Nvidia(美股)力挺開放權重模型，真正牽動的是哪一段算力需求？

開放權重降低運算門檻，重塑產業鏈結構

美國科技界由 Nvidia、Microsoft、Meta 與 IBM 等二十多家企業聯名向華府遞交公開信。這封信要求政府放寬對開放權重模型的監管，折射出底層晶片商與雲端巨頭對未來 AI 權力結構的集體焦慮。

與完全開源或完全封閉的模型不同，開放權重模式只釋出訓練完成的參數。這讓企業能直接在自家基礎設施部署，省去動輒數億美元的原始訓練成本。Microsoft 在聯名信中指出，這種模式能擴大 AI 經濟的參與度，讓資金不足的新創公司與學術機構繞過封閉巨頭的技術封鎖。這直接降低了應用端開發的進入門檻，並加速全球資料中心對中高階晶片的需求。

隨著單台伺服器機架的功耗與成本攀升，企業對運算效率的要求更加嚴苛。開放權重模型的存在，讓開發者能針對特定垂直領域進行微調，而不需要進行高昂的全參數訓練。這種技術路徑的普及，直接影響到資料中心內部的 CPU 與 GPU 搭配比例。我認為這會引導市場將更多預算配置在高效能加速器上，進而改變伺服器供應鏈的既有生態。

 

硬體巨頭力挺開放模型，旨在擴大算力市場

Nvidia 執行長黃仁勳在公開管道支持這封聯名信，這與硬體商的商業利益高度一致。開放模型能擺脫封閉雲端平台的綁定，這讓更多企業有動機採購晶片來建置專屬的算力系統。當市場上的模型百花齊放，硬體與基礎架構的重要性就會壓過單一軟體平台。我認為這解釋了為什麼硬體巨頭積極推動去中心化生態，因為運算需求越分散，高階 GPU 的出貨動能就越有支撐。

對 Nvidia 而言，這關乎其晶片生態系 CUDA 的滲透率。當開發者在本地端或私有雲運行開放權重模型時，高度依賴 Nvidia 提供的軟硬體整合方案。相較之下，若所有算力都集中在少數超大型封閉雲端巨頭手中，這些巨頭將有足夠的議價能力與誘因去開發自研晶片，從而侵蝕外購晶片的市佔率。推廣開放權重模型，是硬體晶片商維持長期出貨動能的關鍵策略。

這種拉鋸戰也延伸到了光通訊與電力基礎建設。隨著開放模型推動企業自建資料中心的需求，Lumentum 與 Coherent 等光通訊元件廠的訂單能見度也隨之改變。多樣化的部署環境需要更靈活的光電轉換技術，這直接推升了對高速光收發模組的需求。這也是為什麼我會把模型生態的開放程度，當作評估整體硬體供應鏈產值的重要指標。

 

封閉模型面臨生態挑戰，定價權可能被稀釋

封閉模型開發商如 OpenAI、Anthropic 與 Google 目前仍掌握高度的定價權。這些公司選擇不公開權重與訓練數據，試圖透過技術獨占來鎖定客戶與生態系。然而，Meta 開源的 Llama 系列模型正在侵蝕這個商業壁壘，提供市場更具成本效益的替代方案。一旦政策法規過度偏向保護封閉模式，市場競爭將會減弱，這也是聯名企業擔憂 AI 溢價過高的核心原因。

從長期獲利模式來看，封閉模型的訂閱制面臨著開源生態的邊際成本挑戰。企業在導入 AI 應用時，會評估長期持有成本與數據隱私。開放權重模型允許企業將數據留在本地控制，這在金融與醫療等高規管產業具有極高的吸引力。隨著 Llama 3 等高效能開放模型的演進，封閉模型供應商被迫調降 API 呼叫價格，這直接壓縮了純軟體公司的獲利空間。

我會持續觀察 Google 的因應策略，因為這家公司同時腳踏兩個陣營。Google 既有封閉的 Gemini 模型，也推出了開放權重的 Gemma 系列。這種雙軌策略反映出雲端巨頭的兩難，他們既想維護軟體訂閱的毛利率，又不能在開放生態的算力爭奪戰中缺席。這場軟體獲利模式的轉變，將決定未來雲端資本支出的流向。

 

蒸餾效應加速技術追趕，安全與國安引發疑慮

美國政府考慮限制開放權重模型，主要考量在於技術流向競爭對手的速度太快。這牽涉到技術蒸餾的爭議，即小型模型透過學習先進模型的輸出，快速提升性能。例如市場先前指控阿里巴巴與 Moonshot AI 涉嫌利用 Anthropic 的 Claude 模型進行優化，在短期內縮短了技術差距。從國安角度來看，這種快速複製能力，增加了網路安全與軍事應用上的技術擴散風險。

技術蒸餾大幅降低了後進者的研發門檻與資金需求。這意味著即使對特定區域實施先進晶片出口限制，對方仍能透過蒸餾法，用較低階的硬體訓練出性能相近的模型。這種軟體層面的突破，正在削弱硬體圍堵政策的預期效果。因此，美國政策制定者傾向將監管邊界從硬體延伸到模型權重的散佈。

然而，這種防堵策略在執行上面臨技術瓶頸。模型權重本質上是一組數字參數，一旦釋出就極難完全回收或阻止複製。我認為試圖透過行政命令封鎖開放權重，反而可能促使非美系陣營加速開發完全自主的開源生態系。這會導致美國失去對全球主流 AI 架構的主導權，在戰略上可能產生反效果。

 

去中心化安全防禦，更需要開放架構支持

安全防禦不應該只依靠封鎖特定技術，這在防範複雜的網路威脅時可能不夠有效。聯名信提出另一個觀點，認為開放權重能讓獨立安全團隊提早發現系統漏洞。如果最尖端的 AI 技術只掌握在少數封閉廠商手中，防禦方將缺乏足夠的工具來進行壓測與漏洞修補。開放架構能動員全球研究社群，這在提升整體網路防禦能力上，反而比單一供應商的自我宣告更具可信度。

在雲端安全與防禦領域，Cloudflare 與 Fortinet 等資安大廠的防護邏輯也正在改變。當企業在各個邊緣端點部署開放權重模型時，邊緣防護與網頁應用程式防火牆的配置必須更加即時。開放的模型架構允許資安廠商將防禦機制直接嵌入模型運行環境，提供主動式的防護，而不是被動等待封閉模型廠商釋出安全更新。

從這個角度來看，開放權重並非安全的敵對面，而是建立韌性防禦的基礎。如果防禦方無法取得模型底層參數，就無法評估對手利用對抗性攻擊滲透系統的風險。因此，維持模型權重的可近性，對於需要保護關鍵基礎設施的政府與企業而言，是評估資安風險時不可或缺的一環。

 

硬體出貨與模型生態，決定長期資本支出效率

這場爭論的背後是科技巨頭對雲端資本支出效率的重新評估。在未來的監管架構下，我會留意這個判斷最大的假設風險，在於地緣政治限制是否會切斷特定區域的晶片供應。如果防堵政策過於嚴苛，可能導致企業轉向非美系的開放架構，這會直接影響 Nvidia 晶片在海外資料中心的部署進度。

國際能源署預測到 2030 年全球資料中心用電量將大幅攀升，這背後需要龐大的電力與硬體建置支撐。科技巨頭如 Amazon 與 Meta 每年投入數百億美元進行資本支出，這些投資需要高效率的模型生態來變現。如果政策限制縮窄了開放模型的應用範疇，將導致中小型企業採用 AI 的意願降低，進而拉長資料中心硬體投資的回收週期。

當技術限制與商業利益產生衝突，市場各方勢力正在重新分配利益。那麼當邊際效應開始遞減，誰會先踩煞車？我自己的看法是，各家科技巨頭在接下來幾季的資本支出指引，會比單純的財報數字更早透露答案。