速度搶占全球開發者市場與生態話語權。 雖然這些模型多數僅公開神經網路權重與部分推論工具，完整的訓練資料與流程仍多有保留，更準確的稱呼應是「開放權重模型」，但這已足以讓全球開發者隨意下載、二次微調與彈性部署。 如今，這股生態擴散潮已長驅直入美國的雲端心臟地帶：微軟的Microsoft Foundry上架了DeepSeek；亞馬遜的AWS Bedrock整合了阿里的千問（Qwen）與DeepSeek；Google的Model Garden同樣能直接調用DeepSeek。海外企業與開發者無須自行採購晶片，只要打開既有的美國雲端帳號，就能點選使用中國的大模型。 至此，大模型的跨境流動，早已脫離了實體晶片能否運進中國的物理限制。 亦敵亦友的生態鏈：輝達與雲端巨頭的雙贏盤算 在這場博弈中，美國的科技巨頭與中國的模型開發商並非只有非黑即白的零和對立，背後反而存在著難以割捨的利益共生。 身兼GPU供應商、軟體霸主與雲端平台投資者的輝達，便深諳此道。中國開放模型吸引越多的全球開發者使用，市場對底層算力的胃口就越龐大，微軟、AWS等雲端巨頭的算力租賃收入隨之攀升，最終仍得回頭向輝達採購更多的晶片與架構服務。 輝達推出的微服務套件NIM便迅速支援了DeepSeek等中國主流模型──這清楚傳遞了一個訊號：模型的國籍可以不同，但運作的底層骨架，依然由輝達說了算。 當然，這種相互借力並不代表美中在AI領域的競爭已經言歸於好。中國巨頭正竭力開發本土晶片與CUDA替代方案，試圖斬斷對外的長期依賴；美國雲端巨頭在提供模型託管服務時，也必須步步為營，時刻因應白宮對客戶身分與出口法規的緊箍咒。在美國雲端上架，絕不等於全球業務就能暢行無阻。 跨越國界的算力賽局，台灣的新難題 美中AI大戰如今已演變成一場極度交錯的立體戰：中國以極致的模型效率、瘋狂的境內資料中心投資、境外靈活的算力租賃，結合開放生態向海外突圍；而美國企業則牢牢把持著晶片專利、軟體標準、雲端平台與最豐厚的商業利潤。市占率、使用者規模與真正的現金收益，早已分散在不同陣營的手中。 這場賽局對台灣而言，既是利多，也有深層的警訊。 台灣無疑穩居全球晶片代工的最核心位置，但這場競賽的勝負層面，早已從單純的「晶片製造」，蔓延至算力調度、電網能源、軟體模型與跨國應用等多重領域。當算力服務透過光纖輕鬆跨越國界，實體封鎖不再是萬靈丹。台灣在替全世界打造頂級算力引擎的同時，更必須深思如何厚植本土的能源韌性、算力池架構與自主模型應用能力，才能在這場跨越邊境的科技棋局中，立於不可替代之地。