輝達(NVDA)仍是亞洲AI底座，但真正決勝的不只晶片

 

不是選邊站，是把兩套系統硬接在一起

美中 AI 競爭早就不是「誰的模型比較會聊天」這種層次了。現在打的是整套供應鏈：晶片、雲端、模型、標準、外交，全部一起上。美國想守住完整技術堆疊，中國則用低成本開源模型加上「AI外交」去搶新興亞洲市場。表面看是兩條路，實際落地後，亞洲各國多半還是得把兩邊東西混著用。這場仗，最後打成「美中混血AI」試驗場，並不意外。

 

美國有全套武器，但推得不夠快

顧問公司 The Blueshirt Group 常務董事 Gary Dvorchak 直接點出核心：美國現在最在意的，不是單純賣更多晶片，而是不要讓中國變成亞洲、甚至全球的主力 AI 供應商。美國手上確實有一整套牌，從高階 GPU、雲端平台，到前沿模型與應用，理論上可以一條龍包辦。

問題也很現實：出口管制、審查程序、政策框架，讓這套系統推廣速度被自己綁住。這種狀況很像什麼都想管、結果什麼都慢一拍。你有最強引擎，但油門踩得像在過海關。

今年在中國成都舉行的 APEC 數位周，美國的存在感也不算高。原本被視為美國 AI 出口戰略重要支柱的 American AI Exports Program，截至目前只收到 78 件申請，跟預期有落差。美國商務部官員 Bill Guidera 在成都強調，這個計畫讓亞洲買家可以自行選擇「完整美系 AI 技術堆疊」或只採用部分組件，還形容這是展現美國 AI 安全與實力的「精巧設計」。

但現場畫面沒有那麼風光。真正設攤的美企，只有 Google(GOOGL) 與 Meta(META)，而且主打的也不是最火的大語言模型，而是 AlphaFold 這類分子 AI 系統，以及協助中小企業的 AI 應用。簡單講，氣勢有了，火力沒全開。

 

中國打的是「低成本＋開源＋外交」組合拳

北京這邊就直接很多。習近平在上海世界人工智慧大會上宣布，未來將為開發中國家提供 5,000 個 AI 培訓與研習機會，並和東南亞等地建立 AI 應用合作中心。這種打法不只是在賣技術，更是在賣關係、賣標準、賣未來的採購習慣。

接著，中國副總理張國清在 APEC 數位周上再補一刀，呼籲亞太成員共同制定技術標準，並推廣開源、開權重為主的中國大模型。最後，APEC 21 個成員經濟體，包括美國在內，都同意支持「具強安全保障的開源 AI」。

對北京來說，這不是口號，是突破。Counterpoint Research 分析師 Wei Sun 的解讀很直接：這等於替中國的開源路線拿到區域級背書。對那些預算有限、又不想把技術主權全交出去的新興亞洲經濟體來說，這種方案太有吸引力。便宜、能改、能本地化，還能自己留程式碼，聽起來就很符合現實世界的採購邏輯。

Tencent(騰訊) 也沒閒著，在會上展示自家大模型「混元」與泰國雲端專案，主打成本更低、部署更靈活，直接對標美系封閉模型與昂貴雲端方案。這種訴求很直接：不是誰最先進，而是誰最能落地。

 

亞洲市場不吃二選一，只吃混搭

真正麻煩的地方在這裡：亞洲不是單一市場，而是一整片語言、制度、需求都很碎的區域。東南亞光是語言就超過 1,300 種，單一美國模型或中國模型如果不大幅調整，根本不夠用。這也是為什麼所謂的「陣營切割」在這裡常常失效，最後變成：晶片可能買美系，模型可能用開源，部署又要在地化再改一輪。

新創公司 Votee AI 執行長 Pak-Sun Ting 就講得很白，各國政府正在砸下以十億美元計的預算，去打造支援本地語言的 AI 系統。實務上，訓練階段大量使用 Nvidia(NVDA) 晶片，但到推論部署時，會混用其他供應商；模型方面也不是非黑即白，而是混搭使用。像 Votee 在開發廣東話模型時，就部分採用了阿里巴巴開源模型 Qwen 的權重。

這種組合已經越來越常見：晶片偏美系，模型偏開源。原因也不複雜。美國高階 GPU 仍然是大多數專案的首選底座，尤其在可取得的規格範圍內，Nvidia 的地位短時間內很難被取代；但中國的開源模型便宜、授權彈性高，對於想控制程式碼、降低外部依賴的政府與企業來說，剛好補上缺口。

 

韓國想當橋樑，美國不一定能全程主導

華府雖然握有技術源頭，但亞洲落地端未必照它的劇本走。最近南韓科技部門在首爾辦 AI 高峰會，南韓總統親自會晤 OpenAI 執行長 Sam Altman、Anthropic 共同創辦人 Dario Amodei，以及 Nvidia 執行長 Jensen Huang，明顯想把韓國打造成連接美系前沿模型與亞洲市場的樞紐。

這代表什麼？代表美國可以決定很多上游規格，但最後服務怎麼被部署、怎麼本地化、怎麼進政府專案，未必由美國說了算。技術源頭是一回事，市場交付又是另一回事。中間那段落地流程，才是真正的大戰場。

 

最後比的不是誰贏，而是誰能共存

EIU 經濟學家 Yue Su 的判斷很重要：美中在 AI 領域再怎麼互相拉扯，都很難完全脫鉤。美國的高端 GPU 和雲服務，仍是許多大型專案不可少的底座；中國則在開源模型和低成本硬體上提供替代方案。結果不是二選一，而是兩邊最後常常被迫進同一個系統。

這對投資人的啟示也很直接。未來在亞洲的成長，不會只看晶片出貨量，而是看誰能在政策限制下，持續提供可整合、合規、在地化的整套方案。Nvidia、Microsoft(MSFT)、Alphabet(GOOGL) 這類供應商，不能只靠硬體或單一雲服務，要能把整個鏈條接起來，才有機會吃到更多案子。

中國企業則在開源與成本上有優勢，但仍得面對國際信任、資安審查、政府採購門檻這幾道現實關卡。特別是碰到關鍵基礎建設或公共部門專案，便宜不是唯一答案，能不能過審才是。

 

真正的戰場，在標準，不在口號

亞洲的 AI 競賽，最後很可能不是「美國贏」或「中國贏」，而是誰的標準先被寫進日常。APEC 這類多邊平台未來怎麼定義開源、資安、資料治理與跨境部署，會直接影響這場「美中混血 AI」到底是紅利，還是新的依賴。

一句話收尾：美中 AI 沒有分出絕對勝負之前，亞洲先把兩邊技術接起來了。
這不是選邊站，這是系統整合。
有時候，能活下來的不是最強的單體，而是最會把別人的東西接得順的那一個。