2026/09/29 11:42

亞洲砸錢追AI基礎模型，可能從一開始就選錯戰場。（路透資料照）
〔財經頻道／綜合報導〕亞洲多個中等強國正投入資金發展本土AI基礎模型，希望降低對美國與中國供應商的依賴。不過，外媒認為，AI基礎模型訓練成本每年約增加3.5倍，下一代基礎模型的訓練成本將是現在的數倍，很快就會超過亞洲追趕型國家目前能提供的補貼規模，警告亞洲中等強國恐陷入燒錢競賽。
外媒指出，單看模型訓練費用，仍低估了真正逼近技術前沿所需的成本，企業還必須爭奪人才、支付大量實驗費用，並承擔訓練失敗所造成的損失。基礎模型尤其難以複製亞洲過去產業追趕的成功模式，因為維持在技術前沿所需的資本投入不僅龐大，而且正在快速上升。
文章指出，訓練目前領先模型之一Grok 4，估計耗資4.9億美元（約新台幣155.3億元）；研究機構Epoch AI估算，自2020年以來，前沿語言模型的訓練成本每年約增加3.5倍。這意味著，要持續保持競爭力，政府必須一代接一代投入更高金額。
儘管成本快速上升，亞洲多個中等強國仍正投入公共資源，希望建立本土基礎模型、降低對美中供應商的依賴。南韓2025年8月選出5家公司競逐國產模型計畫，提供5300億韓元（約新台幣124億元）資金，希望開發可與美中領先企業競爭的模型。
印度則透過IndiaAI計畫約11億美元（約新台幣348億元），其中相當部分用於開發以印度語言及本地數據訓練的模型；日本GENIAC計畫也向本土開發商提供運算資源與支援。
這種做法延續了亞洲自1970年代以來依靠產業政策追趕先進國家的傳統，但基礎模型與汽車、電子等傳統產業存在明顯差異。汽車工廠可以使用數十年，即使競爭對手推出更好的產品，由於產品週期較長、轉換成本較高，原有企業仍可能維持市場。但基礎模型更新速度極快，稍微落後的模型若沒有更低推論成本、更好的本地語言能力、更高隱私保護或特殊領域優勢，很難形成明顯差異。
而且領先企業的優勢會隨時間累積。能力較強的模型可以吸引更大規模的全球客戶，創造收入後再投入下一代模型。以Token計價及訂閱制為主的商業模式，也使消費者對模型能力的小幅差距十分敏感，因此落後企業能取得的收入更少，也更難持續投入研發。
AI基礎模型本身又高度依賴研究支出。Anthropic在2025年的研發支出約為公司營收的1.5倍，許多中國競爭對手的研發投入甚至達營收數倍。對亞洲中等強國而言，如果希望長期維持在前沿模型附近，所需投入將遠超目前政策計畫的規模。
新加坡選擇了不同路線，其SEA-LION v4.5模型專門針對東南亞語言及文化情境，並非從零開始訓練，而是在阿里巴巴及Google DeepMind既有開源模型基礎上進行微調，整項計畫預算僅7000萬新幣（約新台幣17.3億元），仍能取得相當程度的本地化效果。
不過，微調能做到的事情仍受到原始模型能力限制，在網路行動及科學研究等具有戰略意義的領域，仍高度依賴更先進的基礎模型。若亞洲國家真正擔心未來遭到前沿AI系統限制，將有限公共資源投入自身已具備長期比較優勢的環節，可能更具持續性，包括南韓的記憶體晶片、台灣的半導體，以及日本的機器人產業。這些產業需要龐大前期投資、技術能力與多年建立的供應鏈，競爭者要大規模複製的成本遠高於重新訓練一套模型。
文章指出，亞洲中等強國擔心依賴外國AI系統並非沒有理由，但如果試圖在本國重新打造能與美中前沿模型競爭的基礎模型，不僅成本高昂，也未必能真正確保取得最具戰略價值的AI能力。相較之下，加深既有產業優勢，可能是更具持續性的選擇。