本文獲《聯合早報》授權轉載。

美國持續加碼對華晶片圍堵，卻未如預期遏阻中國技術發展，反而激發北京加快自主研發，出現「越管制、越提速」的反效果。美國寄望出台政策干預來拖慢中國技術發展，以保持自身優勢是否失策？究竟是誰在「拖慢」誰，誰又真正握有主動權？

美國於2018年起逐步在半導體和晶片領域圍堵中國，通過限制晶片與製造晶片所需的極紫外光刻機出口，阻撓中國掌握先進人工智能（AI）。美國官員多次強調，人工智能對國家經濟掌握競爭優勢起著重要作用，進而對保障國家安全至關重要。

但這個策略的可持續性正受到挑戰。今年1月13日，拜登政府出台所謂的「AI擴散規則」，將全球各國和地區分為三個等級，施予不同程度的晶片出口限制，而中國可想而知，落入限制最嚴苛的組別。可是就當輿論還在探討這會如何衝擊中國科技發展之際，中國AI企業深度求索（DeepSeek）於一周後發佈大語言模型R1，直面挑戰美國主導全球生成式AI技術的地位。

美晶片巨頭英偉達（Nvidia）首席執行長黃仁勳4月30日在華盛頓一場科技峰會上，被追問中美科技實力差距有多大時直言：「中國並不落後……中國緊跟著我們。雙方非常、非常接近。」

推動AI發展的五大核心要素分別為人才、算力、模型、數據和電力，而中國在其中四項有著很好的基礎。

分析：美國管制晶片出口　壓制中國來守住算力優勢

新加坡優勢研究諮詢公司創始人兼執行長張帆接受《聯合早報》採訪時指出，中國AI專才人數自2016年起便超越美國，多出約1萬5000人，且領先優勢持續擴大。在模型層面，DeepSeek憑藉開源策略迅速縮小差距，技術實力逼近美AI公司OpenAI所代表的全球主流前沿。中國對數據的掌控能力也不斷擴大，握有更大自主權。

此外，AI訓練所需的大規模算力得依賴大量穩定的能源支撐，而中國電力基礎設施已領先美國一兩代，為中國AI生態提供穩固的增長條件。

反觀美國，只在算力上佔有優勢。算力依賴高端晶片，因此要守住這一優勢，美國只能限制晶片出口，以在短期內壓制中方技術發展節奏，爭取戰略緩衝期。

從中國科技發展至今緊跟美國之後不難看出，限制晶片出口的措施成效有限，但美國似乎無意停手。

張帆指出，美國的選項並不多。「與其說美國的晶片管制措施是戰略誤判，不如說是不得不為的現實選擇……因為在五大AI核心發展要素中，美國目前能掌控的只有算力。」

中國半導體諮詢機構芯謀研究首席分析師顧文軍則認為，美國的對華科技圍堵存在盲區。他告訴《聯合早報》：「我不確定美方是否真的反思過，為何多年制裁卻未能遏制中國，反促使中國半導體產業持續發展。他們或許是低估了制裁的反向激勵效應，仍傾向通過加碼制裁壓制中國。」

美國學界：拖慢中國會犧牲美企創新能力

美國學界不斷有呼聲，敦促政府投入更多精力扶持美國科技業爭取技術突破，認為把重點都放在「拖慢中國」只會犧牲美企創新能力。

喬治敦大學安全與新興技術中心的研究員多門（Hanna Dohmen）與費爾德蓋斯（Jacob Feldgoise），和國際關係學教授庫普昌（Charles Kupchan）去年7月在《外交事務》期刊發表聯名文章，建議美國政府把握有限的時機，強化美國創新體系，在下一階段關鍵技術領域建立真正不可逆的領先優勢。

他們指出，美國當前的對華晶片限制「存在結構性缺陷」。管制措施短期內能令中國在高端晶片等關鍵領域的發展放緩，但長期而言，代價高昂——不僅削弱美企及盟友企業在華營收，也會限制持續投入研發的能力，反噬美國自身的創新能力。

以美商務部4月宣佈的最新出口管制為例，美國企業料因此蒙受巨額損失。新規定將英偉達H20與超微（AMD）MI308等專為中國市場設計的「降級版」晶片納入出口管制清單。英偉達預計，這會令公司損失55億美元。

黃仁勳曾透露，英偉達每代晶片的研發成本可超過200億美元，而據媒體報道，中國市場去年就為英偉達貢獻了170億美元收入，佔公司總銷售額的13%。若失去來自中國市場的營收，料衝擊英偉達維持高強度研發投入、保持技術領先優勢的能力。

卡內基國際和平基金會2022年4月發佈報告，提醒美國須從整體戰略層面規劃技術脫鉤的方式與節奏。若缺乏管理與戰略克制，「美國可能無意間引發一場瘋狂、持續加劇的脫鉤循環，發展速度與代價遠超國家所能承受的上限」。

報告建議，美國應先釐清國家安全、經濟競爭力與技術話語權等不同目標之間的關係，並據此設計有側重、可評估的政策工具組合。

報告認為，限制性措施不應成為主軸，重點應該在於通過戰略投資構建自身技術生態的抗壓能力，使脫鉤過程保持可控，避免在執行時走向戰略失衡。

國際戰略研究中心（CSIS）高級顧問兼中國商務和經濟董事項目主任肯尼迪（Scott Kennedy）去年底在《外交事務》發表文章，認為美國應先確立政策優先工作並評估代價，然後加強與盟友合作，重塑全球經濟規則，避免陷入逐底競爭與技術孤立。若美方試圖全面阻斷與中國的技術往來，不僅可能被對手繞開，還會削弱自身創新能力，陷入越防越弱的困境。

特朗普再次入主白宮後，對半導體的管制政策尚未有太多表態。除了5月8日有知情人士透露，特朗普政府計劃撤銷拜登的「AI擴散規則」、簡化監管框架外，特朗普已公佈的AI相關政策，只有對半導體產品加徵關稅。

張帆指出，特朗普政府目前的重心主要放在貿易關稅上，因為AI政策屬長期技術治理範疇，短期內難以轉化為選票紅利，也不具快速兌現的成效。相比之下，加徵關稅更具政治動員力，可作為中期選舉向選民展示的政績。

不過，五年前啟動對華晶片圍堵的正是特朗普，他相信不會輕易放棄這個重要的槓桿。

可是寄望用「高牆」守住AI技術優勢的同時，如果政策邊界缺乏清晰設計、節奏失衡，脫鉤或將反噬自身。如何在維護安全與保持開放之間取得平衡，或成下一階段美中科技博弈的真正分水嶺。

中企自主研發高端晶片　加速邁向自給自足生態

中國晶片技術在過去五年悄然提速，部分領域甚至加快了替代步伐。

CSIS美國創新振興項目副主任兼研究員科斯滕（Alexander Kersten）告訴《聯合早報》，中國企業在北京政府的全力支持下，本就具備挑戰西方企業的能力，而中國近期接連取得技術突破揭示了美出口管制的根本局限：一旦中國不再依賴西方的高端技術，管制便失去效力。

雖然無法獲取最先進的西方技術，但利用舊有的晶片，以及繞過制裁獲取的晶片，中國依然能取得科技發展，包括軍事現代化。更何況，中企通過自主研發和替代方案，也能打造在性能上可比肩的產品。

例如，最新進入量產的華為昇騰910C晶片，不僅性能據稱接近英偉達旗艦晶片H100與A100，甚至在部分指標上超越降級版晶片H20，顯示中企設計實力正快速逼近。

全球戰略諮詢公司DGA合夥人、亞洲學會政策研究所中國分析中心技術政策高級研究員崔洛（Paul Triolo）受訪時指出：「美國嚴重低估華為、深度求索、騰訊等中國科企持續推進AI替代技術與自主創新的能力，而這些企業正是美國出口管制的主要打擊對象。」

崔洛舉例，美國的管制措施倒逼中國半導體設備製造商與中芯國際（SMIC）等晶圓代工企業展開更深層次的技術合作，推動半導體供應鏈的創新。此外，華為成為這種反向激勵的典型個案：出口封鎖促使華為擴展佈局，從電信設備轉向重建本土AI與晶片生態，「實質上在中國境內重建可自給自足的半導體供應鏈」。

中企推進科技設備國產化

在製造方面，中企正推進設備國產化，雖尚未完全實現自主，但「設計先行、製造追趕」的路徑已逐步清晰。

通過創新的方案，例如採用小芯粒（Chiplet），中國企業也正逐步突破限制。以多個功能模塊化的芯粒組合成單一高性能系統，在一定程度上能降低對單個高端晶片的依賴。此外，中國研發人員也在推動小模型應用，使AI算力需求下降，也為晶片國產化贏得時間。

這些中國生產的晶片或許在效率和盈利上略遜一籌，但已足以滿足國內市場需求。至於晶片的製造效率與精度，雖然仍明顯落後台積電等國際先進代工廠，未能完全穩定替代，但在國家大力投入資源的情況下，相信也會逐步提升。

重要的是，隨著中國晶片持續擴大市場份額，並由此反哺後續研發，中國將構建起一個自我強化的晶片創新循環。

美電子行業諮詢公司International Business Strategies半導體顧問瓊斯（Handel Jones）就預測，到2030年，中國企業將在本土所有主要晶片領域佔據過半市場份額。數據顯示，去年前三季度，中國半導體市場銷售額已達1358億美元，佔全球銷售總額近三成。

AI工廠　中美新戰場？

黃仁勳4月30日在論壇上指出，「AI工廠」正成為推動生成式AI落地的核心基礎設施，對產業結構的重塑效應堪比19世紀的電力革命。

若要守住領先地位，AI工廠料將成為各大國競相推進的項目。

AI工廠並非傳統意義上的工廠，而是一種專為AI打造的基礎設施系統，覆蓋數據採集、模型訓練、微調（Fine-tuning）和大規模推理等環節。它的產品不是實物，而是「智能」本身——以AI每秒生成的令牌（Token）數量作為衡量標準。

這些令牌是AI用來「讀懂」現實世界的基本單位，它可以是一種內容碎片、圖像的一塊或一個詞，是支撐生成式AI進行內容生產與決策推理的原材料。

與傳統數據中心主要負責儲存與運算不同，AI工廠更像一條實時運行的智能生產線，能夠主動生成文本、圖像、決策及自動化指令，可被廣泛應用於醫療、教育和交通等領域。

三層面可掀AI革命

據黃仁勳介紹，AI革命可分三個層面：技術層、製造層與基礎設施層，而AI工廠處於這三層聯動的樞紐位置。

技術層：傳統的軟件靠程序員逐行編碼構建，功能固定。AI則是透過海量數據與算力訓練出的模型，具備自主學習與生成能力。

製造層：AI的訓練與生成流程，類似實體工廠的自動化生產線。由超級計算機接入電力與數據，通過高強度運算持續產出令牌，最終組合成各類智能產品。

基礎設施層：AI工廠不僅服務於科技企業，也將成為各產業的「第二個工廠」。如汽車製造商除了組裝車殼與引擎，也須建構「AI駕駛大腦」來支撐自動駕駛系統。

生成式AI的模型越大、任務越複雜，所需算力呈指數上升。尤其在微調和多輪推理階段，算力需求或分別是前期訓練的30倍與100倍。

這些發展趨勢使傳統數據中心愈發難以支撐AI模型的日常運行。AI工廠的設計正是為了應對相關挑戰——通過硬件、高速網絡與自動化軟件，構建一套端到端的智能生產流水線。這不僅能提高效率，也降低了AI技術從原型走向大規模落地的門檻，讓企業能更快獲得商業回報。