陳國祥，台灣資深媒體人，曾任《自立晚報》總編輯、《中國時報》總編輯、《中時晚報》社長、《中國時報》特約主筆；前中央社董事長。 電郵：[email protected]

二零二六年七月，全球人工智能產業迎來一個關鍵時刻。月之暗面旗下的Kimi K3宣布釋出完整模型權重，與此前推出的DeepSeek-V4形成呼應。中國人工智能產業不再只是推出另一個「性能接近美國模型」的產品，而是開始向全球科技產業提出一個更根本的問題：人工智能的未來，真的必須依賴美國巨頭所建立的「超大規模資本支出—頂級ＧＰＵ—封閉模型—高價ＡＰＩ」模式嗎？ 理解今日ＡＩ產業的變化，必須先理解Token是什麼。大型語言模型將文字切分成可處理的單位，這些單位就是Token。企業使用ＡＩ服務時，實際上是按照輸入與輸出的Token數量付費。問題在於，ＡＩ正在從聊天機器人轉變為Agent——能夠自主規劃、執行與修正工作的「智能體」。一個聊天機器人可能只需要回答一次問題；一個ＡＩ智能體卻可能需要閱讀數百份文件、呼叫數十次工具、執行多輪推理、撰寫程式、測試結果，再根據錯誤重新修改。這一連串工作可能需要模型進行數十次甚至數百次推理與工具調用。未來ＡＩ的核心問題將不再是「誰的模型最聰明」，而是誰能夠以最低成本，提供足夠高的智能？ Kimi K3與DeepSeek-V4所帶來的最大震撼正在於此。Kimi K3總參數規模達二點八兆，採用混合專家（ＭｏＥ）架構，內部共有八百九十六個路由專家，每個Token選擇其中十六個，實際激活參數約一千零四十二億。透過稀疏化設計，模型總體可以非常龐大，但每一次回答問題所需的實際計算量卻大幅降低。DeepSeek-V4系列同樣採用ＭｏＥ架構，Pro版本總參數一點六兆、激活參數49B，Flash版本總參數284B、激活參數13B，兩者皆支援一百萬Token上下文長度。 模型的「總規模」與每次使用的「實際成本」開始脫鉤——過去人們普遍認為模型越大就必須使用越多ＧＰＵ；未來則是模型越大，但透過更有效率的架構，每次運算只使用極少部分。 這種技術路線對中國尤其重要。中國目前最大的ＡＩ弱點，是高階ＡＩ芯片受到美國出口管制。既然不能像美國科技巨頭那樣無限制購買最先進ＧＰＵ，中國ＡＩ企業就必須想辦法讓每一塊芯片發揮更大作用——這就是所謂的「以軟補硬」。 Kimi K3正是這種路線的典型代表。在算力資源有限的情況下，月之暗面借助Kimi Delta Attention（ＫＤＡ）、Attention Residuals以及MoonEP等技術創新，將模型規模化效率提升約二點五倍。ＫＤＡ是一種線性注意力機制，將傳統Transformer中隨序列長度增長的ＫＶ緩存替換為固定大小的循環狀態；MoonEP則是面向超大規模MoE模型的高性能專家並行通信庫。月之暗面團隊還自研了Moon Clip新型二階優化器，原本需要40T數據才能達到的訓練效果，現在只用20T訓練數據就能實現。 DeepSeek-V4則著力解決ＡＩ產業下一個最大的技術瓶頸：長上下文與智能體的運算效率。其推理算力與ＫＶ Cache佔用僅為V3.2的百分之十和百分之七。如何讓ＡＩ記住更多東西但消耗更少的記憶體，將成為Agent時代的核心問題。 中美ＡＩ不同商業邏輯 中美ＡＩ競爭正在形成兩種截然不同的商業邏輯。美國巨頭希望控制最強模型，透過封閉ＡＰＩ獲取高額收入；中國企業則可能透過開放模型降低價格、擴大用戶規模，再從雲端服務、企業部署、硬體應用與生態系統中獲取收益。中國頭部模型Token均價約為美國同類產品的四分之一，這種價格優勢正在產生實際影響。Kimi K3上線僅六天，在OpenRouter上的Token使用量就超過七千四百億。中國模型下載量、衍生模型數量已超過美國，引領全球ＡＩ開源生態。 然而，中國ＡＩ的快速進步並不代表已經完全突破美國的硬體封鎖，高階芯片依然是中國最重要的瓶頸。目前全球最先進的ＡＩ運算體系，仍然由台積電先進製程、輝達ＡＩ加速器、ＣＵＤＡ軟體生態與ASML EUV光刻機共同構成。 美國的封鎖提高了中國ＡＩ發展的成本，但並沒有使中國ＡＩ停止發展。中國ＡＩ芯片自給率已從二零二一年的約一成升至二零二六年的四成一；輝達在中國ＡＩ半導體市場的份額預計將急劇下降至百分之八，而中國企業總份額將達到八成。 中國的策略正從「追求單一最強芯片」轉向「整體系統效率」——更有效率的模型架構、更好的編譯器、更高效的推理、更強的國產芯片、更大規模的本地市場以及開源社群。這是一種不同於矽谷的技術路線：美國的優勢是把最好的硬體集中在少數巨型企業手中；中國則用更多元的硬體、更有效率的軟體和更大規模的市場，建立另一套可以運轉的ＡＩ生態。 美國在爭奪「最強大腦」，中國在建設「智能社會」。兩種模式各有所長——美國擁有算力與資本的絕對優勢，中國則在算法效率、開源生態與成本控制上展現出獨特競爭力。