10萬個衍生模型 中國AI開源策略引美方示警

美國國會的一份最新報告指出，中國人工智慧（AI）真正的競爭優勢，可能不在於高階晶片的取得，而是來自產業現場不斷累積的「數據」。

美中經濟與安全審查委員會（USCC）於3月23日發布報告《雙迴圈：中國的開放AI策略如何鞏固其產業優勢》（Two Loops: How China's Open AI Strategy Reinforces Its Industrial Dominance），指出中國AI企業透過大量公開模型權重與程式碼，並以低成本將這些模型部署到產業現場，形成「使用數據回流、模型持續改良」的循環。

報告提出兩個核心概念：「數位迴圈」與「實體迴圈」。數位迴圈是指開放模型使用範圍越廣，衍生模型與用戶數據就越多，進而帶動模型改良與採用率提升；實體迴圈則是指AI導入製造、物流、機器人與研發現場後，現實世界的產業數據隨之累積的過程。

報告提到，截至發布當下，阿里巴巴(BABA)的Qwen系列模型已在Hugging Face平台上衍生出超過10萬個模型。這項數字會隨平台統計與時間點而變動，但USCC以此作為中國開放模型生態系擴散速度的參考指標。

問題在於，美國現有的因應手段可能還不夠。美國自2022年起限制中國取得先進AI晶片，但USCC認為，出口管制主要鎖定訓練大型模型所需的晶片，難以直接阻止已經部署完成的模型在工廠與物流網絡中持續累積數據，也就是「實體迴圈」。

中國的數據政策也與這股趨勢環環相扣。中國政府自2022年起推動將數據視為生產要素的制度建設，並在2024年陸續發布多份文件，內容涵蓋公共數據開發利用與企業數據資源運用擴大。USCC解讀，這些制度基礎正支撐著中國的產業AI部署。

所謂「開放權重」模型，是指公開已訓練完成的權重，讓開發者能下載使用或自行調整的AI模型。相較封閉式模型，開放權重模型更容易部署與客製化，但在安全審查與智慧財產權管理上難度較高。報告的問題意識在於，中國企業選擇這種方式，等於把應用現場本身變成數據供應鏈，而不只是單一模型性能的競賽。

產業界的反應並不只是單純的戒心。路透（Reuters）報導，USCC副主席麥可·凱肯（Michael Kuiken）表示，美中兩國在「具身AI」（embodied AI）領域存在「部署落差」，意即競爭力的差距不只來自模型性能，也來自實際導入現場的規模。

西門子（Siemens）執行長羅蘭·布施（Roland Busch）則表示，使用中國開源AI訓練產業自動化模型「沒有壞處」，這句話反映出成本與客製化的便利性，正在實際推動企業採用。

相對地，美國國內的監管討論正在升溫。Axios於14日報導，開放式AI模型原本未被納入初期監管框架，但隨著性能提升，如今又重新成為政府審查的對象。本網先前也曾整理過美國對封閉式前沿AI的事前審查討論，屬於同一政策脈絡的延伸。

不過，把中國的優勢完全歸因於數據累積，恐怕也過於簡化。近期也有報導指出，部分中國研究機構與企業被質疑利用美國前沿模型的輸出結果，訓練自家模型。目前的競爭格局，其實是數據累積、開放模型擴散、智慧財產權爭議與晶片出口管制同時交織的結果。

這股趨勢與台灣及韓國市場也有間接關聯，因為AI模型競賽牽動資料中心、高頻寬記憶體（HBM）與雲端基礎設施的需求。本網先前也曾探討HBM市占率在AI記憶體競爭中的意義。

與加密貨幣市場的直接連結目前仍有限。AI基礎建設與風險性資產偏好雖然有同步波動的區間，但這份USCC報告談的是中國AI策略與美國政策因應，對比特幣(BTC)、以太幣(ETH)等加密貨幣價格或資金流向的實際影響，仍需另外的數據確認。

USCC報告的結論是，美國若僅靠限制晶片取得，難以有效壓制中國的AI競爭力，產業數據回流模型改良的結構，應該被納入政策檢討的範圍。美國國內針對開放式AI的監管討論，截至2026年8月仍在持續進行。