# 影片筆記：The Real Reason China's Best AI Is FREE (It's Not Generosity)

## 一句話總結

中國透過硬體自主、軟體架構創新（如 DeepSeek 的 MLA 與 MoE 技術）、免費開放權重策略以建立生態系統，以及將 AI 定為國家基礎設施，成功在美國晶片管制下逆襲，並透過數據優勢與商業模式差異，使中國 AI 模型在美國公司的使用量中佔據主導地位。

## 核心重點

1.  **中美 AI 競爭現狀逆轉**：
    *   中國 AI 模型已佔據美國公司近 60% 的使用量。
    *   在 2026 年 5 月至 6 月期間，中國 AI 模型的月度 Token 使用量超過美國模型。
    *   部分中國模型在基準測試中擊敗美國模型，且訓練成本遠低於美國公司（例如 DeepSeek 僅約 600 萬美元 vs. 數十億美元）。

2.  **美國制裁與中國硬體應對**：
    *   美國透過「外國直接產品規則」（FDPR）限制中國購買 NVIDIA H100 等先進晶片及製造設備。
    *   NVIDIA 推出降級版晶片（H20）以符合規定。
    *   中國透過 SMIC 利用較舊設備製造晶片，華為推出搭載 Ascent 晶片並支援 5G 的 Mate 60 Pro，實現硬體自主。

3.  **軟體與架構創新（DeepSeek 案例）**：
    *   **專家混合技術（Mixture of Experts, MoE）**：將模型細分為 256 個專家，僅激活所需專家（如 8 個），其餘休眠，大幅降低運算成本。
    *   **多頭潛意識注意力（Multi-Head Latent Attention, MLA）**：壓縮「鍵值緩存」（Key Value Cache，即短期記憶），將大量細節壓縮為少量摘要，減少超過 90% 的短期記憶體需求，降低運行成本。

4.  **商業模式差異：免費作為獲客入口**：
    *   **西方模式**：透過訂閱制、API 調用或 Token 計費直接獲利。
    *   **中國模式**：將模型視為「獲客入口」（Entry Point），透過免費或低價模型吸引開發者，最終透過雲端服務（Cloud）、基礎設施、諮詢及企業級解決方案獲利。
    *   案例：阿里巴巴提供免費 Qwen 模型，獲利點在於雲端託管與伺服器；騰訊提供模型（Hanuan/Hunyuan），獲利點在於企業軟體生態系。

5.  **分發策略與生態系統效應**：
    *   **開放權重（Open Weight）**：開發者可下載模型進行微調（Fine-tune）與部署，形成類似 Android 的開放生態系。
    *   **轉換成本與網絡效應**：開發者投入時間整合系統後，較難切換競爭對手。
    *   **實際應用**：Airbnb 使用 Qwen 構建客服；Pinterest 自訂 Qwen 降低成本；美國公司 Cursor 的編碼模型 Composer2 基於中國 Moonshot AI 的 Kimi K2.5 基礎模型構建。

6.  **國家戰略與基礎設施**：
    *   中國將 AI 發展定為國家使命（2017 年《新世代人工智慧發展計劃》），目標 2030 年成為全球領先中心。
    *   建設「全國一體化算力網絡」，將分散數據中心透過高速光纖連接，提供類似公共基礎設施的算力租賃。
    *   大公司分工協作：百度（自動駕駛）、阿里（智慧城市）、騰訊（醫學影像）、科大訊飛（智能語音）。

7.  **對全球的啟示：主權 AI（Sovereign AI）**：
    *   各國應建立自主的運算能力、數據與模型基礎設施，避免在地緣政治衝突中失去關鍵技術訪問權。
    *   完全依賴外國 AI 的國家將永遠易受外國決策影響。
    *   AI 領導力不僅是模型比較，更在於完整的系統（晶片、電力、數據中心、人才、雲端）。

## 詳細大綱

### 1. 中美 AI 競賽現況與美國制裁
*   **競爭現狀**：
    *   中國在全球及美國境內的 AI 使用率領先。
    *   中國 AI 模型佔美國公司近 60% 用量。
    *   部分中國模型在基準測試中表現優於美國模型。
*   **美國的限制與制裁**：
    *   2022 年 10 月，美國禁止中國購買 NVIDIA 最先進的 AI 晶片。
    *   限制中國購買先進製造設備。
    *   利用「外國直接產品規則」（FDPR）控制 TSMC 和 ASML 等非美國公司的供應鏈。
    *   NVIDIA 推出降級版晶片（H20）以符合出口規定。

### 2. 中國的硬體突破
*   華為推出 Ascent 晶片並搭載於 Mate 60 Pro，實現 5G 連接。
*   SMIC（中芯國際）利用較舊設備製造先進晶片，雖效率較低但實現了自主生產。

### 3. 中國的軟體與架構創新 (DeepSeek 案例)
*   **專家混合技術 (Mixture of Experts)**：
    *   將模型細分為 256 個超專業專家。
    *   僅激活解決問題所需的少量專家（如 8 個），其餘保持休眠。
    *   大幅降低運算成本與費用。
*   **多頭潛意識注意力 (Multi-Head Latent Attention, MLA)**：
    *   壓縮「鍵值緩存」（Key Value Cache，即短期記憶）。
    *   將大量細節壓縮為少量摘要，減少超過 90% 的短期記憶體需求。
    *   使模型能處理更長對話且運算成本更低。
*   **成本對比**：DeepSeek 訓練成本僅約 600 萬美元，遠低於美國公司的數十億美元。

### 4. 中國基礎設施建設
*   將 AI 基礎設施視為公共基礎設施（類似道路或電力）。
*   建設「全國一體化算力網絡」（National Integrated Computing Power Network）。
*   在土地便宜、可再生能源豐富的地區建立大型數據中心。
*   透過高速光纖網絡連接，提供算力租賃服務，讓企業與研究機構按需租用算力。

### 5. 數據優勢與訓練
*   **數據需求的演進**：下一代 AI 不僅需要文字，更需要理解物理世界（動作、物體互動、光影變化）。
*   **中國的數據優勢**：
    *   擁有全球最大的數位生態系統之一。
    *   平台（Douyin, WeChat, TikTok）產生海量文字、圖像、音頻和視頻數據。
    *   企業（如 ByteDance）不僅擁有視頻內容，還掌握用戶行為數據（觀看時長、流失點、互動反應）。
    *   核心概念：如果晶片是引擎，數據就是燃料。

### 6. 商業模式：為什麼可以免費？
*   **西方模式**：直接出售智力訪問權（訂閱制、API 調用、Token 計費）。
*   **中國模式**：模型只是「入口點（Entry Point）」，真正賣的是「生態系統」。
    *   **案例 1：阿里巴巴 (Alibaba)**：提供免費模型 Qwen，目標是讓企業在其雲端（Alibaba Cloud）上運行應用，獲利點為雲端託管、伺服器、儲存、安全、技術支援。
    *   **案例 2：騰訊 (Tencent)**：提供模型 Hanuan，目標是讓企業使用騰訊雲端及企業軟體生態系。
    *   **核心邏輯**：模型免費或便宜，但運行模型所需的基礎設施（GPU、伺服器、工程師）是昂貴的。模型是「客戶獲取策略（Customer Acquisition Strategy）」。

### 7. 策略 2：透過分發獲勝 (Win with Distribution)
*   **開放權重 (Open Weight) 策略**：
    *   開發者可下載訓練好的模型，在自有電腦或伺服器運行。
    *   允許修改和微調（Fine-tune）以適應特定需求。
*   **網絡效應與轉換成本**：
    *   開發者投入時間學習、編寫程式碼並整合系統後，較難切換到競爭對手的模型。
*   **研究與改進循環**：
    *   研究人員可輕鬆研究模型並發布改進技術，形成共享生態系。
*   **市場數據表現**：
    *   中國模型在全球前 50 大最常用 AI 模型中快速佔據市場份額。
    *   **關鍵數據點**：2026 年 5 月至 6 月，中國 AI 模型的月度 Token 使用量超過美國模型。
    *   **具體案例**：
        *   阿里巴巴 Qwen：年度下載量超過 10 億次。
        *   Airbnb：使用 Qwen 構建 AI 客服系統。
        *   Pinterest：自訂 Qwen 模型，據稱在某些負載下降低成本高達 90%。
        *   Cursor（美國快速成長的 AI 編碼公司）：其編碼模型 Composer2 是基於中國公司 Moonshot AI 的 Kimi K2.5 基礎模型構建的。

### 8. 策略 3：將 AI 定為國家任務 (National Mission)
*   **2017 年戰略規劃**：
    *   中國國務院發布《新世代人工智慧發展計劃》。
    *   目標：2030 年成為全球 AI 創新領先中心。
    *   措施：大學擴展相關科系、政府資助實驗室、城市設立 AI 創新區。
    *   人才回流：鼓勵海外研究人員回國，提供資金與政策支持。
*   **大公司分工協作**：
    *   科技部指定大公司開發特定領域的開放創新平台：
        *   百度 (Baidu)：自動駕駛。
        *   阿里巴巴 (Alibaba)：智慧城市。
        *   騰訊 (Tencent)：醫學影像。
        *   科大訊飛 (iFlytech)：智能語音技術。

### 9. 對世界的啟示與反思
*   **關於「捷徑」的辯證**：
    *   美國公司指控中國實驗室使用「蒸餾（Distillation）」技術。
    *   指控中國通過黑市走私受限的 Nvidia 晶片（提及 Supermicro 聯合創始人被指控非法轉移數十億美元的 Nvidia 伺服器）。
    *   **反駁觀點**：走私晶片無法單獨建立數千名研究人員、大型數據中心、新工程技術及全球開發者使用的生態系。中國也投入大量資源於研究和硬體優化。
*   **關於隱私與審查**：
    *   西方 AI 同樣存在隱私問題：ChatGPT 預設訓練於用戶對話；Gemini 合併用戶數據；Claude 更改隱私政策默認數據保留。
    *   認為「中國 AI 是威脅，西方 AI 是安全選擇」的觀點是錯誤的。
*   **給各國的兩大教訓**：
    1.  **主權 AI (Sovereign AI)**：每個國家需要對自己的 AI 未來擁有控制權，必須擁有足夠的運算能力、研究人才、數據、模型和基礎設施。
    2.  **AI 領導力在於生態系統**：強大的 AI 需要完整的系統：晶片、電力、數據中心、大學培訓工程師、研究實驗室、雲端公司及將 AI 轉化為產品的企業。

## 工具 / 模型 / 名詞整理

*   **AI 模型/產品**：
    *   Kimi K3
    *   GPT 5.6 / GPT 5.4
    *   Fable 5
    *   QEN 3.8 / Quen / Qwen (Alibaba)
    *   ChatGPT
    *   DeepSeek / DeepSeq
    *   Claude (提及 Opus 4.6 Max)
    *   Gemini 3.1 Pro
    *   Hanuan (Tencent)
    *   C-Dance (ByteDance)
    *   Composer2 (Cursor)
    *   GLM (Z.AI)
    *   Kimi K2.5 (Moonshot AI)
*   **硬體/晶片/公司**：
    *   NVIDIA (H100, H20)
    *   TSMC (台積電)
    *   ASML
    *   Huawei (華為) - Ascent 晶片, Mate 60 Pro
    *   Samsung (三星)
    *   MediaTek (聯發科)
    *   Qualcomm (高通)
    *   Apple (蘋果)
    *   SMIC (中芯國際)
    *   Supermicro (伺服器製造商)
*   **技術/術語**：
    *   Foreign Direct Product Rule (FDPR, 外國直接產品規則)
    *   Mixture of Experts (MoE, 專家混合)
    *   Multi-Head Latent Attention (MLA, 多頭潛意識注意力)
    *   Key Value Cache (鍵值緩存)
    *   National Integrated Computing Power Network (全國一體化算力網絡)
    *   Distillation (蒸餾)
    *   Open Weight (開放權重)
    *   Fine-tune (微調)
    *   Sovereign AI (主權 AI)
*   **平台/社群/組織**：
    *   Pinterest, Airbnb, Coinbase, WhatsApp (社群名稱：Staying Ahead)
    *   Douyin (抖音), WeChat (微信), TikTok
    *   Google Chrome, Google Cloud, Twitter, Threads, Android
    *   ByteDance, Alibaba, Tencent, Z.AI, Moonshot AI, OpenAI, Anthropic, Google
    *   State Council (國務院), Ministry of Science and Technology (科技部)
    *   Baidu (百度), iFlytech (科大訊飛)

## 操作流程整理

1.  **硬體層面**：
    *   中國透過 SMIC 利用較舊設備製造晶片，華為推出搭載 Ascent 晶片的手機，繞過美國對先進晶片的限制。
2.  **軟體架構層面 (DeepSeek)**：
    *   採用專家混合技術 (MoE)，將模型細分為 256 個專家，僅激活所需專家以節省算力。
    *   發明多頭潛意識注意力 (MLA) 技術，壓縮短期記憶（鍵值緩存），降低訓練與運行成本。
3.  **商業與分發層面**：
    *   提供免費或低價的開放權重模型 (Open Weight)。
    *   開發者下載模型進行微調 (Fine-tune) 與部署。
    *   透過建立生態系統與轉換成本，將用戶引導至雲端服務與基礎設施收費模式。
4.  **國家戰略層面**：
    *   政府發布戰略規劃，引導大公司分工（自動駕駛、智慧城市等）。
    *   建設全國一體化算力網絡，提供公共基礎設施級的算力租賃。

## 值得注意的限制或風險

*   **晶片限制**：美國透過 FDPR 限制中國購買先進 AI 晶片及製造設備，迫使中國使用效率較低的舊設備或降級版晶片（H20）。
*   **數據隱私**：西方 AI 同樣存在隱私問題（如 ChatGPT、Gemini、Claude 的數據收集政策），並非絕對安全。
*   **依賴風險**：完全依賴外國 AI 的國家將永遠易受外國決策影響，若美國或中國因地緣政治限制技術訪問，依賴他國的國家（如印度）將面臨風險。
*   **技術指控**：美國公司指控中國實驗室使用「蒸餾」技術及通過黑市走私晶片，雖然影片反駁此觀點，但這仍是國際競爭中的爭議點。

## 逐字稿辨識疑點

*   **Fable 5**：逐字稿提及「beat GPT 5.6 and Fable 5」，「Fable 5」疑似為模型名稱聽寫錯誤，需查證。
*   **QEN 3.8 / Quen / QEN / Qwen**：逐字稿提及「Alibaba is releasing an equally powerful QEN 3.8」及後續出現「Quen」、「QEN」、「Qwen」，疑似為阿里雲相關模型名稱的聽寫不一致，需查證。
*   **DeepSeq / DeepSeek**：逐字稿中交替使用「DeepSeek」與「DeepSeq」（例如：「DeepSeq used a technique...」、「DeepSeq's technique, MLA...」），疑似為同一個模型名稱的聽寫不一致，需查證是否為 DeepSeek 的變體或誤聽。
*   **Opus 4.6 Max**：逐字稿提及比較對象為「Opus 4.6 Max」，此名稱與已知模型版本（如 Opus 3 或 Claude 3.5 Sonnet 等）不符，疑似為聽寫錯誤，需查證。
*   **GPT 5.4 / GPT 5.6**：逐字稿多次提及「GPT 5.4」與「GPT 5.6」，目前公開版本多為 GPT-4 系列或 GPT-4o，此版本編號需查證是否為影片中的特定說法或誤聽。
*   **H20**：逐字稿提及「downgraded version of H20」，通常 H20 是 NVIDIA 針對中國市場推出的特定型號，此處語境為「降級版 H20」，需確認是否指 H20 本身即為降級版，或另有更降級版本。
*   **C-Dance**：逐字稿提及 "popular AI platform C-Dance"，需查證 ByteD