大陸AI效率革命 台灣須未雨綢繆

　當前全球人工智慧（AI）熱潮正進入殘酷的「深水區」。過去兩年，資本市場迷信「算力即國力」、「規模即真理」，亞馬遜、谷歌和臉書等公司紛紛啟動「兆級基建投資」，買GPU、買伺服器的軍備競賽。

　然而令人不安的轉折點已然浮現：美國科技巨頭這種「燒錢換成長」的模式正面臨自由現金流被耗盡、甚至透支的風險。過度透支的資產負債表與其不成比例的財務回報已讓資本市場覺得不安。例如，甲骨文資料中心的大規模建設，使其淨債務飆升至其稅前淨利的兩倍多。這種過度透支資產負債表的行為已招致資本市場的懲罰，股價今年以來已重挫約27％，形成「甲骨文陷阱」。

　就在美國巨頭深陷成本泥淖時，「中國因素」反而成了引發投資邏輯逆轉的關鍵因素。長期以來，美國AI公司的護城河是強大的融資與規模化算力，然而，大陸的開源模型如Kimi與DeepSeek，正以「極限效率主義」挑戰矽谷的壟斷與權威，這也是去年震撼世界的「DeepSeek時刻」。

　數據對比很殘酷：當OpenAI指望透過數十億美元訓練的模型收回成本時，Kimi K2卻僅依賴約460萬美元的訓練成本，便在邏輯推理上打平、甚至超越美國主流模型；DeepSeek V3的訓練成本也僅558萬美元。當中國競爭者能以1/100的成本實現90％以上的效能，並提供便宜10倍的API服務時，美國那種「兆級基建投資」的合理性已從根本上被質疑。

　這種轉向稱為「演算法密度競爭」，大幅降低了對頂級GPU與記憶體的依賴；也讓投資者意識到：如果用更聰明的算法就能達到同樣效果，那麼兆元級別的堆硬體是否還有必要？

　這對台灣而言，絕非隔岸觀火。台灣目前的高科技產業榮景是高度依託美國AI廠商「瘋狂且不計代價」的軍備競賽。短期來看，AI產業仍有強大慣性支持，台積電2027年前的先進製程產能似乎也基本鎖定，這種慣性讓台灣表面上依然欣欣向榮，但必須高度警惕中長期的結構性危機。

　有意思的是：過去美國企業掌握品牌與技術，將製造外包給台灣的輕資產模式，使得這些掌握核心資源的企業擁有驚人的每股盈餘。然而，現在大陸的AI公司反而都是依靠核心演算法的輕資產運作模式，租用國家雲算力中心裡輝達降規版和國產晶片的混合設備，以整體成本遠低於美國同行的「最先進輝達晶片＋自建資料中心」模式進行運作，還能與美國保持同步。

　若這種「低成本夠用＋演算法效率提升」的模式成為主流，將瓦解台灣半導體業依賴的「高投入高性能」商業邏輯。這或將導致AI晶片採購量「增速放緩」，這對目前正高度擴張產能的台灣供應鏈而言，意味著產能利用率將面臨下行壓力。若全球AI發展從「量變」轉向「質變」，AI的「超級週期」將可能提前結束。

　台灣必須提高警覺：當「算力至上」的模式遭到挑戰，結構性威脅就在眼前。台灣高度依賴硬體輸出的經濟結構，但美國AI巨頭也終將從瘋狂擴建轉向成本細算，並面臨先進晶片增長的逐漸降低。面對「中國因素」帶來的成本衝擊與技術轉型，我們必須未雨綢繆，不僅要更敏銳地關切大陸在AI效率革命上的進展，更應及早進行技術層面的接觸與合作。

　在演算法效率提升、降低硬體依賴的未來，唯有掌握「如何更聰明地使用晶片」而非僅僅「製造更多晶片」，台灣才能在全球AI價值鏈的重組中，保住一席之地。（作者為國立雲林科技大學副教授）