研究提案：停產訓練用晶片至少10年，限制前沿AI模型訓練

一項研究提出，若要讓新一代前沿人工智慧（AI）模型至少10年不再接受訓練，可停止生產訓練用晶片，並將既有晶片逐步轉為推論用途。研究團隊認為，若各國達成國際協議，這項方案在技術上可行；但各國是否會同意並落實，仍是另一回事。

由加州大學柏克萊分校等多所大學的研究人員組成、共26人的工作小組，於10月9日公布一份約200頁的報告。報告未評估停止訓練是否可取，也未判斷各國領導人是否希望停訓，而是在假設各方已達成協議的前提下，探討執行方式。方案包括停止或大幅減少可用於訓練的晶片生產，並逐步將既有晶片轉為推論專用。

推論是將問題輸入已訓練完成的模型，並取得回答的過程。報告建議建立經認定安全的既有模型許可清單，允許這些模型繼續提供服務，同時限制訓練更強大新模型。如此一來，既有AI服務仍可運作，訓練用硬體則受到管制。

報告提出的措施包括禁止訓練新的前沿模型、建立既有模型許可清單、停止或大幅減少訓練用晶片生產、轉向生產推論專用晶片，以及盤點並管理所有既有訓練用晶片。停訓期至少設定為10年，各國也可選擇延長。

以晶片供應鏈作為查核工具

研究團隊認為，先進AI訓練所需的硬體供應鏈存在關鍵瓶頸，各國政府因此能管理生產與流通。加州大學柏克萊分校統計學副教授威爾・菲西安（Will Fithian）在報告中表示：「要繞過現有供應鏈極其困難。」他指出，國際訓練禁令可以運用這項特性。報告提出的查核方式包括全面盤點既有晶片、監控剩餘訓練用晶片的使用情況，以及確認是否有人違規。

研究團隊表示，這項方案需要參與半導體製造與AI模型訓練的司法管轄區配合。

研究團隊也建議，在管理停訓前已部署的訓練用晶片時，於過渡期間設置監控機制。這些晶片可先用於推論，再經查核後換成推論專用晶片，或由政府收回。報告指出，若未管理既有晶片，訓練競賽重啟時，這些晶片可能再次投入訓練。

報告估計，截至2026年底，全球訓練級運算能力約相當於4,700萬顆NVIDIA H100晶片；每月新增出貨量約290萬顆。若要全面更換，約需16個月，整體轉型則可能在5年內完成。

執行可行性與政治障礙

報告分別探討秘密違規與公開退出協議的情境。研究團隊估計，若要在5年內秘密訓練出具有戰略意義的模型，約需640萬顆晶片，規模接近OpenAI預計年底持有的晶片總量。報告估計，中國的晶片總量約為310萬顆。

報告也估算，若公開違反協議，並在2年內開發出具決定性影響力的模型，約需1億8,000萬顆晶片，約為全球既有晶片存量的4倍。報告指出，美國在過渡期間保留作推論用途的訓練用晶片，可能成為公開退出協議的基礎；中國未申報的運算能力則可能使秘密違規更難被察覺。

報告指出，荷蘭ASML供應先進晶片製造所需的EUV曝光設備，台積電（TSMC）負責先進晶圓代工與封裝，而NVIDIA晶片占全球AI運算能力逾60%。研究團隊將供應鏈集中視為國際管制的工具，但要運用這項結構，仍須主要供應地區與各國政府合作。

目前的政治環境與報告假設的停訓情境相距甚遠。報告引述美國總統唐納・川普（Donald Trump）「在AI領域勝出的一方就會贏」的說法，並指出，9月21日發布、呼籲管控前沿AI模型的倡議獲20多個國家領導人響應，但美國與中國未參與。Anthropic的達里奧・阿莫迪（Dario Amodei）、山姆・奧特曼（Sam Altman）與伊隆・馬斯克（Elon Musk）等人曾表態支持放慢開發速度；不過，阿莫迪也表示，放慢速度並不代表停止訓練。

報告認為，經濟衝擊可能有限，但NVIDIA可能面臨較大負擔。報告指出，將以訓練用晶片為核心的業務轉向推論專用晶片「既不容易，也不便宜」。大型企業地位可能因此增強，以及模型知識的截止時間可能逐漸落後，也被列為成本。

這份報告探討的是，若各國希望停止模型訓練，能否透過技術與政策手段落實。停止訓練用晶片生產、轉向推論專用晶片，都是研究團隊提出的方案；國際協議與執行時程目前尚未確定。