KeyFrame內部研究專用

#下班國際線 白宮密函強制Claude下架!中國AI開源逼美國跟進?台灣這產業還能賺50年!ft.程世嘉Sega Ep.63路怡珍 ⁨@TheStormMedia⁩

風傳媒 The Storm Media·8月15日週六·33 min中文

三句話摘要

AI從技術競爭演變為地緣政治戰爭,中美開源閉源模型的選擇造就囚徒困境,同時帶來工作市場的結構性變化與新商機。 AI不只是技術升級,而是地緣政治、經濟結構、就業市場的全面重組,台灣應把握算力紅利期打造品牌軟實力,否則毛利優勢消退後將無以應對國際競爭。 中美AI政策反轉的根本驅動 — 美國過去主張閉源是為保持競爭優勢,但當中國採取開源戰略且技術差距快速縮小時,美國被迫跟進。這不是道德選擇,而是現實困境:開源模型一旦公開就遍地開花,政府審查形同虛設,因此開源變成不可逆的戰略決策。

重點整理

重點
  • 1

    中美AI政策反轉的根本驅動 — 美國過去主張閉源是為保持競爭優勢,但當中國採取開源戰略且技術差距快速縮小時,美國被迫跟進。這不是道德選擇,而是現實困境:開源模型一旦公開就遍地開花,政府審查形同虛設,因此開源變成不可逆的戰略決策。

  • 2

    國家安全優先於商業利益 — 美國政府已介入AI領域(如要求Claude下架),標誌著AI上升到國家安全層級。此舉打破了矽谷私人企業主導創新的模式,符合國進民退的邏輯,這在美國商業史上罕見但勢在必行。

  • 3

    知識工作的貨幣化與貶值 — AI將「智慧」商品化,使用Token計量,導致人類認知工作價值急劇下降。資深專業人士因AI放大效應年薪暴漲,初階員工卻因相對能力弱、放大效果有限而被擠出就業市場,造成職業階梯斷裂。

  • 4

    台灣從硬體代工轉向品牌與解決方案 — 台灣的算力紅利在3-5年後消退,屆時須面對中韓日競爭。此時需要行銷、公關、外交人才來建立品牌與談判能力,主動定義解決方案規格,否則毛利將被競爭者蠶食。

實用技巧與重點

乾貨
  • 核心數字與事實
  • 中美AI技術差距:從2年降至3-6個月
  • Token消耗成長:今年較去年成長7倍,過去2年成長300倍
  • 全球算力缺口估計:相差24-100倍
  • 矽谷頂尖工程師年薪:可達普通工程師的100倍以上
  • 台灣算力供應佔全球:90%以上
  • 企業應用AI方式預測(Gartner):2030年前90%使用企業自有小模型
  • 政策與事件
  • 美國白宮6月會議:閉源模型需審查,開源模型豁免
  • Claude下架事件:6月被商務部要求禁止對外國人開放API(約18天)
  • 中國7月應對會議:討論模型出口政策調整
  • 政策波動預期:2026年下半年資安與治理政策變動將非常劇烈
  • 企業層面的實踐
  • Airbnb執行長公開採用千問模型(開源)原因:快速且廉價
  • Google用AI設計晶片
  • 材料公司用AI發現新材料
  • 企業自建小模型趨勢:來自開源蒸餾或廠商釋出的輕量模型
  • 關鍵概念術語
  • 開源 vs 開放權重:可下載修改 vs 參數暴露
  • 囚徒困境:中美無對話管道,被迫互相競爭升級
  • 國進民退:政府介入取代私人企業主導
  • 主權AI:自主擁有AI能力,不被斷貨威脅
  • 智慧通膨:智慧商品化導致知識工作貶值
  • K型分化:職場分裂為頂層高薪與底層失業

結論

結論

AI不只是技術升級,而是地緣政治、經濟結構、就業市場的全面重組,台灣應把握算力紅利期打造品牌軟實力,否則毛利優勢消退後將無以應對國際競爭。

完整解析

詳細

美國對AI的政策180度轉變,映照出中美科技競爭的深刻變化。在AI早期,美國堅守閉源策略,因為領先地位帶來絕對競爭優勢——別人必須付費使用API。然而,當中國採取開源戰略時,雙方的差距以驚人速度縮小。中國的選擇看似戰略退守,實則精心盤算:被美國晶片禁令圍堵的中國無法靠硬體領先,唯一突圍之路就是開放軟體生態。一旦開源模型發佈,下載就會廣泛分散,修改使用更是難以追蹤,這使開源成為無法逆轉的決策。

面對此局面,美國陷入經典囚徒困境。中美缺乏對話機制,美國無法與中國談判限制開源,只能被迫跟進。今年6月,美國政府甚至直接要求Anthropic下架Claude新模型給外國用戶,這在美國商業史上前所未有。這標誌著AI已上升到國家安全層級,政府必須介入經濟領域,打破矽谷數十年來的自主創新模式。美國國內對此分裂為「治理派」(主張放慢發展)與「加速派」(科技樂觀主義)兩派,對資安政策毫無共識。

在這場地緣政治重組中,「智慧通膨」應運而生。當AI將知識工作商品化,並用Token量化時,人類的認知勞動價值急劇貶值。資深工程師因專業深厚,用AI放大後能力翻倍,價值暴漲到初階員工的100倍;而初階員工本就能力有限,AI放大後仍不足觀,反而因職級階梯被拆除而失業。這導致職場K型分化,最慘的是即將出社會的應屆畢業生——他們沒有資深經驗享受AI紅利,也沒有時間適應新世界,成為最尷尬的一群。

台灣在此變局中既有危機也有機遇。當前的硬體代工紅利還能吃3-5年,因全球算力缺口依然巨大。但隨著中韓日都在發展自給自足的晶片供應鏈,台灣必須提前準備軟實力。過去台灣成功因為安靜做代工,現在曝光後卻必須建立品牌。未來的競爭不再是製造能力,而是定義規格、說出故事、在國際談判桌上爭取話語權。這需要行銷、公關、外交、遊說等人才,而台灣教育系統長期忽視文科,工程師思維主導一切。及時投資這類人才,台灣就能從被動接單轉為主動出擊,提供解決方案而非單純元件。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。