【藝文人士的AI課】036---算力受限下的突圍：中國AI如何逼近全球前沿從模型架構、Agent生態到影音生成與音樂版權的產業重組

Jimmy lane
1天前
讀畢需時 15 分鐘

前言：算力不對稱，競爭卻沒有停止

過去談人工智慧競賽，最常聽到的一句話是：誰掌握最先進的晶片，誰就掌握下一個時代。這句話沒有錯。高階GPU、先進製程、HBM高頻寬記憶體與大型資料中心，仍然是訓練前沿模型不可替代的基礎。然而，2026年的中國AI產業正在證明另一件事：當晶片取得受限、算力成本偏高，競爭不一定停止，反而會迫使企業把模型架構、訓練方法、推論效率與商業定價壓到更極致。

因此，本期要談的並不是「中國已經不需要高階晶片」，也不是把任何一次跑分勝負誇大成全面超越。真正值得觀察的是：

DeepSeek、Kimi、Qwen、GLM與MiniMax等團隊，正在用稀疏化Mixture of Experts（MoE）、更有效率的注意力機制、低價API、開放權重與快速產品化，縮小硬體差距帶來的能力落差。

本期核心：晶片決定能力上限，但架構、效率、開源與價格，決定一個模型能不能真正進入市場。

這也說明，AI競爭已不再只是實驗室裡「誰的模型最大」，而是誰能用有限資源完成更多工作、讓更多開發者接入，並在幾週內把研究成果轉成可用產品。

一、受限的不是創意，而是每一次計算的成本

美國對高階AI晶片與相關設備的出口限制，確實提高了中國企業取得頂級算力的難度。但限制帶來的第一個反應，不是所有團隊一起停工，而是更激烈地尋找替代路徑：減少每次推論需要啟動的參數、延長上下文卻控制記憶體消耗、改善訓練資料品質、提高合成資料與強化學習的效率，並把不同任務交給不同尺寸的模型。

MoE架構就是其中最重要的方向之一。模型總參數可以非常龐大，但每次處理任務只啟動其中一小部分專家。這不代表運算成本會神奇消失，因為訓練、路由、記憶體與多機通訊仍然複雜；但它確實提供了一條路：讓模型保有大規模知識容量，同時控制每次推論的實際負擔。

另外一個變化是「價格也成為模型能力的一部分」。企業不只比較一次測驗的分數，也開始比較每百萬Token價格、快取折扣、離峰費率、長任務成功率，以及同一個工作要重試幾次。如果一個模型分數略低，卻只要十分之一成本，而且能穩定完成大量任務，它在真實市場裡可能更有競爭力。

三大領頭模型，為什麼能用較受限的晶片條件抗衡？

先說清楚：DeepSeek、Qwen與Kimi不是完全不用高階GPU，更不是靠一般家用電腦就訓練出世界級模型。真正的差別是，它們較難像OpenAI、Google、Anthropic與xAI一樣，長期大量取得最新一代GPU、高頻寬記憶體與高速互連。既然硬體擴充沒有那麼自由，就必須讓每一張晶片少做無用功。

競爭焦點，從堆疊頂級硬體的暴力美學，轉向演算法分流與工程效率。

可以把美國頂尖實驗室想成重裝航母：擁有龐大動力、頂級雷達與完整艦隊；中國三大模型則更像資源受限的特種部隊，必須把任務拆小、精確分工、減少補給與空跑。當然，美國團隊也會優化架構，並非只會堆晶片；差別在於，當算力較少時，中國團隊沒有浪費的空間。

DeepSeek：不是全公司一起回答，而是動態點將

傳統大型模型像每次有人提問，就讓全公司幾千人一起站起來回答；細粒度混合專家模型（MoE）則像總部養了許多不同專長的人，每次只點名最相關的少數專家出動。DeepSeek把專家切得更細，並設置共享專家處理共同知識。這樣既能保留龐大的知識容量，又能降低每次回答實際啟動的參數量。

這個概念與CPU大小核心的分工思維相似：簡單工作不必每次啟動最強、最耗電的部分。不過兩者不是同一種技術；CPU是硬體核心，MoE是模型內部的專家路由。共同點只有一個：把工作交給最合適的單位。

Kimi：不把整本百科全書永遠攤在桌上

處理百萬Token長文時，傳統方法就像把整套百科全書全部攤在桌上，每增加一頁都要付出更多記憶與查找成本。Kimi的Delta Attention等改良，比較像建立動態索引與增量筆記，把真正需要的線索留下來，減少長期保存與重複搬運資料的負擔。

這不代表任何次級顯卡都能輕鬆跑百萬Token，也不代表長上下文已經沒有成本；它真正做到的，是讓同樣的記憶體與頻寬可以處理更長、更複雜的任務。晶片沒有變快，但資料塞車變少了。

Qwen：把模型做成不同尺寸，再借全球工程師一起優化

Qwen的優勢不只是一顆最大模型，而是從小型到大型、稠密到MoE都有不同版本，並提供開放權重與常用量化格式。量化就像把體積龐大的高畫質檔案壓縮，讓模型較容易放進較小的記憶體；但它並非絕對無損，壓得越小，仍可能犧牲部分能力。

更重要的是開放生態。全球開發者會主動替Qwen製作INT8、INT4等版本，並針對vLLM、SGLang、消費級顯卡與本地設備改善部署。等於阿里先造出引擎，再讓全世界的工程師幫忙改裝不同車型。DeepSeek的開放工具與Kimi的公開權重也產生類似效果。

三家公司還有幾個共同做法：改善資料品質，讓AI少讀垃圾；提高訓練穩定度，避免昂貴訓練做到一半失敗；優化晶片之間的通訊，減少機器互相等待；以低價API與離峰優惠提高資料中心使用率。它們不一定要每項能力都贏，只要在推理、程式、中文、長文件或價格等關鍵項目接近甚至領先，就足以進入同一張採購比較表。

頂規晶片決定暴力運算的速度上限；稀疏分工、記憶瘦身與開放生態，決定每一單位算力能產生多少智慧。

海外四大前沿陣營：沒有一家永遠獨占第一

若把海外前沿模型只寫成OpenAI、Google與Anthropic三家，現在已經不夠完整。xAI的Grok雖然不是每一次評測都排名第一，卻持續快速改版，已經穩定進入前沿競爭圈。2026年8月正式發布的Grok 4.6，具備50萬Token上下文，重點強化長時間Agent、程式開發、知識工作與視覺互動；xAI公布的綜合評測中，它在部分指標已能接近GPT-5.6 Sol。這些原廠跑分仍需第三方驗證，但已足以說明Grok不是偶爾爆紅的社群聊天工具，而是一個必須列入比較的完整模型平台。

因此，更準確的說法是：OpenAI、Anthropic、Google與xAI已形成海外四大前沿陣營。它們不是排成一條永遠不變的名次，而是在不同項目交互領先：有的擅長長文與程式，有的強在搜尋、Agent與工具整合，有的在圖像、影片和多模態工作流上占優。即使是付費使用者，也很少只靠一個模型完成所有工作。我目前主要付費使用ChatGPT與Google服務，但實際製作文字、程式、圖像與影片時，同樣會觀察並交互使用不同陣營的頂尖工具。這種『按任務選模型』的習慣，在開發者與內容創作者社群也愈來愈普遍。

所以，四大前沿陣營不代表四家公司每一項能力都完全相等，而是它們都有能力在某些關鍵項目搶到領先位置，也都不能被排除在主要比較之外。同樣地，「能夠抗衡」也不等於中國三家已經全面打平海外四強。真正值得注意的是：晶片差距並沒有一比一變成模型差距。硬體決定天花板，架構與工程則決定能靠近天花板多少。

從AI漫劇看懂中國式競爭：先爆發，再洗牌，最後拼內功

中國AI的追趕速度，不能只從模型架構與晶片供應來解釋，還要看它背後的商業生態。中國市場常出現一種高壓縮的產業循環：熱門題材一出現，大量公司、資金與創作者迅速進場；產品數量先爆發，價格與製作速度隨即被拉到極限；等抄襲、低俗、同質化、侵權與品質不穩等問題一起浮現，主管機關與平台再提高審核標準、限制粗製濫造，市場進入洗牌。

AI漫劇正是最清楚的縮影。官方資料顯示，2025年的月度內容供給量已由前一年的約三千部增加到約一萬八千部；到了2025年底，AI漫劇正式被納入審核，2026年初又展開「AI魔改」專項治理。平台一方面降低單一帳號每日上傳量，另一方面替高評級作品、頭部IP與高品質仿真人劇提供保底或改編補貼。規則收緊並不只是把產業關小，而是迫使競爭從「誰生得快、誰上得多」，轉向「誰能把故事講好、把角色做穩、把版權處理清楚」。

我從近一年AI漫劇的快速變化，看到了同一套產業邏輯：製作端從大量短篇、低成本內容，逐漸往仿真人劇、中長篇製作與海外發行發展；也有團隊購買成熟小說或劇本的改編權，再依歐美、東南亞市場重製語言、角色與敘事節奏。這表示產業門檻正在移動。會操作生成工具只是入場券，真正能留下來的公司，還要有劇本、導演、美術、角色一致性、版權、審核與跨國發行能力。

這套機制也可以用來理解中國的大模型、電動車與其他AI產業：龐大內需讓大量方案能快速測試，激烈價格競爭逼企業降低成本，供應鏈與平台則縮短產品化時間。最後能走出市場的佼佼者，往往已經接受過高強度的成本、速度與使用者需求考驗，因此有能力到海外與原有強權競爭。這也是為什麼中國模型在晶片條件較受限時，仍能以工程效率、低價API、開放權重與快速迭代追近海外前沿陣營。

不過，內捲本身並不是成功保證。它也可能造成低價抄襲、過勞、內容同質化、創作者收入被壓縮，以及公司只追逐短期流量。真正有價值的不是競爭多殘酷，而是洗牌之後能否留下願意長期投資研發、故事、美學、人才與品牌的團隊。就像AI漫劇下一階段比的已不是一週能生成幾部，而是能不能把一個故事完整做好；大模型的下一階段，也不只看跑分，而要看它能否穩定完成真實工作。

二、五條中國模型路線，同時向前推進

DeepSeek V4：把低價、Agent與相容性綁在一起

DeepSeek V4系列分為Pro與Flash。官方資料顯示，V4-Pro採用1.6兆總參數、每次啟動約490億參數；V4-Flash則為2840億總參數、啟動約130億參數。兩者都把長上下文、推理與Agent工作列為核心，並相容OpenAI Responses API及Anthropic介面。DeepSeek甚至提供Codex整合方式，顯示它競爭的已不只是聊天網站，而是開發者原本使用的工作流入口。

更值得注意的是定價策略。DeepSeek將尖峰與離峰費率分開，離峰價格只有尖峰的一半。這種作法把資料中心排程直接變成商業產品：客戶若能延後批次任務，就能用更低成本換取同樣能力。

Kimi K3：超大型MoE與長時間工作

Kimi K3的總參數達2.8兆，採用Kimi Delta Attention與更高稀疏度的MoE，每次啟動16個、總計896個專家。它把100萬Token上下文、原生視覺理解、長時間程式開發與知識工作放在同一個旗艦模型中。如此龐大的總參數不等於每次都以2.8兆參數全量運算；真正的重點是如何用稀疏啟動，把龐大容量轉成可接受的推論成本。

Kimi K3的意義，是中國模型不再只打「便宜替代品」。它試圖證明：即使硬體條件不對稱，也能藉由架構重新分配計算，進入長任務、程式工程與高階知識工作的前沿競爭。

Qwen 3.8：把開放權重做成完整生態

阿里巴巴Qwen 3.8系列延續開放權重路線，其中Qwen3.8-27B是一個相對容易部署的270億參數稠密模型，原生理解文字、圖片與影片，也支援不同推理強度。它的價值不只在官方跑分，而是已能透過Transformers、vLLM、SGLang與Docker等工具部署，讓研究者、公司與個人開發者在自己的環境裡修改、量化與整合。

這也是中國AI追趕的重要槓桿：一家公司的模型一旦開放，全球社群會幫忙製作不同量化版本、修正推論框架、測試消費顯卡與Mac平台。開源社群等於把單一公司的工程能力向外延伸。

這些模型也早已不只在中國使用。Microsoft把DeepSeek放進Azure AI Foundry與GitHub；美國的Together AI、CoreWeave等雲端推論平台提供Kimi模型；Qwen則在Hugging Face累積龐大的全球下載與衍生版本。對海外企業而言，開放權重最大的吸引力，是可以把模型下載到本國或公司自己的伺服器執行，不必把敏感資料送回中國。

因此，『歐美使用中國模型』這件事確實存在，但用途多半是程式開發、企業測試、研究、文件處理與本地部署。至於軍事用途，目前可以確認DeepSeek已出現在中國的軍事研究、專利與無人系統實驗中；公開資料尚不足以證明DeepSeek、Qwen或Kimi已被歐洲國家正式接入實戰武器的自動攻擊鏈。海外廣泛採用與武器系統整合，仍然必須分開查證。

GLM-5.3與Flash：把程式能力壓到更低價格

智譜在8月推出GLM-5.3，主攻複雜軟體工程、終端操作與長時間Agent工作；其後又推出GLM-5.3-Flash，以更低成本提供接近前沿的程式與工具使用能力。官方宣稱5.3在自家程式測試中比5.2提升50%，但這類自家跑分仍需第三方實測驗證。值得關注的並非單一百分比，而是版本迭代速度：從5.2到5.3，再到Flash，產品週期已縮短到以月甚至以週計算。

MiniMax：文字、影片、語音與音樂同時佈局

MiniMax的策略與純文字模型公司不同。除了面向Agent與程式工作的M系列，它還推出H3影音生成與Music 3.0。H3可同時理解文字、圖片、影片與音訊，生成最長15秒、最高2K且帶原生立體聲的影片。這表示中國AI公司的競爭範圍，已從聊天模型擴展到創作者實際使用的完整媒體鏈。

三、不要把跑分當成世界盃總冠軍

模型公司最容易操弄的不是假數字，而是選擇哪些真數字給你看。某模型可能在程式測驗領先，另一個在數學、長文件或工具使用更好；如果宣傳圖只挑自己獲勝的項目，就會製造「全面超越」的印象。

因此，評估模型至少要同時看五件事：任務是否與自己的工作相同、測試是否由第三方重現、價格是否包含思考Token與快取、長任務失敗後要重試幾次，以及模型能否在真實工具環境中完成工作。跑分可以參考，但不能取代實際使用。

本期製作過程中，我也遇到一張列出11款「本週即將發布模型」的精美社群圖片。逐一查證後，裡面混入尚未公告的版本、冒名Hugging Face帳號與自行推演的產品名稱。這個案例提醒我，也提醒每一位讀者：Logo、版本號、跑分表，甚至一個看起來像官方的模型頁，都不等於已正式發布。

AI新聞的最低查證標準：原廠公告、官方模型卡、可用API代號、官方開放權重，至少交叉確認兩項。

四、AI從回答問題，走向接管工作流程

模型能力提升的下一步，不是再增加一個聊天視窗，而是讓Agent理解目標、拆解任務、呼叫工具、檢查結果，並在必要時重新嘗試。從程式開發、研究、文件整理到操作桌面軟體，Agent正在把生成式AI從「顧問」推向「執行者」。

這也是DeepSeek、Kimi、GLM與Qwen都強調長時間任務、工具使用及程式工程的原因。模型若只會回答一次問題，很難形成持續收入；一旦能參與公司工作流，它就可能取代部分軟體入口與人工作業。競爭焦點因此從「誰比較會說」轉向「誰真的做得完」。

WebMCP：網站不再等Agent猜按鈕

WebMCP是一個仍在發展中的開放網路標準，不是OpenAI單獨發明的私有協議。它允許網站把功能直接宣告成Agent可呼叫的結構化工具。過去Agent要看畫面、猜按鈕、依座標點擊；未來網站可以直接告訴Agent：我可以搜尋頁面、建立文件、加入評論或送出表單，並清楚說明需要哪些參數。

OpenAI已在ChatGPT桌面版內建瀏覽器中導入Site tools，讓ChatGPT Work與Codex發現支援WebMCP的網站功能。這會提高操作可靠性，但也帶來權限問題：付款、刪除、發布、寄信與隱私資料存取，仍應保留明確的人類確認。Agent越能做事，安全邊界越不能含糊。

五、影音生成開始從抽卡走向製作

MiniMax H3：原生聲音與開放模型

過去AI影片常只有畫面，創作者還要另外配音、找音效、補環境聲，再處理嘴型與節奏。MiniMax H3把影片與聲音放入同一套生成系統，支援原生立體聲、最長15秒與最高2K輸出，也宣布開放模型。它代表影片生成的競爭已從單張漂亮畫面，走向角色連續性、動作、語音、音效與敘事同步。

但開放不等於一般電腦都跑得動。較完整的H3部署仍需要遠高於8GB的顯示記憶體；以我目前的RTX 3060 Ti 8GB來說，並不適合本地執行。這正是開源影音模型的現實：權重可以下載，真正的門檻卻落在顯存、系統記憶體、儲存空間與生成時間。

Gemini Omni 1.1 Flash：開始補齊工作流程

Google在8月27日推出Gemini Omni 1.1 Flash。它可分析前面最多10秒的內容，再以每次10秒延伸，累計最長40秒；也能指定首幀與尾幀，自動生成中間運鏡與轉場。360p草稿模式比720p快最多60%，成本約三分之一，完成後則能輸出或升頻至1080p與4K。

這些功能的重要性不在於規格表，而在於它開始理解創作者真正的痛點：先用低成本草稿試運鏡，確認後才輸出高畫質；以首尾幀控制轉場；延長鏡頭時參考前文，而不是只看最後一秒。AI影片正在從反覆抽卡，逐步進入可以規劃、比較與交付的製作流程。

六、算力的選擇：本地、雲端與API

生成式AI創作者現在面臨三條路。第一是使用整合網站，操作簡單但受點數與模型選擇限制；第二是透過FAL等API平台按次計費，能自由切換不同模型並用Skill自動命名、下載與批次生成；第三是自己安裝ComfyUI與開放模型，換取最大控制權，但必須自行承擔硬體、驅動、工作流與除錯成本。

按次計費省下的是多平台固定月費與切換網站的時間，不代表大量生成一定便宜。正式影音作品往往要重抽角色、修正動作、重做運鏡；當生成次數累積到數百次，API費用仍會快速上升。因此，最實際的流程是先用便宜模型與低解析度打樣，確定構圖和節奏後，再切換高品質模型輸出。

桌上型大記憶體Local AI主機，包括AMD 128GB統一記憶體、DGX Spark與Mac Studio等，將另列後續專題。它們牽涉「裝得下」與「跑得快」的巨大差異，不適合在本期草率用一張規格表下結論。

七、AI音樂版權戰：判決、和解與談判同時進行

AI音樂的法律戰並沒有簡單走向「唱片公司全面勝利」或「AI公司自由使用」。2025年Warner Music Group與Suno達成和解及合作，讓Suno轉向授權模型；2026年8月，BMG又與Suno簽署授權協議。另一方面，Universal與Sony相關主張仍在進行，德國GEMA案也已出現對Suno不利的判決，並可能繼續上訴。

所以更準確的描述是：判決、訴訟、和解、授權與商業談判正在同時發生。版權資方一方面以侵權訴訟、禁制令與高額賠償風險增加壓力，另一方面也藉此爭取更高授權費、分潤比例、作品下架權、訓練資料透明度，以及對歌手聲音與形象的控制。AI公司則希望用和解與合作換取合法曲庫、可預測的成本及繼續營運的空間。

AI音樂版權戰不是單純的是非審判，而是一場市場定價戰：訴訟是壓力，和解是出口，授權費與分潤規則才是真正的戰場。

這也印證我在上一期提出的看法：和解與協商並不是訴訟結束後才開始，而是與訴訟壓力並行。雙方都會把法院風險、授權需求、時間成本與市場機會當成交換條件的籌碼。只要不是把對方一路告到崩盤、讓產業只剩封鎖而沒有談判，這不一定是壞事。相反地，它可能迫使雙方更快釐清責任邊界、授權範圍、合理收費、分潤比例及創作者保障。

但我也不能把唱片公司與創作者視為同一利益共同體。當版權資方取得AI授權收入時，歌手、樂手、詞曲作者與工會究竟能分到多少，仍會形成下一輪協商與爭議。真正健康的結果，不只是AI公司付錢給版權大戶，而是新的收入能否公平流向實際參與創作的人。

八、本期免費資源：pyVideoTrans

pyVideoTrans是一套免費、開源的AI影音翻譯與配音工作站，可把影片語音轉成字幕、翻譯字幕、合成語音，再將配音與字幕重新合成影片。它也能把語音辨識、字幕翻譯與文字配音拆開單獨使用，適合內容創作者、教育工作者與跨語言溝通。

因為這軟體推出後持續的改版因此值得推薦。

「免費」必須說清楚：軟體本身採開源授權，使用本地Whisper、Ollama與部分免費語音方案，可以建立接近零額外費用的流程；若接入OpenAI、Gemini、DeepSeek、ElevenLabs或其他商業翻譯與配音API，仍需支付各服務的費用。Windows可使用預打包版本，不一定要另外安裝Python；具備NVIDIA顯卡時也能利用CUDA加速。

使用聲音複製時，必須取得聲音本人授權；翻譯或重新發布他人影片，也仍受原始影片著作權限制。開源工具降低的是製作門檻，不會自動消除內容權利。

結語：AI競賽從硬體競賽，變成整個系統的競賽

中國AI模型在沒有同等頂規晶片供應條件下快速追近，不代表晶片突然不重要。恰恰相反，它證明算力越昂貴，模型架構、資料品質、推論效率、開放生態與商業定價就越重要。美國公司仍掌握頂級晶片、雲端與前沿模型優勢；中國公司則以快速迭代、低價API、開放權重與跨媒體產品，迫使全球市場重新思考能力與成本的關係。

下一階段不會只有一位贏家。閉源旗艦模型、開放權重模型、雲端Agent、瀏覽器工具、影音生成與本地算力會彼此交錯。使用者真正需要的，也不是每週追逐一個新版本號，而是建立一套能查證、能控制成本、能保護資料，而且真的能完成工作的流程。

下一期預告：當Lucifer Girl與Eva Girl走上真實舞台

9月16日，《CYBER HER》將在桃園廣藝廳正式演出。這個作品從雙CD概念專輯出發，經過詞曲重整、Suno AI音樂生成、分軌與降Key、AI角色設計、影像生成、字幕、舞台結構、真人舞者、服裝與燈光，最後濃縮成9分59秒的舞台影像版本。

Lucifer Girl與Eva Girl原本只存在於歌曲、圖像與螢幕裡，這一次將由真人演出者接替她們走上舞台。演出結束後，下一期將完整回顧《CYBER HER》的製作過程：哪些畫面重做最多次、為什麼必須替真人表演留白、AI音樂如何降Key與保留合音、角色服裝怎麼從機甲轉成可演出的真人版本，以及AI作品真正進入劇場後，哪些想像成立、哪些必須妥協。

這不是一次單純的AI展示，而是一次把生成式音樂、AI影像、虛擬角色與真人舞台放進同一個作品裡的實驗。等演出完成，我會再從結果回頭看完整路程。