阿里蔡崇信： 解讀中國人工智慧的隱性優勢

該篇訪談深入探討了阿里巴巴集團副主席蔡崇信，對於中國在全球AI競爭中獨特優勢的看法。

首先從中文在技術交流中成為意想不到的優勢切入。他闡釋了中國國家科技規劃的兩大支柱： ＊ 保持製造業強國的地位 ＊ 基於地緣政治考量實現技術的自力更生。

中國的AI策略優勢建立在充沛廉價的能源供應、龐大的工程師人才庫，以及強調開源（Open Source）以加速全民普及的基礎之上，認為競爭的勝負取決於技術的採用率而非單純模型的優劣。

1. 導論：超越模型競賽的全局視角

當前，全球人工智慧（AI）的敘事，普遍被簡化為中美兩國在大型語言模型（LLM）技術上的直接對抗。競賽的焦點往往集中在誰的模型參數更大、性能指標更高。然而，這種單一維度的評估框架，可能忽略了更深層次的戰略動態。

本簡報的核心論點是：要準確評估中國的 AI 競爭力，我們必須超越模型本身的性能競賽，深入剖析其在能源、基礎設施、人才、開源策略乃至語言文化等層面，所構築的一個更為深層且可持續的「全棧式」生態系統優勢。

正如阿里巴巴聯合創始人蔡崇信所言，這場競賽的最終記分牌，並非由模型性能決定，而是取決於 社會採納率。真正的勝利者，是能夠將 AI 技術最廣泛地融入各行各業與民眾生活，從而創造最大社會效益的一方。

本簡報將逐層剖析這些構成中國獨特競爭力的關鍵因素，為理解未來全球 AI 格局提供一個更全面、更具深度的戰略框架。

2. 重新定義競爭賽道：從模型品質到應用普及

中美兩國在定義「AI 競賽勝利」的標準上存在根本差異，這也直接塑造了各自的國家級戰略。美國的產業與輿論普遍將競爭焦點置於大型語言模型的技術優越性上，以 OpenAI 和 Anthropic 等公司的頂尖模型作為衡量國家 AI 實力的黃金標準。相比之下，中國的國家級 AI 戰略展現了截然不同的務實導向，其國務院近期發布的計劃明確提出宏觀目標：「到 2030 年，實現 AI 代理和設備 90% 的滲透率」。此目標從根本上重塑了競爭格局，將重點從模型基準測試的勝利，轉向以社會整合和經濟影響為核心的戰略要務。這種哲學最好地體現在一個指導原則中，即「採納率是最終的記分牌」，其中成功的最終衡量標準，是 AI 技術能否廣泛賦能各行各業並融入民眾生活。這種以應用為導向的宏觀戰略，是建立在一系列堅實的基礎設施和成本優勢之上的。

3. 奠定基礎：能源與基礎設施的成本優勢

能源和數據中心是驅動 AI 發展的兩大基礎支柱。在這兩個看似傳統的領域，中國憑藉前瞻性的長期投資，已建立了難以撼動的成本優勢，這直接影響了其 AI 發展的規模、速度與可持續性。

3.1. 能源優勢：更低廉且充沛的電力供應

中國在電力領域的顯著優勢，源於政府自 15 年前便開始對能源傳輸網絡進行的大規模前瞻性投資。這些投資確保了電力能夠從發電地區高效地傳輸至需求地區，其成果體現在以下幾個關鍵數據上：

值得注意的是，中國的電力淨增長主要來自於太陽能等清潔能源。這些大規模的投資最終轉化為一個決定性的成本優勢：中國的每千瓦時電價比美國便宜約 40%。此結構性成本優勢，為中國 AI 企業提供了進行大規模、高頻次模型實驗的戰略縱深，這是高成本市場的競爭對手難以複製的護城河。

3.2. 基礎設施優勢：數據中心建造成本

除了能源，硬體基礎設施的成本同樣關鍵。在中國，建造一個數據中心的成本（在購買 GPU 晶片之前）比在美國低 60%。

這項優勢與能源優勢形成了強大的複利效應。當成本低 60% 的數據中心由便宜 40% 的電力來驅動時，這不僅是簡單的成本疊加，而是為每個 GPU 計算小時創造了乘數級的成本優勢。這極大地降低了部署大規模 AI 運算基礎設施的門檻，讓初創企業得以參與競爭，並使現有企業能夠以對手無法比擬的規模進行運營。然而，中國的優勢不僅僅體現在硬體和成本上，更延伸至人才與創新方法等軟實力層面。

4. 人才與創新：工程紅利與系統優化

在 AI 領域，頂尖人才的數量和質量至關重要。中國憑藉其龐大的工程師人才庫，以及在資源限制下所形成的獨特創新模式，構建了其在模型開發與優化層面的核心競爭力。中國是全球每年培養最多 STEM 畢業生的國家，數據顯示，全球近一半的 AI 科學家和研究人員擁有中國大學的學位。AI 開發不僅是高層次的研究活動，更是一項繁重的工程任務。正是這個龐大的人才庫，在面臨頂級 GPU 資源限制的現實壓力時，被迫在系統層面進行極致的創新，以最大限度地提升有限硬體的訓練效率。這種壓力催生了所謂的「匱乏的優勢」（Advantage of Starvation），將潛在的弱點轉化為在系統工程和效率優化方面的獨特世界級實力。這種人力資本與實戰淬鍊出的工程能力的強大組合，創造了一個強大的開發引擎，但中國的戰略不僅僅停留在技術執行層面，更延伸至我們接下來將要探討的生態系統控制和文化影響力領域。

5. 獨特生態優勢：開源策略與語言力量

除了硬體設施和人才等硬實力，中國正在利用開源策略和中文的崛起，打造一個獨特的、具有全球吸引力的 AI 生態系統。這兩大軟實力正在重塑全球 AI 應用的格局。

5.1. 開源策略：加速普及與掌握生態主導權

開源，被視為中國 AI 發展的「最大優勢」。以阿里巴巴為代表的中國科技巨頭普遍採納此策略，其核心目標是加速 AI 技術的社會採納與普及。這是一種經典的平台戰略：將模型層商品化，以驅動對高利潤、專有的基礎設施層（雲端服務）的需求。這種模式旨在犧牲模型的直接收入，以換取在 AI 經濟的基礎計算層中佔據主導地位——一個遠比模型本身更龐大且更具防禦性的獎賞。

這與美國主流的商業模式形成了鮮明對比：

• 中國模式 (開源):
  • 目標： 加速 AI 的普及與應用，讓全社會受益。
  • 成本： 用戶可免費下載模型並在自有基礎設施上運行，成本極低。
  • 盈利模式： 不直接從模型收費，而是通過提供運行 AI 所需的雲端計算基礎設施和相關服務（如數據管理、安全）來實現盈利。
• 美國模式 (閉源):
  • 目標： 保持模型技術的領先地位並直接商業化。
  • 成本： 用戶需支付高昂的 API 使用費用。
  • 盈利模式： 直接對模型的使用進行收費。

對於全球用戶（特別是政府和企業）而言，開源模式具備兩大核心吸引力：成本效益，顯著降低了使用和開發 AI 的門檻；以及數據隱私，用戶可以將模型部署在自己的私有雲中，更好地控制自身數據，避免將敏感資訊傳入 API 供應商的「黑洞」中。

5.2. 語言優勢：中文成為 AI 領域的交流新媒介

一個值得關注的新現象是，中文正逐漸成為全球 AI 領域交流的重要媒介。近期一位在 Meta 工作的非華裔員工抱怨其團隊內大量的思想交流與分享是以中文進行的。這標誌著一個歷史性的轉變：過去，語言曾是中國企業國際化的主要障礙；而現在，在全球 AI 圈，大量的思想火花和技術探討正以中文進行。這種語言上的轉變創造了一種資訊優勢，有可能在華語圈內加速創新，同時也為那些尋求進入技術前沿但非普通話使用者的人才庫設置了一道微妙的進入壁壘。

6. 結論：綜合優勢下的戰略展望

對中國 AI 競爭力的評估，絕不應僅停留在模型性能的單一維度。它是一個由低成本能源、高效基礎設施、龐大的工程師人才庫、創新的系統優化能力以及顛覆性的開源生態策略所共同構成的綜合體系。

中國的戰略核心是**「應用為王」**。其終極目標並非打造最先進的模型，而是建立一個成本最低、採納最快、應用最廣的 AI 生態系統。

這種全棧式的、以普及為導向的發展模式，使中國在全球 AI 競賽的長跑中處於一個極為有利的位置。這種模式不僅僅是為了國內的主導地位；它為全球南方國家及其他尋求技術主權的國家提供了一個極具吸引力的非美式 AI 技術棧。中國不僅僅是在 AI 領域進行競爭，它正在全球範圍內提供一種 AI 開發和採納的替代範式。