中國AI為何追這麼快？從DeepSeek、華為到人形機器人 看懂背後3大戰場

記者彭夢竺／編譯

中國AI產業正進入新一波競爭，從DeepSeek等新創大舉籌資、華為加速補上AI晶片缺口，到開源模型與人形機器人快速發展，背後其實都指向同一個問題：在先進晶片與算力受到限制的情況下，中國如何用有限資源縮小與美國AI產業的差距。

根據《路透社》訪問長期追蹤中國科技產業的北京記者Eduardo Baptista與Laurie Chen報導指出，中國AI發展模式與美國存在明顯差異。中國企業一方面需要更多資金投入算力，另一方面則透過開源模型、國產晶片及系統級設計尋找突破口，人形機器人硬體雖然快速進步，但真正決定下一階段競爭力的「具身AI」仍存在差距。

AI太燒錢 DeepSeek也開始找外部資金

中國AI公司近期掀起募資潮，最直接的原因就是「算力太貴」。中國AI實驗室逐漸面臨與OpenAI、Anthropic相同的問題：想繼續競爭前沿模型，就必須投入數十億美元購買先進晶片、建設資料中心。

DeepSeek過去一直以不依賴外部資金為特色，主要仰賴創辦人梁文鋒旗下量化避險基金幻方量化支持，但隨著下一代模型需要的算力持續增加，這種模式越來越難維持，DeepSeek也開始積極募資，並準備潛在IPO。

MiniMax、智譜AI、月之暗面等中國AI公司，同樣開始尋求香港上市或出售股份，核心目的之一都是取得更多資金購買算力。

不過，中國AI資金來源並非全部來自政府，而是包括創投、科技巨頭與大型民營企業，以及國家支持或國有基金共同投入。

算力比美國少 反而逼中國AI更「精打細算」

中國AI公司的另一項現實，是能使用的先進算力仍少於OpenAI、Anthropic等美國AI實驗室。這也迫使中國研究團隊更謹慎分配資源，減少大量嘗試，把算力集中在更有機會成功的研究方向。

中國AI資料中心的整體投資規模，也沒有外界想像中龐大。《路透社》分析數千份中國政府AI資料中心文件後發現，OpenAI規劃中的Stargate超大型基礎設施計畫，光是一項計畫的預估成本，就約是中國過去5年所有AI資料中心支出的5倍。

中國的模式反而是把數百個規模較小的AI資料中心分散各地，單一計畫通常耗資數億美元。

NVIDIA受限 華為改從「整個系統」追趕

晶片則是中國AI發展最大的限制之一。NVIDIA（輝達）過去主導中國AI晶片市場，但隨著美國出口管制限制先進晶片輸往中國，也讓華為逐漸成為中國先進AI工作負載的重要供應商。

華為的策略並不是短期內直接追上NVIDIA單顆晶片的效能，而是透過先進封裝與網路設計，把數千顆晶片連接成大型「超級節點」，希望從整體系統層級縮小差距。

不過，中國AI算力能否真正突破限制，仍取決於華為的系統架構能否有效縮小與NVIDIA的差距，以及晶片產量與良率能否提高到足以滿足中國市場需求。

中國開源AI為何這麼強？

相較先進晶片，中國近年在開源AI模型上的進展格外受到關注。Laurie Chen指出，這最初並不是政府要求，而是中國AI公司知道自己落後美國前沿實驗室，因此選擇開放模型權重，讓不同研究團隊可以彼此利用成果，加快整體技術進步。

後來中國政府也開始支持開放權重模型，並將其視為向缺乏自身前沿AI能力的國家提供技術的一種方式。但開源模式也存在現實問題：模型即使廣受歡迎，企業仍可能難以把使用量真正轉換成營收。

人形機器人很會跑跳 真正難的是「大腦」

人形機器人則是另一個中國快速崛起的AI戰場。宇樹科技、優必選等中國企業近年在機器人硬體、平衡能力與動態控制方面快速進步，跑步、跳躍甚至武術表演都已經可以完成。

但真正的瓶頸仍是「具身AI」，也就是讓機器人真正理解實體世界，並自主完成各種不同工作。宇樹科技創辦人王興興就曾表示，如果技術進展順利，具身AI的「ChatGPT時刻」可能在2至3年內到來；如果發展較慢，也可能需要5至10年。

在前沿具身AI模型方面，美國新創目前仍略微領先。真正的競爭關鍵，不再只是機器人能不能跑、跳，而是能否只靠少量資料與訓練，就自主學會不同任務，同時維持足夠高的可靠度。

如果這項軟體突破遲遲沒有出現，目前大量投入人形機器人的企業，也可能面臨商業模式失敗、公司倒閉甚至估值大幅修正。

因此，中國AI快速崛起並不代表所有領域都已追上美國。從算力不足迫使企業提高資源效率，到開源模型加速技術共享，再到華為以系統級架構彌補晶片差距，中國正在形成一套與美國不同的AI發展路線；而下一階段真正決定差距的，仍將是先進算力與具身AI等核心技術能否突破。

資料來源：路透社