2026 年 9 月,DeepSeek 的算子工程師劉勝與發表了一篇長文,標題是〈我不得不把才華埋葬在昨天〉(原文)。他寫道,再過上半年或一年,AI 寫的算子大概率就會和他寫得同樣優秀,甚至將他超越;他也表示自己選擇留在 DeepSeek,是因為相信最前沿的智能應該以開放、廉價的方式提供給所有人,並直言不信任 Anthropic 或 OpenAI 能做到這一點。
我們想從產業與地緣的角度讀它。劉勝與是華人研究者中的一個聲音,他對開源與閉源路線的看法,反映了一種對 AI 未來的想像。我們的判斷是,華人是引領 AI 未來趨勢的重要族群;而台灣身在這場風暴的圈子裡,握有高階晶片的製造與封裝,同時能使用中美兩邊的模型。接下來談華人為什麼重要、台灣站在哪個位置,以及台灣企業該怎麼用好這個位置。
華人是引領 AI 未來的重要族群,底氣來自語言、教育、出版、經濟與人才
我們判斷華人是引領 AI 未來趨勢的重要族群,理由可以從語言、教育、出版、經濟與人才五個面向說明。要先交代一點:下面的教育、出版、經濟數字多半是中國的國家統計,並不是「華人」的專屬統計,我們用它們來看中文世界的規模,這是推論。
先看語言。語言是 AI 的原料。依 Ethnologue 2026 版的統計(經 Wikipedia 彙整),英文的總使用者約 14.93 億人,中文(普通話)約 11.83 億人,是使用人數最多的前兩大語言。英文也是網路內容最多的語言:W3Techs 2026 年 10 月的調查顯示,在已知內容語言的網站中,49.5% 是英文,中文只有 1.3%。這個落差不能只看表面,原因有兩點,都是我們的推論。第一,W3Techs 只統計公開網站,微信、抖音等封閉平台上的中文內容不在內;TNW 2026 年 8 月的報導指出,微信與抖音不會向第三方開發者提供資料。以使用人口來看,CNNIC 的統計顯示,中國網民到 2025 年 12 月為 11.25 億人;2020 年的估計中,中文使用者約占全球網路使用者的 19.4%,英文約 25.9%(Wikipedia 彙整的 Internet World Stats 資料)。對照之下,公開網站上 1.3% 的中文內容,不足以代表中文內容的總量。Common Crawl 2026 年第 39 週的抓取中,中文頁面占 4.23%、英文占 41.86%,同樣低於中文的使用人口比例。第二,中文資料有一大部分掌握在中國的大型平台手上,非中國業者的模型較難取得同樣豐富的中文訓練資料,我們的判斷是,這是中國模型對中文掌握度較高的原因之一,但這個因果沒有直接的研究可以證明。中文資料的實際規模沒有公開的完整統計,上述數字只能當作方向的參考。
再看教育。使用人數要連同教育程度一起看,人口規模並不等於能參與知識工作與 AI 研發的人口。以世界銀行的資料為例,2024 年高等教育毛入學率,中國為 76.9%,印度為 34.4%;成人識字率,印度為 78.2%(2024 年),中國為 96.7%(2020 年,世界銀行可得的最新年份)。印度同樣是人口大國,但高等教育毛入學率與成人識字率都與中國有明顯落差;識字率衡量的是基礎能力,與高知識人口的關係較遠,高等教育毛入學率才較接近。這是在說明用人口數字估算 AI 的使用與研發潛力,容易高估實際規模,並不是在比較兩國的優劣。
第三是出版。出版資源是語料的另一個來源。依 IPA 等機構彙整的資料,中國的新書種數約 47 萬(2015 年),居該表第一,美國約 33.9 萬(2015 年)居第二,英國約 18.8 萬(2018 年)居第三,日本約 13.9 萬(2017 年)。這些統計的年份較舊,也包含再版,只適合看量級,但在該表列出的國家中,中美兩國的出版量排名前二。
第四是經濟。依 IMF 2026 年 4 月《世界經濟展望》的資料,2025 年美國名目 GDP 約 30.8 兆美元,中國約 19.6 兆美元,是全球前兩大經濟體,台灣約 0.92 兆美元。經濟規模帶來的是市場、資金,也是企業採用 AI 的需求。
最後是人才,這要分兩個層次看。第一個層次是頂尖研究。Carnegie China 在 2026 年 9 月發布的 AI Talent v3.0,延續已於 2025 年停止運作的 MacroPolo 的方法,以 NeurIPS 2025 的論文作者為樣本(全部作者 25,677 人,其中 10,280 位有完整職涯紀錄)。結果顯示,本科在中國取得學位的頂尖研究者占 57%,比 2022 年增加 11 個百分點,美國則降到 13%;而這些中國出身的研究者最終在中國工作的比例,由 2022 年的 57% 升到 2025 年的 69%。在工作地點上,中國占 41%、美國占 34%,2022 年則是美國 46%、中國 27%。美國仍然是人才磁吸點,淨增加 2,145 位研究者,中國則淨流失 1,729 位,美國的留才率為 89%,中國為 69%。這項研究只看單一頂級會議的作者,樣本是有完整職涯紀錄的作者而非隨機抽樣,只能代表頂尖研究層,但趨勢很清楚:愈來愈多華人頂尖研究者留在中國工作。Carnegie 認為原因包括中國 AI 產業的工作機會增加,以及美國簽證收緊。
在美國的頂尖實驗室裡,華人也很常見,但各家的完整比例沒有公開統計。依新智元經 36Kr 在 2024 年 5 月的整理,GPT-4o 的 17 位核心團隊成員中有 6 位是華人;VnExpress 引述紐約時報,Meta Superintelligence Labs 最初公布的 11 位研究員中,有 7 位出生於中國。這些是媒體依姓名與學經歷整理的名單,也只是特定時間的快照,並非實驗室的官方統計。黃仁勳也多次表示,全球約一半的 AI 研究者是華人或來自中國(見 Semafor 的報導),這是他個人的估計,沒有說明算法,他在不同場合的說法有時指華人,有時指來自中國。
第二個層次是工程實作與產品化,這要看理工科畢業生的規模。Georgetown CSET 整理的 2020 年資料顯示,中國的 STEM 畢業生約 357 萬人,印度約 255 萬人,美國約 82 萬人。頂級論文作者只是金字塔的尖端,中國境內有大量在本土畢業、在本土工作的理工科工程師與研究人員,Qwen、DeepSeek 等中國領頭的模型,就是在這樣的人才基礎上做出來的。我們沒有找到中國境內 AI 工程人才的同口徑統計,這個判斷來自畢業生規模、人才留在中國的比例上升,以及模型成果的推論。劉勝與本人就是一個例子:他是北京大學 2021 級本科生,曾擔任北大超算隊隊長(見北大信科學院的報導),2025 年 4 月加入 DeepSeek(見他的個人網站)。Carnegie 的機構排名依研究者任職的機構計算論文貢獻,北京大學在前 30 名中居第一。
把五項放在一起,華人不是 AI 的唯一力量,但在語言(使用人數)、教育、出版、經濟與人才的多數面向上,都占有舉足輕重的位置。
劉勝與的文章,也反映開源與閉源兩種未來
劉勝與的立場代表開源路線;對照市場數據,路線分歧很清楚:美國的閉源模型領跑企業付費市場,中國的開源模型領跑開放生態。
先看美國。Menlo Ventures 在 2025 年 11 月調查了 495 位美國企業的 AI 決策者,估計 Anthropic 占企業 LLM API 支出的 40%,OpenAI 占 27%,Google 占 21%,三家合計 88%。同一份報告顯示,企業 LLM 使用中開源模型的占比由前一年的 19% 降到 11%。
再看中國。Hugging Face 2026 年夏季的報告顯示,Qwen 家族在報告涵蓋的 2026 年期間,下載量約 20.45 億次;以 Qwen 為基礎衍生的模型有 151,448 個,其次為 Google 的 82,506 個。中國每月最大的開源模型介於 754B 到 2.78 兆參數之間,美國則在多數月份低於 130B,例外是 NVIDIA 的 Nemotron 3 Ultra(561B,5、6 月)與 952B 的 Inkling;報告指出,Inkling 這類美國發布是建立在中國模型之上,或運用了中國實驗室的成果。DeepSeek 同樣屬於這個陣營,它在 2026 年 9 月發布的 DeepSeek-V4.1-Flash 是總參數 552B 的混合專家(MoE)模型,權重公開。
這兩條路線有一個交會點:Menlo 的調查顯示,中國的開源模型合計只占美國企業 LLM API 使用量的約 1%,報告提到企業對這類模型特別謹慎。權重公開也不代表跑得動,DeepSeek-V4.1-Flash 每次推論只啟用 8B(輸入)或 16B(輸出)參數,總參數仍有 552B,需要數據中心等級的硬體。劉勝與在文章中談到對未來社會的擔憂,問道:「在未來社會中,權力(power)是不是會比技術或智商更加重要?」這個問題原本是在談人與社會,並非在談算力;我們把它延伸來讀:開源解決了模型權重的可取得性,卻解決不了算力的可取得性。
算力靠電力、晶片與資金,三方各有強弱
AI 的本質是算力這個說法大致成立,算力背後有電力、晶片與資金三項條件,中美台三方各占一部分,沒有人三項都齊全。
電力是中國的相對優勢。Ember 的 Global Electricity Review 2026 顯示,中國 2025 年的電力需求為 10,573 TWh,美國為 4,536 TWh,中國約為美國的 2.3 倍。這裡指的是需求,並非發電量。
晶片設計三地都有,真正卡關的是高階製造與封裝。美國有輝達這類無廠業者,NVIDIA 年報自述採取無廠與委外製造的策略;台灣有聯發科,Taipei Times 報導它正在為雲端服務業者設計 AI 專用晶片;中國則有華為的 Ascend 系列 AI 晶片,The Diplomat 在 2026 年 2 月的分析指出,北京只要嚴格管控 H200 的國內配銷,就能確保 Ascend 持續有銷路,但也寫到 Ascend 910C 的效能落後 H200。製造與封裝端,NVIDIA 年報寫道公司使用台積電等代工廠,並採用 CoWoS 技術封裝,供應鏈目前主要集中在亞洲。TrendForce 在 2026 年 4 月引述台積電的說法,CoWoS 是台積電的主要先進封裝方案。TrendForce 的數據顯示,台積電 2026 年第二季的市占率為 72.5%(TrendForce 未揭露分母),這個份額涵蓋全部晶圓代工營收,不是先進製程的專屬數字。中國在這一段受到的限制最明顯:同一份 NVIDIA 年報寫道,截至 FY2026 年底(2026 年 1 月),公司實質上已被排除在中國資料中心運算市場之外;其後 H200 重新進入中國,見前述 The Diplomat 的分析。
資金則是美國的相對優勢。史丹佛 AI Index 2026 指出,2025 年美國的私人 AI 投資為 2,859 億美元,中國為 124 億美元,約為 23 倍,但報告也提醒,私人數字可能低估中國的投入,因為政府引導基金並未計入。
三方的位置大致是:美國在資本、閉源模型與人才吸引力、留才率上領先;中國在人才來源、研究者工作地點占比、電力與開源模型上領先,受限於高階製造;台灣握有高階製造與封裝這個關鍵節點。三方都不完整,所以彼此依賴。
台灣身在風暴圈,握有製造與封裝,也要能創造與運用 AI
台灣身在 AI 風暴圈,握有高階晶片的製造與封裝能力,地理與政治上又居於中美之間,與兩邊都有緊密的產業聯繫。我們的判斷是,這讓台灣比多數地方更容易接觸到 AI 的第一手資源與訊息。
但只有製造能力並不夠。我們的判斷是,製造的獲利取決於別人的 AI 需求,而且稀缺性會隨產能擴張而下降。據報導,台積電的 CoWoS 月產能 2026 年可能達到 12 萬至 14 萬片,加上封測廠合計接近 20 萬片,供需缺口預期由目前約 20% 縮小到 2026 年底的約 10%(TrendForce 引述經濟日報)。缺口縮小,代表製造這個位置的稀缺程度會逐步改變。台灣要習慣擁抱 AI,不能只有 AI 製造能力,而沒有 AI 創造與運用的能力。
創造與運用的落差,目前很明顯。創造端,據 RTI 報導,截至 2025 年 2 月台灣 TAIDE 模型的下載量超過 17 萬次,而 Qwen 家族在 2026 年的下載約 20 億次,相差約一萬倍。這個比較的期間與口徑不同,只能作為量級參考,但足以說明台灣的模型與主流模型不在同一個量級。運用端,經濟部中小及新創企業署 2025 年委託工研院調查員工 10 至 199 人的中小企業,工研院產科國際所陳伊柔 2026 年 3 月的分析指出,實際導入 AI 應用的比例僅 7.4%,細節可參考我們先前的文章〈Anthropic 砸 1 億美元培訓 FDE:AI 導入人才缺口,台灣企業怎麼補?〉。創造要靠長期投入,運用則是台灣企業現在就能動手的部分。
台灣企業選中美模型,差距多半在使用者駕馭模型的能力,不只是模型
台灣企業常問中美模型該怎麼選,我們的實務經驗是:兩者的差距多半來自使用者駕馭模型的控制能力,其次才是模型本身。我們是 Lark 在台灣的授權代理商,陪企業把 AI 接進日常工作時,這是最常被問到的問題之一。
先說模型本身。依我們的實務經驗,美國頂尖模型的推理能力仍領先中國模型,這是純粹的能力比較;中國模型對中文的理解則更好,原因的推論見前文語言一節。對台灣使用者來說,日常是用中文操作模型,這兩個差異多半互相抵銷,落差沒有想像中明顯。我們要說明,這是我們的使用觀察,不是基準測試的結果。
真正拉開差距的是「harness」,也就是包住模型的工具與使用者的控制能力。劉勝與在文章中提到,AI 已經能在各類 harness 工具中執行命令、完成複雜任務,他也把轉型後的自己稱為「機甲駕駛員」。同一個模型,在懂得拆解任務、下好指令、搭配工具的人手上,表現可以差很多。
依這個觀察,我們的建議是依人員分配:企業的工程與 IT 人員,推薦優先使用美國模型,因為他們有能力操作到更接近模型的能力上限;一般常規事務的內勤人員,處理簡單的行政事務,推薦使用中國模型;但處理人資、財務等敏感資料的人員例外,要先依下面的資料與風險原則確認。
使用中國模型前,要先確認資料與風險。RTI 報導,台灣行政院 2025 年 2 月宣布全國政府機關禁用 DeepSeek,教育部並表示公立學校不得採購或使用中國的資通訊產品;私人企業不在禁令範圍,政府另要求數位發展部與國科會評估風險並提出警示。另據 Taipei Times 報導,國安局在 2025 年 11 月公布檢視了五款中國 AI 模型,指出有資安與內容偏誤的風險;報導指出,對其餘四款中國應用程式並無公部門禁令,對 DeepSeek 的私人使用也沒有禁令。企業如果同時是公部門的供應商,或處理敏感資料,建議先與法律顧問確認,再決定使用範圍。
台灣的優勢,是兩邊的模型都用得到
台灣企業的一項優勢,是可以同時使用中美兩邊的模型。中國大陸不在 OpenAI 與 Anthropic 的官方支援範圍內;台灣不在這兩家的排除名單內,私人企業原則上也未被禁用中國模型,可以把兩邊各自的強項都用上,公部門則受限於禁令。
OpenAI API 與 Anthropic API 的官方支援清單可以佐證。OpenAI API 的支援國家與地區清單包含台灣,不含中國大陸,OpenAI 並說明在清單以外的國家與地區存取其服務,可能導致帳號被封鎖或停權;Anthropic 的支援地區清單同樣列有台灣,沒有中國大陸。台灣的私人企業同時也可以使用中國的模型。中國的模型廠商多半面向全球用戶:Z.ai 的服務條款與 Moonshot(Kimi)的服務條款都是與新加坡公司簽訂,條款只排除受制裁的國家與地區,並未排除台灣;Qwen3 系列的部分模型(如 Qwen3-8B)與 DeepSeek-R1 的開源權重,分別採 Apache-2.0 與 MIT 授權,可以自行部署。阿里雲與 DeepSeek 平台的註冊國別名單,我們沒有讀到完整內容,實際註冊前仍建議先確認。所以台灣企業可以依場景、依人員選用不同的模型,也可以用對各個模型最有利的語言去操作:用英文操作美國模型,處理程式、系統整合這類英文語料豐富的工作;用中文操作中國模型,處理中文文書與一般行政。
這個優勢也有代價:同時使用兩邊,就要同時管理兩邊的資料與風險。導入前,建議先把資料依敏感程度分級,決定哪些可以送進哪一邊的模型。可以從企業 AI 導入指南與中小企業數位轉型指南開始盤點現有的資料與流程,團隊的變革則可以對照變革管理檢核表。
數據怎麼讀:先看口徑,再看數字
AI 相關數字來自不同機構,年份與口徑差異很大,讀的時候要先看以下幾點。
使用人數與內容的量是兩回事:Ethnologue 算的是使用人數,W3Techs 只算公開網站的內容語言。教育、出版、經濟的數字多半是中國的國家統計,不是「華人」的專屬統計。人才的數字來自單一頂級會議的作者樣本,只代表頂尖研究層。出版資料來自 2015 到 2018 年,STEM 畢業生是 2020 年資料,只適合看量級;IMF 的 2025 年數字是估計值。Menlo 的份額是美國企業調查的支出估計,受訪者是 495 位美國企業決策者,不能代表台灣或全球;Hugging Face 的下載量不包括 API 使用與私有部署,也不等於使用量或市佔,所以「美國閉源領跑企業市場、中國開源領跑開放生態」是兩種不同指標下的趨勢,不能互相換算。
人才數字要留意版本:MacroPolo 的 AI 人才追蹤已於 2025 年停止運作,這裡採用的是 Carnegie China 的 AI Talent v3.0,樣本是 NeurIPS 2025 作者中有完整職涯紀錄者,不同版本、不同樣本的數字不能直接互相比較。Menlo 的 40%、27%、21% 是企業 LLM API 的支出份額,不是使用量。
史丹佛的私人投資數字不含政府引導基金,Ember 的電力數字是需求而非發電量,TrendForce 的台積電市占率涵蓋全部晶圓代工營收。
「華人引領 AI 未來」與台灣的位置,是我們依這些數據做出的判斷,不是預測。能確定的是,電力、晶片、資金、語言與人才在三方的分布不同,沒有單一國家能獨自掌握 AI 的全部條件。
常見問題
以下五題是企業常問的問題,每題先給結論,方便單獨引用。
Q:華人真的是引領 AI 未來趨勢的重要族群嗎?
我們判斷華人是引領 AI 未來趨勢的重要族群,但不是唯一的力量。Carnegie China 的 AI Talent v3.0 顯示,NeurIPS 2025 的頂尖研究者中,本科在中國的占 57%,中國出身者最終在中國工作的比例由 2022 年的 57% 升到 69%;Georgetown CSET 的 2020 年資料顯示,中國的 STEM 畢業生約 357 萬人,是美國約 82 萬人的四倍以上;Qwen 與 DeepSeek 則是中國領頭的開源模型。這些數字的年份與口徑不同,教育、出版、經濟的數字也多半是中國的國家統計,並非華人專屬,只能支持趨勢的判斷。
Q:台灣企業該選中國模型還是美國模型?
台灣企業不必二選一,可以依人員與場景分配中美模型。依我們的實務經驗,工程與 IT 人員可以優先使用美國模型,因為能發揮更接近模型的能力上限;一般內勤處理常規行政事務,可以使用中國模型。這是使用觀察,不是基準測試結果,使用前仍要先確認資料與風險。
Q:台灣只有晶片製造與封裝能力夠嗎?
台灣只有晶片製造與封裝能力並不夠,這是我們的判斷:製造的獲利取決於別人的 AI 需求,稀缺性也會隨產能擴張而下降。據 TrendForce 2026 年 6 月引述經濟日報的報導,台積電 CoWoS 的供需缺口預期由約 20% 縮小到 2026 年底的約 10%。運用端還有很大的空間:工研院 2025 年調查員工 10 至 199 人的中小企業,實際導入 AI 的比例僅 7.4%(2026 年 3 月分析)。
Q:在台灣使用中國的 AI 模型有什麼限制?
台灣政府機關已經禁用 DeepSeek,私人企業則沒有被禁止,但需要自行評估資料與內容風險。行政院 2025 年 2 月宣布全國政府機關禁用 DeepSeek,教育部並表示公立學校不得採購或使用中國的資通訊產品,政府另要求數位發展部與國科會評估風險並提出警示。企業若同時是公部門供應商,或處理敏感資料,建議與法律顧問確認使用範圍。
Q:台灣同時能用中美模型,具體是什麼意思?
台灣的私人企業與個人可以同時使用美國與中國的模型,相較於中國大陸不在 OpenAI 與 Anthropic 的官方支援範圍內,這是台灣的優勢。OpenAI 與 Anthropic 的 API 官方支援清單都包含台灣、不含中國大陸,中國的模型廠商多半面向全球用戶,在台灣的私人企業原則上也能使用,註冊前仍建議向廠商確認。企業可以依場景與人員選用不同模型,並用對該模型最有利的語言操作,同時要分級管理資料與風險。
資料來源
- 劉勝與〈我不得不把才華埋葬在昨天〉(微信公眾號,2026-09-14)
- 劉勝與個人網站(經歷與作品)
- 北京大學信息科學技術學院:北大超算隊在 ASC 世界大學生超算競賽奪冠(2023-05-11)
- Wikipedia:List of languages by total number of speakers(引用 Ethnologue 2026 版)
- W3Techs:Usage statistics of content languages for websites(2026-10-12)
- 世界銀行:高等教育毛入學率(SE.TER.ENRR)
- 世界銀行:成人識字率(SE.ADT.LITR.ZS)
- TNW:China's Chinese-language AI training data shortage(2026-08-08)
- CNNIC:第 57 次中國互聯網路發展狀況統計報告(2026-03)
- Wikipedia:Languages used on the Internet(引用 Internet World Stats,2020)
- Common Crawl:語言分布統計(CC-MAIN-2026-39)
- 新智元/36Kr:GPT-4o 核心團隊(2024-05-16)
- VnExpress:5 young Chinese scientists helping build US's biggest AI systems(2026-08-31)
- Semafor:Nvidia's Huang defends China tech talent(2025-10-29)
- Z.ai:Terms of Use(2026-04-14)
- Moonshot AI:Model use agreement(2026-07-30)
- Hugging Face:Qwen3-8B(Apache-2.0)
- Hugging Face:DeepSeek-R1(MIT)
- Wikipedia:Books published per country per year(引用 IPA 與各國出版協會)
- IMF DataMapper:Nominal GDP(World Economic Outlook)
- Georgetown CSET:The Global Distribution of STEM Graduates(2020 年資料)
- Carnegie China:Who's Ahead in the Global AI Talent Race?(AI Talent v3.0,2026-09-23)
- The Diplomat:Nvidia's H200 Chips Re-enter China — But Beijing Isn't Giving up on Huawei(2026-02)
- Menlo Ventures:2025: The State of Generative AI in the Enterprise(2025-12-09)
- Hugging Face:State of Open Models, Summer 2026(2026)
- DeepSeek-V4.1-Flash 官方公告(2026-09-10)
- Ember:Global Electricity Review 2026,Electricity demand and supply trends(2026-04-21)
- Stanford HAI:The 2026 AI Index Report
- TrendForce:2Q26 全球前十大晶圓代工營收(2026-09-09)
- TrendForce:TSMC Says CoWoS Offers Industry's Largest Packaging(2026-04-16)
- TrendForce:TSMC CoWoS Supply-Demand Gap Reportedly Seen Narrowing from 20% to 10% by End-2026(2026-06-15)
- NVIDIA Form 10-K,FY2026 年報(財年截至 2026-01-25)
- Taipei Times:MediaTek plans to double data center spending(2026-02-07)
- OpenAI:Supported countries and territories
- Anthropic:Supported regions
- RTI 中央廣播電臺:DeepSeek AI and related products banned across all government agencies(2025-02-06)
- Taipei Times:China's AI models pose risks, NSB says(2025-11-17)
- 工研院產科國際所:AI浪潮下的中小企業突圍(陳伊柔,2026-03-16)
- RTI 中央廣播電臺:TAIDE 下載超過 17 萬次(2025-02-12)