誰在用 AI 做前所未有的事？例如，ChatGPT 曾有過這樣的亮眼時刻；來自中國的 DeepSeek 同樣也有過突破的時刻。
但總體而言，在談到前沿模型時，誰能拔得頭籌？美國往往是起跑最快的。但我認為我們對這點過度關注了。
我同意 Kori 的觀點，如果我理解正確的話。在美國，有時過度聚焦於此。認為誰先砸下數十億、數百億美元做出第一個模型就能保持領先，事實未必如此。
第二個需要觀察的指標是算力。你能處理多少資料來驅動這些模型？這在一定程度上與晶片有關。
美國及其盟友在最先進的 AI 晶片上處於領先地位。中國在先進 AI 晶片方面落後美國及其盟友大約五到七年。我們從中國企業和中國軍方那裡得知，這正限制著他們進行某些 AI 部署的能力。
但算力的另一個面向是電力和資料中心基礎設施。而這正是美國真正開始遭遇瓶頸的地方。我住在維吉尼亞州，當地的電費暴漲，因為據我了解，維吉尼亞州正在興建大約 1,500 座新的資料中心。
現在美國民眾已經開始抗議這些資料中心，因為它們造成水污染，推高了電費，大家不想住在資料中心旁邊。
因此我認為，我們將會看到算力與權力平衡發生某種轉變，因為中國推動核電專案的速度比我們快得多。他們並不在乎你是否想住在資料中心旁邊。在中國，北京想把資料中心建在哪裡，就能建在哪裡。
所以算力是第二點。但第三點，我認為將是最重要的，那就是部署與普及（deployment and distribution）。誰會真正使用你在實驗室裡做出來的 AI？
而這正是中國全力以赴的地方。中國有機會藉此真正塑造全球部署 AI 的方式。在美國，如你所知，ChatGPT 與 Claude 等各種模型在能力上處於前沿，但它們也相對昂貴。
中國的做法是部署 DeepSeek，並找到以低得多的成本實現幾乎相同能力的方法。你不需要那麼頂級的晶片，也不需要消耗那麼多電力。
他們正在做開放權重（open-weight）、本地部署的模型。這意味著你只要下載並安裝在自己的電腦上，就可以自行調整、改變模型的運作方式。你可以多擁有它一點，而在 ChatGPT 上，這有點像是做 Google 搜尋。
一切都留在 OpenAI 和 ChatGPT 裡面。中國正在嘗試更小、更便宜、更容易部署的解決方案，這很可能正是「全球南方」國家特別想要的方案——因為他們希望將資料留在國內或企業內部，而不是交給 OpenAI。他們想知道：我該如何以最低的成本、使用最容易取得的低端晶片，且在不消耗太多電力的情況下部署 AI？
在美國，許多頂尖大學在實驗室裡根本拿不到最先進的晶片來做實驗，因為 OpenAI 和其他幾家公司把晶片全都買光了。部署能力很可能是決定誰能塑造全球格局的關鍵。我認為華府目前過度關注於「我們必須在前沿保持領先」。
正如 Kori 所說的「搶當第一」、保持晶片優勢。這兩點確實都很重要，但如果沒有人買你的產品，或者沒有人買得起你的產品，那麼我們就會在這場競爭中徹底輸給中國。
在美中競爭方面，我還會密切關注四個領域。第一，中國喜歡將成本優勢轉化為依賴性。我們在 5G 電信領域看到，華為永遠是最便宜的。
一旦你買了華為的 2G，3G 就只能繼續選華為，4G 也只能選華為。它們與其他系統不相容，因此往往會將客戶鎖定在中國的生態系中。
在 AI 領域也有很大的風險：你今天可能因為便宜而選擇 DeepSeek 或其他中國替代方案；隨後你發現，你唯一能用的晶片是華為晶片，唯一能用的資料中心是中國的資料中心。
這就會為你帶來風險。我密切關注的第二個因素是資訊形塑。我們大西洋理事會的團隊在中國的 AI 模型 DeepSeek 以及西方 AI 模型中進行了相同的搜尋，結果呈現的資訊截然不同。
中國政府塑造了你對世界的所見所知。我相信唐鳳比我更清楚這一點——例如，你肯定會得到關於台灣的不同資訊，關於人權以及中國政府治理表現的資訊也完全不同。如果全世界都透過 DeepSeek 獲取 AI 搜尋資訊，那將帶來巨大風險；因為回顧過去一般的基礎網路搜尋，中國對標 Google 的替代品是百度。
那真是糟糕透頂。從來沒有人想用百度，因為它太混亂、太難用了。
我們幾個月前在中國，我試著用百度查詢一家餐廳的地址，它莫名其妙地跳出了 2003 年的搜尋結果。總之非常混亂。中國在傳統網路搜尋上從未真正走向世界，但在 AI 驅動的網路搜尋上卻有可能做到。
這將真正形塑全球公眾所能接觸到的資訊。另外還有一點，我們確實在密切觀察中國：中國如何致力於輸出 AI 監控模式？
我們知道在過去幾年裡，中國輸出監控網路引發了許多問題，例如可以在整座城市部署的攝影機監控網。現在他們正在研究新模型，能夠提前預測哪種人、誰將來可能成為異議人士，誰將來可能成為政治煽動者——利用 AI 模型分析他們的朋友圈、監聽通話記錄、審查電子郵件，利用地理定位查看他們在城市中的行蹤，以及瀏覽了哪些網站。
中國正在嘗試利用 AI 進行前瞻性的預測式監控計畫，不僅追蹤人們現在或過去的行為，更評估你是哪一類人、未來是否值得擔憂。我非常擔心這種模式也會被輸出到其他國家。以上是我的看法。
我可以提個問題嗎？我認為這是一個重要關鍵。例如，如果你造訪 DeepSeek 的網站去研究他們的定價，那是非常耐人尋味的。
他們直接參照 OpenAI 來描述自己的定價。他們提到，不同於其他要求每月最低訂閱費用的模型，他們僅按搜尋次數或 token 計費。所以 OpenAI……
我是否有切中這個追問的核心？對終端用戶來說，使用 OpenAI 成本較高。舉例而言，一家位於南非、哥倫比亞或世界上任何地方的企業，如果在 DeepSeek、Claude 和 OpenAI 之間評估企業級方案，據我所見，DeepSeek 目前對他們來說便宜得多。
我認為這是我們必須正視並設法解決的問題。
首先，聽到這個範例我感到非常興奮。我認為美國在這方面需要向台灣學習。在資料保護方面，美國落後於歐洲；在協助民眾應對來自各方勢力的宣傳灌輸方面，我認為美國也落後於台灣。
我有兩點評論。第一，我同意 Emmanuel 先前所說的：模型背後的透明度至關重要，因為如果你不確定模型依據哪些因素做決策，你就無法信任它的決策。我強烈推薦《AI 帝國》（ Empire of AI ）這本書，它深入探討了模型設計過程中所涉及的人類決策細節，以及面臨的各項挑戰。
美國在透明度以及提供開放、清晰的模型方面仍需加把勁，這樣民眾才能更加信任它們。再舉個例子，我住在維吉尼亞州，維吉尼亞是美國少數正為如何劃分選區展開激烈政治爭奪的州之一。在一個州內，你該如何劃定界線，決定哪些區域合併選出一名參議員或眾議員？
大家都在爭相劃出奇形怪狀的選區界線，試圖讓共和黨人或民主黨人席次最大化。身為維吉尼亞人，我很希望能有一個中立的 AI 版本，給出一個大家都能檢視的客觀中立方案；但如果你不知道模型背後的假設前提是什麼，這就很難實現。再舉一個 AI 用於良善目的的例子：我在生技領域做了很多工作，許多用於治療過往不治之症的新藥，不僅來自人類基因體定序，也來自對其他物種基因體的測序。
在美國，許多人都在討論 GLP-1 藥物，它最初正是透過對美國毒蜥（Gila monster）這種蜥蜴的基因體進行測序而發現的。地球上有如此繁多的魚類、哺乳類、兩棲類和各種生物，我們尚未完全測繪所有基因體，而 AI 賦能的科學正在協助我們大幅加速這一進程。我們現在越來越有能力以空前的速度和規模繪製基因體圖譜，並測試其如何轉化為人體藥物。
中國也有像晶泰科技（XtalPi）這樣的公司正在建造龐大的實驗工廠，全由機器人進行生物測試，以獲取資料輸入 AI 模型進行圖譜繪製，試圖為疾病開發新療法。身為美國人，如果我罹患了罕見疾病或疑難雜症，而一家中國公司利用這些模型研發出了對我有療效、且在其他地方買不到的藥物，對我來說這非常好，絕對是一件好事。我一定會希望能夠獲得這種治療。
因此我認為，我們越能賦能全球科學界以更快的速度發現新知識，就越是一件大好事。
好的，我簡短回應幾點。關於供應鏈問題，依據不同的衡量指標，美中兩國目前無疑是 AI 領域的領頭羊。
我認為它們就是兩大 AI 領導者。有趣的是，雙方既有可以合作的領域，也有完全無法合作的領域。在關鍵礦物與稀土方面，中國已明確表示將切斷對我們的供應，以此作為制約美國決策的手段。因此，大家將會看到美中在關鍵礦物領域的脫鉤日益加深。我們必須擁有替代供應鏈，絕不能在此方面依賴中國。
而在高階晶片方面，有明確證據顯示中國軍方正試圖獲取這些晶片來運行 AI，在我們看來這損害了美國的國家安全，因此我們必須實施出口管制。我覺得真正有趣的是，雙方仍有可以合作的空間，但要安全地推進合作，需要建立全新的機制。
我完全同意 Emmanuel 的觀點：在資料層面，以安全、有保障且互利共贏的方式實現資料跨境流動，將是解鎖 AI 實際應用潛力的關鍵鑰匙。與中國在這方面有著巨大的合作潛力，但同時也伴隨著巨大風險。因此，聽到法印合作架構時我感到非常振奮。
我認為這或許可以成為美、歐、中及其他國家借鑑的模式，對吧？因為我們必須擁有一套獨立的標準與機制來進行資料交換，資料不能單方面留存在任何一個國家境內。
我對聯合國能否成為解方持懷疑態度，但很樂意聽聽各方在這方面的想法。關於 AI 是否會加劇國家間不平等的提問，我完全贊同 Kori 的看法：這將是工業革命以來最巨大的劇變，而我們至今尚未完全理解它。
但我認為，未部署 AI 的國家所面臨的經濟損失將是真實且嚴重的。舉個例子，去年秋天我們參觀了中國的一家汽車製造廠——小米工廠，他們結合 AI 與機器人技術，每 76 秒就能生產一輛電動車。下週我們將前往加州參觀一家福特工廠，他們也正運用類似的 AI 與機器人創新技術，以媲美中國企業的價格迅速生產福特皮卡。
所以你看美中兩國都在這條賽道上競逐：如何利用廠內 AI 模型結合機器人技術，以更少的人力、更快的速度生產出更高品質的產品？如果你沒有部署同等水準的模型，你就無法參與競爭。
你在規模、成本或品質上都將無法競爭。這對墨西哥或其他汽車製造國意味著什麼？世界最終可能會分裂成兩個截然不同的階層，如果不具備昂貴的最先進 AI 與機器人技術，你就無法進入高階競爭層次。
因此我認為包括美國和中國在內的許多國家，都必須重新思考我們新的經濟規劃，因為過去行之有效的某些做法未來可能不再適用。最後關於政府如何推動模型提高透明度的問題：審視美國的政治體制，身處華府的我認為華府很難有效達成這一點，因為我們的政治領袖在理解 AI 運作方面總是遠遠落後於企業，更遑論去監管模型了。我認為這很大程度上——至少在美國體系內，甚至在全球範圍內——將取決於市場選擇。企業和民眾自然會傾向於選擇更透明的方案。
只要他們擁有選擇權，透明度最終必將在競爭中勝出。
謝謝。
