矽谷正在「悄悄」使用中國 AI
這不是成本問題，而是 AI 產業重心正在轉移的信號
前言
各位訂閱者，Airbnb 執行長 Brian Chesky 去年 10 月在彭博訪談中說了一句話。他提到阿里巴巴的 Qwen 模型「非常好、速度快、價格便宜」。一位與 Sam Altman 有私人交情的人，在公開場合說出這樣的話，代表矽谷的氛圍已經發生了相當大的變化。
不只是阿里巴巴的 Qwen。從新創公司起步的 MiniMax、Kimi 也是如此，DeepSeek 同樣如此。甚至最近 OpenClaw 熱潮中，被選擇最多的模型也是中國模型。
事實上，NBC News 對 15 位 AI 新創創辦人、ML 工程師和投資人進行了匿名訪談，其中大多數人表示，他們已經因為成本問題在實務中採用了中國 AI 模型。但這不是單純「用便宜的」這麼簡單。今天我們來聊聊這個現象背後的結構性意義。
數字告訴我們的事：80% 的真相
a16z（Andreessen Horowitz）的合夥人 Martin Casado 在《經濟學人》訪談中拋出了一組讓業界震動的數字：「來找我們做投資提案的開放原始碼新創公司中，有 80% 在使用中國模型。」
不過這裡需要補充一個脈絡。Casado 本人後來做了澄清，這個 80% 是指在「使用開放原始碼模型的新創公司」中的比例。而整體新創公司中使用開放原始碼的比例大約是 20～30%，所以實際上約有 16～24% 的新創公司在用中國開放原始碼模型。但想想一年前這個數字幾乎是 0%，這個變化速度本身就是關鍵。
從 Hugging Face 的下載數據可以更清楚地看到這個趨勢。阿里巴巴的 Qwen 系列在 2025 年的累計下載量已超越 Meta 的 Llama，而根據 MIT 的研究，中國開放原始碼模型的總下載量已超過美國模型。特別是 Qwen 的衍生模型佔據了 Hugging Face 新語言模型的 40% 以上，而 Llama 的衍生模型則降至約 15%。這意味著 Qwen 已經成為全球開放原始碼 AI 的 預設基礎模型（default base model）。
為什麼會發生這件事：價格 × 開放性 × 速度
要理解這個現象，需要看三個維度。
第一，價格差距是壓倒性的。DeepSeek V3.2 的 API 價格約為每百萬輸入 token $0.28。OpenAI GPT-4.1 的同等基準價格是 $2.00。大約 7 倍的差距。如果再加上自架1，成本幾乎趨近於零。對拿到 VC 投資、需要管控燒錢率的早期新創來說，如果 API 費用佔月度支出的 20～40%，這就是生存問題。
第二，開放性塑造了生態系。美國的主要模型（GPT、Claude）大多是封閉式的，不公開權重2，所以客製化有侷限。而 Qwen、DeepSeek、Kimi 等中國模型則公開權重，任何人都可以下載、修改、重新發布。瀏覽器代理程式新創 Circlemind AI 的共同創辦人 Antonio Vespoli 表示，開發者社群中訓練指南和技術支援資源最豐富的模型，已經變成中國模型了。
第三，發布速度是另一個層級。MIT 研究員 Shayne Longpre 指出，中國 AI 實驗室的模型發布週期是每週或每兩週一次。與美國主要實驗室以半年到一年為單位更新模型相比，開發者能選擇的選項以更快的速度增加。
限制催生的創新：晶片出口管制的悖論
這裡有一個有趣的悖論。美國為了阻擋中國 AI 發展，限制了 NVIDIA 最新晶片（如 H100）的出口。但結果是，這個限制反而加速了中國的輕量化創新。
DeepSeek 表示他們是用不在出口管制範圍內的舊型晶片（H800）開發的，Perplexity 執行長 Aravind Srinivas 用「需要是發明之母」來形容這個情況。根據 UBS 證券的中國互聯網分析師，中國互聯網企業 2025 年的資本支出（CapEx）約為 560 億美元，僅為美國同業的十分之一，但 AI 模型性能已達到「可比較（comparable）」的水準。
6 億參數3級別的圖像生成模型，已經輕量化到能在一般筆記型電腦上運行的程度。M2 以上的 MacBook，或 12 代 Intel + 32GB 記憶體的 Windows 筆記型電腦就足夠了。這已經不是技術「民主化」的問題，而是進入門檻本身正在消失。
西方開放原始碼的轉折點：Meta 的選擇
與此同時，西方唯一具有意義的開放原始碼模型——Meta 的 Llama，也站在變革的十字路口。
Yann LeCun，Meta 的首席 AI 科學家、被譽為「深度學習之父」之一，在 Meta 工作 12 年後，於 2025 年 11 月宣布離職。他長期公開主張「LLM4 無法達到人類級別的 AI」，並創立了新公司 AMI Labs，表示將研究「世界模型（world model）」——理解物理世界的 AI。
更值得注意的是，LeCun 離開後 Meta 的 AI 策略正在改變。來自 Scale AI 的 Alexandr Wang 出任新的 AI 負責人，原本以研究為核心的 FAIR 團隊被縮編。而且從 Llama 4 之後，可能會採用新的授權體系。如果開放原始碼陣營中 Llama 所扮演的角色縮減，那這個空缺由誰來填補？照目前的趨勢，答案很明確。
Oz 的視角
老實說，我認為把這個現象放在「美國 vs. 中國」的框架下來讀，本身就是一種陷阱。
在制定 GTM 策略的過程中，我一直觀察到一個模式：在技術市場中，真正改變遊戲規則的不是性能優勢，而是可及性的轉變。PC 取代大型主機，不是因為性能更優越。AWS 改變企業 IT，也不是因為造了更好的伺服器，而是因為它讓「需要購買伺服器」這件事本身消失了。
現在中國開放原始碼模型做的事情也類似。他們不是在競逐「做出更好的模型」，而是採取消除模型使用成本和進入門檻本身的策略。習近平政府直接支持開放原始碼生態系，企業願意承受短期損失來公開模型——無論你喜不喜歡，這個策略都非常一貫。
我真正擔心的是韓國。在美國和中國之間，AI 模型、開放原始碼生態系、晶片供應鏈——我們連在盛宴上擺下飯碗的位置都還沒找到。不能只把這件事當「哇，中國好厲害」的消費性新聞看完就結束。為什麼他們能用那麼小的模型做出那種性能？我們怎麼能善加利用？問題必須追到這個層面。
結語
總結如下：
- 矽谷新創公司中已有相當比例在實務中採用了中國開放原始碼 AI 模型，且這個趨勢正在加速。
- 這不是單純的成本節省，而是 AI 產業的價值正從「模型開發」向「模型之上的服務」轉移的結構性變化信號。
- 晶片出口管制這個限制，反而促進了中國輕量化創新的悖論性結果，也值得關注。 下次選擇 AI 工具時，與其問「這是哪家公司的模型」，不如以「這個服務能多高效地解決我的問題」作為標準。市場已經在朝這個方向運作了。
參考資料 & 延伸閱讀
- NBC News, “More of Silicon Valley is building on free Chinese AI”, 2025.11.30. ：本封電子報的起點，是一篇深度報導。15 位匿名訪談的內容是核心。
- MIT Technology Review, “What’s next for Chinese open-source AI”, 2026.02.12. ：最系統性地整理了 OpenRouter 數據和 Hugging Face 下載趨勢的文章。
- Al Jazeera, “China’s AI is quietly making big inroads in Silicon Valley”, 2025.11.13. ：包含 Nathan Lambert（ATOM Project）的訪談，很好地呈現了美國境內中國模型採用的現況。
- CNBC, “Meta chief AI scientist Yann LeCun is leaving to create his own startup”, 2025.11.19. ：有助於理解 Yann LeCun 離職的脈絡和 Meta AI 組織重組的背景。
- MIT Technology Review, “Yann LeCun’s new venture is a contrarian bet against LLMs”, 2026.01.22. ：Yann LeCun 親自解釋為什麼要挑戰 LLM 範式，以及 AMI Labs 的方向。
- IntuitionLabs, “LLM API Pricing Comparison (2025)”, 2025.10.31. ：比較整理主要 AI 模型 token 價格的資料。想以數字確認成本差距時可以參考。
각주
-
自架（Self-hosting）：不透過外部 API 呼叫，而是將 AI 模型直接安裝在自有伺服器上運行的方式。初期建置成本較高，但隨著使用量增加，相對於 API 費用會越來越划算。 ↩
-
權重（Weights）：AI 模型透過學習獲得的數值參數。用人的比喻來說，就像「從經驗中學到的判斷標準」。公開權重後，任何人都可以複製和修改該模型。 ↩
-
參數（Parameter）：表示 AI 模型大小的單位。6B（6 億）算是比較小的模型，GPT-4 級別則估計有數千億個以上。參數越少，運行所需的計算資源就越少。 ↩
-
LLM（Large Language Model）：大規模語言模型。透過學習大量文字數據、以預測下一個詞的方式運作的 AI 模型。ChatGPT、Claude、Gemini 等都是典型的 LLM。 ↩
