報新聞/中部特派員鄒志中報導 傑文斯悖論再現？ Kimi震撼全球 ! 低價AI如何改寫AI供應鏈版圖與台灣命運？ 中國開源大模型為何會成半導體的大利多？中國「月之暗面」（Moonshot AI）日前推出的Kimi K3模型如同一枚震撼彈，迅速登上全球AI社群的熱議榜首。這款擁有2.8兆參數的開放權重模型，在多項基準測試中展現與西方頂尖封閉模型競爭的實力，卻以遠低於對手的價格提供服務。Kimi K3算力需求爆炸性成長，甚至迫使該公司暫停新用戶註冊，凸顯AI算力資源的極限。就在市場開始擔憂「AI投資泡沫」之際，輝達執行長黃仁勳卻給出截然不同的解讀：越聰明的AI，只會帶來越大的AI算力需求。這一觀點，不僅翻轉了短期市場情緒，更點出AI發展的本質——它不是零和遊戲，而是充滿正向回饋的動態系統。
這一事件遠超出單一AI模型發布的層次。它反映了當前AI產業的深層轉變：從追求極致性能的軍備競賽，逐漸走向效率、普及與基礎設施全面升級的階段。低成本開源模型的崛起，正在加速AI向實體經濟滲透，同時也暴露全球AI供應鏈、地緣政治與治理制度的脆弱性。面對這波浪潮，台灣作為全球AI硬體製造的震央，該如何因應？而國際社會又該建立何種AI制度框架，才能讓AI創新與安全、開放與主權並存？
正向循環：傑文斯悖論在AI時代的驗證
傳統經濟思維常將「效率提升」視為需求減少的前兆。但歷史多次證明，這是誤判。19世紀英國經濟學家威廉·史坦利·傑文斯觀察煤炭使用效率改善後，總消耗量不減反增，提出著名的「傑文斯悖論」。今日的AI產業，正上演類似的劇本。
Kimi K3的稀疏混合專家架構（Mixture-of-Experts），讓單次推論成本大幅降低，卻要求部署時完整存放2.8兆參數。這意味著高效能記憶體（HBM）的需求不減反增。分析師指出，儘管活躍的AI參數可能僅數百億，但企業自建系統仍需仰賴大量高頻寬記憶體。美光、SK海力士與三星等AI記憶體供應商因此成為潛在受惠者。類似現象也出現在更廣泛的AI應用層：當開發者能以更低成本取得強大模型，新的AI代理（Agent）、企業流程自動化與客製化服務便如雨後春筍般湧現，進而推升對GPU、網路設備與資料中心的整體需求。
黃仁勳的觀察在此顯得務實：輝達AI算力具備「通用可替換性」（fungible），可支援各種模型，出租市場活躍。新創公司與開發者持續在其平台上迭代，正是需求韌性的最佳證明。Google同步推出的Gemini Flash系列，以及傳聞中的Frozen v2自研晶片（預計2028年部署，AI算力效率提升6-10倍），同樣指向同一方向——大廠不再滿足於通用硬體，而是透過軟硬體共同設計，降低AI推理成本，擴大AI應用邊界。
這些發展共同勾勒出AI產業的階段性特徵：訓練階段的「參數軍備競賽」正逐漸讓位給推理階段的「效率與規模競賽」。OpenAI、Anthropic等封閉巨頭提供高端服務，中國開源AI模型則降低入門門檻，形成互補生態。結果是AI不再是少數科技巨頭的專利，而是更廣泛經濟活動的基礎設施。
AI供應鏈震央：台灣的先進定位與隱憂
在這波浪潮中，台灣的角色至關重要。黃仁勳在緯創美國德州新廠開幕時明確指出，台灣早已擺脫「俗擱大碗」的刻板印象，成為全球電子製造與AI發展的「震央」。台積電、鴻海、緯創…等企業不僅供應核心AI晶片，更協助美國建構「友岸」產能，貢獻良多。
AI超級電腦的製造複雜度遠超消費電子。一台系統可能重達2公噸、包含150萬個零件，精密程度與價值均屬頂級。儘管輝達已在美設廠，核心AI供應鏈仍高度依賴台灣的先進製程與生態系。這一依賴既是台灣的戰略優勢，也是潛在風險。電力供應已成為明顯瓶頸，工廠擴建速度超越電網升級步伐。新一代AI工廠採用全液冷循環與高水資源回收率，雖能緩解部分耗水疑慮，但整體AI能源需求暴增仍是事實。
更深層的挑戰在於人才與制度。台灣擁有世界一流的工程實力，但在AI時代，需要的不只是硬體製造人才，更包括跨域的系統整合者、資料科學家與政策規劃者。如何吸引全球頂尖AI人才？如何在美中科技脫鉤壓力下維持AI供應鏈彈性？這些問題已超出企業層次，必須透過公共政策回應。
此外，台灣企業在美國設廠面臨更高製造與生活成本，生態系建構需時日。這提醒我們，「先進」定位需要持續投資，而非僅靠既有優勢。AI帶來的基礎建設升級契機——電網現代化、綠能整合、社區設施更新——若能善用民間資本，而非完全依賴政府補助，將是台灣AI轉型的關鍵。
地緣競賽：開放創新 vs. 主權AI的拉鋸
Kimi K3的崛起加劇了美中AI競爭的緊張。美國內部已出現限制中國AI模型的討論聲浪，從實體清單到安全警告，再到可能的行政措施。部分人士擔憂中國低價模型會侵蝕AI的投資回報，並威脅國家安全。另一方面，開放模型支持者認為，阻礙競爭只會強化少數AI巨頭的壟斷，傷害整體AI創新生態。
中國AI模型在海外使用率快速攀升，在某些平台上Token使用占比已達顯著比例。這反映成本優勢與可取得性對發展中國家與中小企業的吸引力。同時，「主權AI」（Sovereign AI）的概念正興起，世界各國均希望建立自主可控的AI系統，降低外部AI供應鏈依賴。
這一拉鋸凸顯全球AI治理的真空。現有國際機制難以因應技術快速迭代與雙重用途特性。如何在促進開放創新與防範風險之間取得平衡？是否需要新的多邊框架，涵蓋標準制定、資料跨境流動、安全評估與開發中國家能力建構？中國大陸呼籲在AI規則制定中扮演更積極角色，而美國則強調盟友協調。台灣處於關鍵位置，既是技術供應者，也是地緣前線，需發展更具前瞻性的策略。
自研AI晶片浪潮（Google Frozen v2、OpenAI Jalapeño等）進一步複雜化局勢。大廠試圖降低對單一供應商依賴，長期可能分散市場，但短期仍需仰賴先進AI晶片製程。這對台灣是機會，也是提醒：必須持續領先，才能在分散化AI供應鏈中維持領導地位。
超越技術：AI時代的制度改革議程
AI的正向循環不會自動實現。它需要配套的制度創新來化解AI瓶頸與外部性。
第一，能源與基礎設施改革。全球AI資料中心耗能預計持續攀升。台灣應加速電網智慧化、再生能源開發與儲能技術部署，同時制定AI能耗分級管理機制，鼓勵液冷與循環經濟模式。公共投資應與民間資本結合，形成「AI基礎設施基金」之類的長期工具。
第二，人才與教育體系轉型。AI不只改變產業，也重塑勞動市場。台灣需大幅擴大AI相關跨域課程，改革移民與簽證政策吸引國際人才，並建立終身學習機制，幫助傳統產業勞工轉型。企業與大學的產學合作應制度化，而非零星計畫。
第三，供應鏈韌性與友岸合作。台灣應深化與美國、日本、歐盟的技術聯盟，分散風險，同時維持與中國大陸的經貿往來（在國家安全框架內）。先進AI封裝、材料與設備的本土化能力需持續強化，避免單一斷點。
第四，全球治理參與。作為AI硬體關鍵玩家，台灣可積極參與國際標準制定，推動透明的安全評估機制與開放權重模型的最佳實務指南。避免極端保護主義，同時確保關鍵技術不被濫用。
第五，倫理與社會公平。AI普及將放大既有不平等。政策需關注中小企業採用障礙、資料隱私保護，以及AI生成內容的責任歸屬。開放模型雖降低門檻，但也可能加速假訊息與偏見傳播，需要配套的數位素養教育與監管工具。
這些改革並非一蹴可幾。它們要求政府、產業與公民社會的協同治理，超越短期選舉周期。歷史上，每一次通用技術革命（如電力、網際網路）都伴隨著制度重塑。AI時代同樣如此。
擁抱循環，形塑未來
Kimi K3引發的討論，本質上是對AI發展路徑的集體反思。它提醒台灣，技術進步的果實取決於人類如何設計制度。黃仁勳的樂觀不是無視風險，而是基於對需求彈性的深刻理解。台灣若能把握這一波正向循環，透過制度創新鞏固AI發展先進地位，不僅能確保台灣經濟韌性，更可為全球AI治理貢獻亞洲視角。
在不確定性與機會並存的此刻，保守防禦或激進冒進皆非上策。台灣唯有務實、前瞻且包容的改革，才能讓AI真正成為提升人類福祉的工具，而非分裂與衝突的催化劑。台灣未來的AI版圖，將由今日的制度選擇所形塑。