目录
- 美国科技封锁与中国AI追赶 [00:00:00 - 00:10:00]
- 中国自主生态与政策推动 [00:10:00 - 00:20:00]
- 中美AI路线与开源模型 [00:20:00 - 00:30:00]
- 封锁下的分化与长期挑战 [00:30:00 - 00:37:16]
美国科技封锁与中国AI追赶
凯旋：从2018年开始，难道他们没有算到说封锁下去，中国长出自己完全不同的系统？他会有个痛，就是我想要用最新的这些芯片来做国产模型的成本是拉高的不见得拿不到，但是他取得的管道跟拿到的这些效能可能跟他过去在没有管制的情形之下是不一样的。我觉得那个禁令其实在美国本身也有很多不同的意见短期上在政治上是有效果的但是这个禁令现在看起来就变成促成了中国自己也开始由GPU的公司。几个做IC设计的公司也开始去做以后我们看到的生态系是中国有一个自己的生态系统美国的系统上来讲的话可能去服务非中国系统的这一些大部分人盟邦。以目前来看还是有些效果但是长期来看可能会让中国自己找出一条要突破的路真相之后一个欢迎收看编辑室的ON AIR我是凯旋。讲到AI其实我们大部分。 [00:00:00]
戴志言：大家都会以西方为首的AI路径蓝图来做讨论从2018年开始其实美国实施了科技禁令封锁当时大家在讨论的都是美国应该会在AI上面。会有压倒性的优势不过现在到了2020年像是中国的AI发展是越来越快大家只要听到像之前的KimiK3或是DeepSeek发表的时候。大家都会蛮惊讶的说其实中国怎么一下子进步这么多大家都会在问难道美国在科技禁令封锁是打错地方了吗中国为什么又可以在一片。科技禁令封锁当中来突围以及美中之后AI的路径是不是会走向完全两条不同的道路今天就让我们邀请到了中经院戴志言戴老师他们一起聊聊。我们欢迎老师主持人好各位观众大家好老师我们先请教一下就是我们过去听到就是美国AI多厉害多厉害多厉害可是像是这半年以来。或是今年以来KimiK3DeepSeek的新版本发表现在为什么华尔街听到都会觉得蛮紧张。 [00:01:01]
凯旋：因为他们现在显示出来的那个性能指标在测试上面其实都不落后于美国最新的这些模型像KimiK3它现在测试出来的这些评分然后这个能力。其实大概跟Anthropic跟OpenAI新推出来的模型能力上都相差不远那另外一个部分就是说中国现在推出来的这些模型。如果从Token的成本上来看很可能都大概只有美国的十分之一所以从性能跟价格上来看的话它确实有一些很吸引人的地方那另外我们可以观察到就是说。两边的那个代差的问题其实越来越小就以前可能认为来说美国大概还有三到六个月的领先优势那现在大佬就跟你说可能剩下两个月然后还有人可能会更担心一点。可能剩下一个月的这种领先的速度而已原因是因为大家已经开始去熟悉怎么样去做训练这样的事情那训练其实需要依赖大量的数据数据的取得便利性上来看的话。其实中国大陆还是有它的优势就是它取得数据的成本取得数据的这些范围都会比美国在训练模型的时候来得快所以这些因素会让他让中国的公司。在做这样的一个训练的过程上面就看起来他追赶的速度会非常的快。 [00:02:07]
戴志言：然后他们的品质也会越来越好因为我们注意到就是AI大家应该就会要想到后面就是要应用其实中国14亿人口15亿人口这么多他在应用程度上面。 [00:03:25]
凯旋：其实拿到数据是没有问题的对啊因为他数据基本上数量是很多但是要值得留意的就是说过去在训练上面的那个数据品质因为以前数据品质会影响到你的模型。达到的对不对嘛好不好那现在看起来就是说他们在资料清洗啊数据训练这一块其实也都有很多经验在做所以他们目前在发展这些新的模型数据。AI模型的时候其实都已经接近过去他们可能遇过的问题想要怎么删大概都了解到那再来就是说外界也一直在讲说那中国的模型很多都是透过去增六嘛。国外的这些技术在做所以我觉得以目前的角度上来看的话这个技术的增六其实大多数的中国公司都会做只是说他做的东西明不明显以及他增六出来之后。他到底有没有办法超越他原来老师的那个模型如果能够超越的话那我觉得这个东西就显然是一个很奇怪的发展因为理论上你从老师模型那边增六出来。能力应该不会比他强可是现在看起来就是他有一些指数有一些训练结果甚至是测试结果看起来都比他都比外界认为的针溜对象来得好。所以你也不能去排除说他们用了一些其他的方式来做了这样的一个训练那再来一个部分就是说其实他们在这个领域里面过去的留学生。其实有很大的贡献比方像KimiK-3的那个Founder创办人然后像DeepSick这些人他们可能都有海归的经验可能都有在国外顶尖。这种研究室训练过的经验然后他可能他的老板就是目前这些当代AI的大师所以事实上他们的概念跟这些技能并不是透过现在的人才丰硕。你就可以断掉的反而很多概念可能在他当年去留学甚至后来留下来工作的时候都已经在做发展他把这些东西带回中国之后呢进一步的去落地。让他能够变成真的语言的模型的训练所以我觉得人才过他们对于过去过去在人才投资的这一个部分其实现在也都慢慢看到回报了因为我很好奇。AI讲的不只有model其实还包含整个生态系。
戴志言：像是Cuda黄文轩的Cuda中国是不是现在也想说那既然美国现在我们没有办法完全都学会那甘祝我自己来做这一条整个产业链。他们确实是这样做啊。 [00:06:02]
凯旋：而且从美国开始卡他的这些半导体关键制程之后其实他会有个痛啊就是我想要用最新的这些芯片来做国产模型的成本是拉高的我所谓成本拉高是。他不见得拿不到但是他取得的管道跟拿到的这些效能可能跟他过去在没有管制的情形之下是不一样的那即使模型要转到中国自己国产的芯片去发展。他也面临到国产芯片效能可能比较差然后呢我这些能耗的问题可能也都比较贵的问题所以简单来讲美国现在卡了一个很重要的位置就是我让你的算力的扩张速度。跟你原来预期规划的是不一样而且呢我让你模型推论跟发展的成本上面有可能比以前的模式来的更贵那这样既能够拖一下你在这个AI发展上面的一些发展。那另外这个部分也要看这个国家半导体产业的一个能力所以我们就发现说像中国的记忆体他们最近还是能够自己去发展出HBM然后去发展新的DDR的。这些世代的记忆体但是一旦谈到这种先进制程的时候就很抱歉现在就几乎全中国境内从设备从这些耗材跟关键的零组件供应全部都卡死了。所以这个也是为什么他们到最后AI越做越前进越先端就发现说他们其实对于先进芯片的依赖度越来越高然后这一个人如果一直都卡在外国人手上的时候。对他来讲就是一个长期的不利所以你也看到他们不断的在发表新的芯片新的概念甚至新的运算的架构然后想要把这些算力的先进程度。能够再一步提升那这样的提升其实有助于中国的AI产业能够进一步的去发展甚至到了我们讲那个PhysicalAI它要落地的时候。你光想一个机器人身上可能有四五十个不同的模组那里面都要芯片而且都要高速的协调然后有一套新的运算的AI要做那这种市场假设真的成型了。从五万的规模到了五十万甚至五百万那整个的芯片需求可能是限制了好几倍所以它势必一定要在AI的发展上跟半导体产业技术的发展上面。取得一个相互合作进步的机会的一个机制否则它会发现就是我AI在怎么抢那后面的这些硬体其实还是卡在别人手上这个是个不利的点。所以等于是中国现在也要开始找自己完全不同的路径了吗对啊那以目前的新闻上来看它目前研发出DUV而且给了不同的厂商那现在只有五六台嘛。对那这个阶段我们可以把它当作是说我要去取代ASMO因为ASMO的耗材其实某个程度上也开始受到精明的管制嘛你可能也开始会。有买不到的风险那我们打个比方好了如果我有150台好我第一年150台这样跑第二年呢三分之一要休息那因为零件取不没有办法拿到取得。所以你有可能三分之一要停工那到后年呢你有可能在这三分之一再增加三分之一就50台又因为缺料啊没有耗材可以不然又停工所以到三年后。你的产能就实际上剩下三分之一而已啊那你要解这个问题其实也没那么容易就是耗材要有相容性你要能够替换嘛那再来就是说如果未来更先进的。这一些制程它需要更好的DUVEUV那中国是不是能够自己做生产。
中国自主生态与政策推动
凯旋：自己做生产然后把中国自己的这样的半导体的产能然后技术往前推所以你会看到它目前已经推了这样的东西出来那虽然我们知道说中国的厂商。已经开始推DUV可是它目前这个阶段就比较像是我现在把样品机做出来你看看能不能替代掉原来你用的OSMO的这样的一个设备。那替代之后可能还有些参数需要做调整那你的制程设备上面是不是有哪一些的设备同步要做配合跟改善在这个方面要去做验证否则你没有办法一下子就是。我今天把什么的DUV抽出来换了一个中国的机台进去之后那我就万事去赔什么都可以跑那现实条件都很残酷就是这些东西都需要厂商间的合作教条。然后去做改善跟修正那也不是一时半刻就可以完成所以不妨把现在这个阶段看成是他们已经迈出第一步他已经开始知道说DUV的自主。他们已经慢慢的去做了那接下来会不会开始有一整条生产线的设备全部都是中国的甚至从EUV的这一些解放开始往另外一个方向去做。那个才是我们真的需要去观察的因为如果有那就代表说它已经开始突破了过去的封锁从7奈米以下的技术开始往前推也许5奈米3奈米2奈米。可能就在这个新的框架上面逐步会做到但是它进步的同时其实全世界的半导体厂也在往前推也在往前进步嘛所以我们的原则上其实对于这个消息来看。应该是说我们怎么去持续保持领先的那一个差距才是关键的我也知道对手要赶上来啊但是对手赶上来我们也不是停在原地等你赶嘛那这件事情就会变成。我们跟现有的国外的这些设备的供应商然后台湾自己的半导体的产业跟AI的产业怎么样相互合作利用我们现在硬体的优势往前推。 [00:09:59]
戴志言：这个就是一个重要的一个政策的考量但回过头我们刚才开头聊到的就是所谓的美国科技经济封锁从2018年开始难道他们没有算到说。是这样封锁下去结果中国长出自己完全不同的系统还是说其实变成是我中国虽然有受到封锁但是其实有点越挫越勇的感应我觉得那个禁令。其实在美国本身也有很多不同的意见。 [00:12:01]
凯旋：你上科技也别忘了下华人讯好了然后其他的科技业者就会跟你说其实这个禁令对美国长期来讲不见得有利因为中国很可能在这个禁令上面。就长出他自己的生态系然后他到最后可能就不买美国的这些先进的芯片但是这个禁令短期上在政治上是有效果的一方面就是我限制你的某一些算力。然后我的模型发展上面还是落后于美国那另外一方面就是我把这些先进芯片呢做限缩降规你要买也可以但是你就不能比美国自己拥有的算力来得前面。就后来中国也不买了对那这样的状况其实你就把它想成是我卖你降规产品我在美国本身建立起新的算力的体系我利用这样的算力的基础建设的体系。再加上美国本身在AI模型训练原创性这些科技上领先的优势我就想要一路的让你去追赶让你永远在我后面但是这个建立现在看起来。就变成促成了中国自己也开始有GPU的公司然后他几个做IC设计的公司也开始去做那华为他们也开始去推新的这样的一个概念所以套定律就这样横空出来。然后讲说我们要用这个定律来突破现在这些限制在所以很可能就会变成以后我们看到的生态系是中国有一个自己的生态系统然后它的生态系统。可能大部分来服务中国的厂商那在美国的系统上来讲的话可能去服务非中国系统的这一些大部分的盟邦所以这个建议到底有没有效我觉得还是要看。长短期的效果来看以目前来看还是有些效果但是长期来看很可能就像以前的案例一样他可能会让中国自己找出一条要突破的路这个对他来讲。也不是一个很有善的事情因为整个我们现在看到中国这一趴整个下来中国目前的公司其实大部分他还是靠政府的援助。
戴志言：跟政府的资金来去推动整个政策的发展甚至是科技的发展可是总有一天要断奶水难道还是说中国会觉得说那没关系我政府的资源就是这么多。我可以源源不绝的攻击。 [00:14:40]
凯旋：我并不觉得他们会有市场制的这个概念进来虽然他有股市他有日本市场不过如果你把中国想成一个他们用所谓的举国体制做了一个叫做中国超级企业好了。那这个董事长兼CEO叫做总书记就是习近平那接下来呢他有很多部门其实就是在各个地方政府各个国营事业所以你把地方政府想做是。这些公司的不同分公司然后你把央企把国企呢当作是它不同功能的这一些组织部门你就发现整个中国运作起来就是一个举国体制在去支撑它重点。关键科技发展的逻辑啊所以它会有一天断了政府的奶水自己做吗我觉得这可能性其实老实讲不高啦它可能会推出一连串的计划所以我们从制造2025。145155到下一个可能新的五年计划你就会发现他们其实是一个脉络不断一直往前去推那受惠的人很可能有些是新创有些是原来的国企的系统。然后有些可能是他们的大型公司其实这个关系不会断就还是持续会存在所以目前以这个角度上来看其他国家也并不是走这样的方式也没有这样的资源做。所以我们会看到像美国的AI公司它就透过同业之间不断的交互投资然后政府利用公共采购大型计划的方式去拉动创新技术进来甚至他在投资的过程。川普就跟孙正义打个招呼我那个Stargate计划要5000亿美金那准备投多少像这样的逻辑把资本技术人才汇集在一起然后透过这些新创公司。透过这些资本市场的运作让美国的这些AI的技术能够获得进一步的发展然后发展出能够获利的这些商业模式那中国不是啊中国你看到现在的这一些AI模型。基本上开发的公司也不赚钱嘛可是他不赚钱好像你也没听过他出来喊说不行我们现在已经公司面临破产所以我们要争执啊干嘛的很少。你现在大概只听到那个几个新的公司要出来做IPO然后这个IPO呢可能募的钱也不是特别多不像美国的这些AI公司上市的时候。就变成可能史上第一大或第二大的IPO因为好像也不是所以从这个角度上来看的话中国政府对于他这些关键科技的支持还有关键企业的支持应该是不会断的。反而是美国现在这样的一个结构跟走法能不能去打赢中国用中国这个所谓举国体制的方式的竞争应该要特别去留意可是讲到举国体制。我想要举一个。
戴志言：就是我们现在看得到的例子尤其是电动车或光电产业其实中国电动车出海之后它其实让欧盟很受不了甚至现在开始要对他们做一些信令出来了。但是大家都会说中国有时候就是一个价格破坏者这个价格破坏者有时候对消费者或者是对我们一般大众来讲虽然是有利可是对其他国家。或是对一个私人企业来讲就是一个非常痛苦的事情对啊。 [00:17:45]
凯旋：所以如果我们把那个概念再延伸大的集团里面很容易出现什么就是公司的整理财报是赚钱的但是可能部门A部门B部门C营收的状况跟盈余的状况就不一样。所以你就很容易造成部门间的补贴行为那补贴行为补到最后通常是怎么样通常就是某些部门要求更高的绩效reward然后有些部门可能就要去承受裁员。把规模缩减的问题所以这听起来很三星对吧就是像三星的半导体他要求的这些奖金也好扩张也好看在三星集团的其他的部门可能就非常不是智慧。可是反过来讲今天如果有一天半导体部门一直赔钱然后其他部门一直赚钱就不爽了可能就两边都不一样对所以如果你把这个模式套用在现在中国的。举国体制上来讲你就发现很有趣他们的电动车也好光电也好现在都是全世界最强价格破坏者可是这么一两百家的业者每一年加起来的利润。比不上TOYOTA一年比不上这种真正的那个private的这种大集团全球运作这样一年的利润这表示什么表示其实他们行业里面。还是存在这种生产效率不好的单位那你透过举国抵制的方式持续的去补贴这种没有竞争力没有生产效率的公司那有的公司可能在这样的结构上面。分不到好处那会怎么办他直接就退出市场了所以我们如果观察中国的汽车产业过去几年也一段都在发生这个事情嘛有些人就宣布倒闭嘛。然后车子就变成无耳车嘛那引来很多的问题嘛那AI产业会不会有这个可能性当然可能有啊只不过要看你的母公司。 [00:18:12]
中美AI路线与开源模型
凯旋：只不过要看你的母公司能不能撑得住啊所以阿里现在去做前问然后GimmeK3他们母公司也在发展这些技术DeepSeek当然背后老板。是也蛮有钱的可是这些东西如果一旦都不赚钱国家资源又开始慢慢的往其他板块去挪移的时候那这些东西会怎么办可能死不了但是你可能也赚不了钱。那跟美国的这些AI公司不断想尽办法再创造新的商业模式比方说我们提供更好更强的模型但是我的token收费的方式可能也改了。突然间你就发现我的token的成本好像变贵了但是AI公司的说法就是变成是以前你要用旧的模型跑个三四五次才能做好的工作。现在新模型更强了你一次就可以做好所以你的总成本是低的但是单位成本是拉上来的像这样的一些概念新的商业模式跟技术应用的创新。就很容易在美国那种体制跑出来所以你现在要讲说中国的这种体制上如果拿中国电动车跟光电产业上来看的话对他们会变成世界第一。但是行业里面能不能产生一个有竞争力的模式跟营运的结构那个都是非常有问号的可是撇除掉商务因为中国。 [00:19:59]
戴志言：尤其他们以国家战略来讲他们要的其实是市占所以他们像是KimiK3或是DeepSick他们其实都讲求的是开源模型大家都可以来用。免费用尽量用一部分是收集资料那一部分就是刚才讲的市展那这样对整个AI尤其对美国大家都是走封闭模型来讲的话是不是也是一种威胁挑战。我倒不觉得。 [00:21:23]
凯旋：但它的开源模型跟大家以前收集的OpenSource的做法也不太一样因为我们以前认识的OpenSource大概就是从Linux的。这些开源的软体来做它有个特点是进入门槛不高然后你的硬体设备要求不高所以同样一台笔电你可能跑个Windows卡得要死但是装个Ubuntu。非常顺非常好吧可是在AI这个世界里面完全颠倒比方说你要去质谱下载一个它最新的模型或者是你把KimiK3要下载下来其实你会发现。你的PC根本是跑不动的然后它要跑这些模型有一个基本的硬体的门槛这个门槛其实也不是一般人会去买或是去建制的这样一个东西。所以第一件事情是它不再是廉价便宜的硬体的环境它需要有一个基础的门槛上来的第二个呢就是过去我们在做OpenSource的。这些软体的时候其实很容易去对标user的使用经验所以这些开源软体可能有一些的学习成本比其他的PC的软体高一点但是其实概念上可能很相同。也不难学可是现在啊你发现这种AI模型到了地端你要自己建的时候怎么样去设计参数怎么知道模型跑的远就有一定的门槛就有一定的门槛。而且这个门槛老实讲很难用别人手把手去教的概念去教你因为他要处理的问题其实就是你个人非常个人化的问题你也需要打造一个自己的AI的环境。所以第二件事情learningcurve也拉高了然后第三个就是说以目前这样的一个建制成本上来看如果相较于在云端可以买到的。这些币源的服务它其实不会比较便宜那好处是什么好处就是说因为它是开源在地所以很多东西的修改权在你手上那第二个就是它运行的过程中。如果模型一切都没有太多问题的话其实资料大部分都是在你自己的手上所以资讯的安全训练的过程甚至你后面想要你的AI模型大概怎么变。它其实都是掌握在你自己的手上而不是在云端的这个AI平台上面所以如果你非常重视治安的话这可能是一条路这反而跟我们过去想象中的中国人不太一样。对所以反过来看就是他那个模式上面其实缺了一个人就是我怎么样专门的帮你去做教条我怎么样专门的帮你去save所以后来才衍生出。有一个工作就我花一块人民币你来帮我装龙虾对但是我要移除龙虾的时候我要再花一万块人民币请你帮我移除龙虾就是类似的这样的一个。状况就会逃出来那这个显然对于他去争取更多市占率来讲不见得是有利的虽然现在看到大部分的报告都会讲说开源模型让中国的AI市占率。又上来但是这个前提是有一些服务的业者他利用中国的平台去建了服务的这个对象跟项目因为他的token成本算起来可能比原有的美国的AI模型来的低。有些说是低到十分之一那我在这样我是同样一笔钱可以用更多的AI的服务那这样的人可能才是这些开源模型会尝试想要去卖的所以像电讯的服务业者。现在的网络的服务业者甚至是某一些我们现在常常看到的那个网络平台他如果后端开始有一些AI是用这样的一个模型而且他本身就有些算力在。那当然他的建制成本这些问题就可以获得解决所以战场应该都会开在不一样的地方就是我们虽然都讲开源可是那个开源的概念跟我们过去熟悉。在电脑的开源手机上的开源应该是不是完全不一样你要拿到一个AI的服务其实不是你云端跑一跑然后就会走第一个就是说你要有很好的网络环境。因为算这些东西其实你如果要云端的方式做资料的上传然后它平台的回应的速度的能力如果你要用开源地端的方式做那先决条件就是刚刚讲的设备的问题。那邦地是不是有足够的电源的供应的问题然后你是不是有足够的数据啊资料去把这样的产业给建构起来那这样你才能让这些人去用到AI的服务嘛。那这些条件显然全世界有很多地方没有所以如果从Microsoft自己的那个AIFusion的那个报告上来看我觉得好像大概只有十来亿人。其实是活在能够接触AI服务的环境跟条件下那这个没有的区块会不会是中国以后想去的地方这个其实也需要去观察一下因为毕竟这个东西要建的话。可能连中国过去在推动灾胜能源的方案然后怎么做算力中心设施的这一些solution可能都要一并去推出之后你才有办法顺势把中国做的这些AI模型。在当地落地否则的话它就会变成是我在中国开了这些算力中心跟平台我鼓励没有这些资源的地方就用我中国的服务就行了它这个逻辑不就又回到。美国现在大部分厂商在做的形态吗所以两个上来看的话其实目前这些模型的普及率跟使用也都要看进到哪个市场进到哪个产业因为第二个层次是。当我这些模型要用到产业应用的时候他可能就已经不是只是在网路上或是设备上做问答好给你答案他可能实际上要开始去控制比方说像机器人了。比方说自驾车了好比方说我们很多的智能设备过去都相对比较笨一点那冰箱也开始有AI之后这些模型怎么去快速学习推论甚至知道真实世界。如何做互动那个又是另外一回事啊所以我觉得这里面很难单纯就是说中国看到现在还没有普及的区域所以我想要比照过去去做一带一路。我想要比照过去去开发非洲市场那个逻辑去抢贡这一块我觉得路径上可能也不是这样来看因为毕竟这个东西是很数位它也不会限制美国的这些产品跟服务。能够进到其他的地方去可是即便我们假设好了。
戴志言：那中国真的是施展强的是非常多但是现在他们还有另外遇到另外一个问题就是他们本身的言论审查的问题甚至我们讲说就是网络长城的问题。这件事情好像本身就跟他们国家。 [00:28:24]
凯旋：里面是相违背的对不对也要看说问的问题会是什么因为当然我们都会有人尝试去挑战某些比较政治敏感的问题大家回答他总是会闪避。或者说这个答案是怎么样可是如果今天它是一个被改良过的模型是以比方说像中国的模型当基础然后他去做了参数的教条他也改了一些模型里面的内容。那这个问题是不是就可以解除掉不知道那第二个就是说虽然他有网路长城的这些问题在你要去访问他或干嘛可能有所限制那中国过去也不是那么笨。他可以在其他的第三地比方说东南亚比方说在东欧它有算力中心它有服务中心它就把这些服务嫁接过去了那我们过去可能最熟悉的就是。美国抖音美国抖音当年在提供美国的这些青少年使用者这些APP的时候它就很聪明的把它的伺服器Parlat这些东西就放到美国去。那名义上是要规避所谓的资料保护的问题但实际上你就会发现他们也在做在地化然后这些资料的拥有跟储存还有使用本质上就控制在中央公司嘛。所以即使他在讲说。
封锁下的分化与长期挑战
凯旋：所以即使他在讲说我们不会做资料运河中国审查干嘛其实你都很难去幸福啦所以中国企业如果想要去做这件事情的话其实他有很多的策略跟做法可以去因应。所以我们前面讲了这么多中国的AI那到底现在美国剩下的优势是什么我觉得他们在原创性跟创新应用上面一直都会让人家很amazing。尤其是他们对于AI使用伦理的一些看法比方说Sopic或是OpenAI他们之前对于国防部的这些合约是有疑虑的Google的员工其实对于跟国防应用合作。他们也是有疑虑的所以这种东西会变成至少你在AI的功能跟发展上面不会完全的把这些东西丢进去所以它出来的使用伦理行为规范。可能也就不像中国的AI这样子非常open然后大概什么事都能处理掉那在技术创新上来讲的话其实美国还是有很多领先的区块我们最近听了一大堆。网路的podcast在讲AI讲机器人我就觉得很好奇这些所谓中国级的创办者其实现在allocate都是在美国在矽谷甚至在纽约啊。这些环境里面那我就很好奇啊那你为什么不会中国做假如中国真的这么好那代表什么中国其实人才的流动还有这些创新的题目的搜寻。其实某个程度上又会回到因为政治意见的考量然后你可能就不能做或者说因为这个计划受到什么样的限制你可能很难进一步的往下去发展。那一切以国家为目标去做这种性能竞争的时候你当然可以做出一个非常好的这些模型啊这些AI应用但是反过来讲你在过程里面可能就扼杀掉了。所谓创新的可能那这个是来自于不同国家的那个制度基因上制度的差异啊所以当你习惯是这样去处理当你习惯用网络长程当你习惯用中国。可能相对品质没那么好的数据在训练的时候你可能都会找到对应的方法所以你可能在做创新的时候就有一些帮手帮脚题目不敢做或哪个东西是不能做。被禁止可是在美国目前看起来的话除了AI使用伦理之外它其实很多东西都尝试在创新去处理比方说我就想要用AI来做所谓的数位医疗。那我想要用AI去解决农业上的问题想要去解决什么样的问题可能它过去的方法路径都是不同的那有可能走在一些灰色地带但是只要经过这个机制的认可审核。确定这样的问题不会产生副作用那大部分的strategy其实都是能够走下去所以美国现在在这一方面的优势还是在那另外一个部分就是在半导体产业上的优势。那个还是很明显世界上现在最好的GPU还是跑不掉几家公司嘛NVIDIAAMD对吧那这些人都还是在美国境内都还是在美国生产。这样的一个芯片供应全球那第三个层级是他其实有很多partner是大家一起在做这些partner都是世界一流的partner。ASMO台积电对吧然后ASE这些人这全部都是全世界一等一的好手这些人形成了一个非常强大的产业合作的体系在协助美国的AI产业。半导体产业往前走那中国虽然想要追赶中国有钱但是很多时候其实并不是钱就买得到它需要时间的积累它需要技术不断的迭代的更新。如果这件事不发生对吧就是有钱就能办的话那它也不需要派那么多商业间谍到处去找先进的这些半导体的技术AI的技术回中国去所以美国现在看起来。它本身在制度上的优势在科技上的优势在联盟合作这些盟邦公司上面的优势一时半刻中国还很难取代那台湾身为盟友的一环台湾接下来的挑战会是什么。台湾其实在这个结构上很清楚明确被赋予的叫做芯片制造跟IT产品的生产所以你看我们这一波的AI热潮上来到现在其实台湾的产业也好。或是单位也好就比较少去谈我们有自己的LM因为这个部分连日本都很难做所以这个大概也不可能那你谈到AI的应用大概有很多案例出来。但是这些案例是不是真的是我们现在讲的这种AI还是延续过去数位化自动化的那个逻辑其实也有待商榷所以我们在应用跟软体上面。看起来还是用国外的东西比较多可是在先进芯片的制造在伺服器在这些硬体整个供应链的强势跟这种优越性大概也很难有国家现在一时半刻可以把你取代掉。虽然我们过去有一些产能在大陆在中国但是目前也看起来慢慢的会形成中国可能流产能然后要供应美国的地方可能逐渐移出来到东南亚回台湾。甚至就到美国去投资那这些公司其实都还是控制在台湾手上我们并没有因为说移出中国之后然后我们就把整个产业链就拱手让人给别人。其实并没有所以台湾在这一个部分的优势还是很明显那再加上先进芯片的制程来讲的话台湾的代工模式也是其他国家真的很难学你现在想要转单到intel去。想要转单到revit去想要转单到三星去其实都没有那么容易因为这些公司都面临一个问题我怎么样同一个时间跟四五百家不同的公司。同步合作然后把他们要的芯片以他们期望的价格能够生产出来这个不是一个容易的事情因为它涉及到很多协调的成本它涉及到很多体系间。要如何对话前进的问题那这个层次来讲台湾的产业文化跟企业文化我们过去源自于中小企业运作网络的那个弹性跟对话能力在这个体系里面。就开始被放大凸显出来所以这反而是我们过去一直累积的优势但是大家好像不觉得它是个优势的一个点那现在看起来是下一个世代的发展上来讲。这样的领域跟结构有可能会更符合整个AI产业在发展过程里面你会看到NVIDIA也好AMD也好他们持续在依赖台湾的产能依赖台湾公司的产能。但是你会看到像CSP的业者他们不断自己在推SIC那这些人其实也都需要借助台湾的这样的一个能耐才有办法顺利拿到这样的一个。芯片跟伺服器所以我觉得台湾在整个结构上来讲还是有一定的优势存在感谢戴老师今天的分享编辑是昂恩我们下回再见周末愉快拜拜。 [00:29:58]