中國AI再度咆哮而來？
便宜、開放與不確定性，正在改寫人工智能競賽
2026年6月27日出版的《經濟學人》（The Economist）以〈Roaring back once again?〉為題，討論中國人工智能模型是否正在再次迫使市場重新評估中美AI競賽的距離。
這個標題本身便充滿張力，因為它暗示中國AI並不是第一次令美國市場感到意外。早在2025年1月，DeepSeek R1 的發布便曾震動華爾街，令美國市場一度重新思考人工智能估值是否過高，而如今，來自北京的 Zhipu，亦即 Z.ai，推出 GLM 5.2，再一次把相同問題推到投資者面前。
《經濟學人》形容這篇文章的核心問題，不只是中國能否追上美國，而是中國能否以更低成本、更開放的方式，讓全球用戶重新考慮美國AI模型的壟斷地位。
文章引用 Zhipu 對 GLM 5.2 的描述，稱它是：
“a step closer to frontier intelligence for everyone”
「向每個人都可使用的前沿智能，又邁近了一步。」
這句話之所以重要，是因為它不只是在宣傳一個新模型，而是在提出一種與美國AI公司截然不同的路線。美國領先模型大多強調封閉、安全、合規與高價值商業服務，而中國模型則愈來愈強調開源、低價、可下載與可部署。
當企業面對愈來愈高的AI使用成本時，這種「夠好、便宜、開放」的組合，便足以構成市場上的真正威脅。
文章指出，GLM 5.2 的能力已經接近美國最前沿模型。根據 Artificial Analysis 的排名，GLM 5.2 被列為市場上最智能的開源模型，整體排名甚至達到第四，僅落後於 OpenAI 的 ChatGPT 5.5 與 Anthropic 的 Fable 5，並領先 Google 的 Gemini。這個結果令不少人感到意外，因為過去許多中國開發者曾經認為，中國模型要在2030年前超越美國模型並不容易，但如今距離似乎正在被迅速縮短。
然而，《經濟學人》的分析並沒有停留在表面排名。它提醒讀者，人工智能模型的競爭並不是單一排行榜可以完全說明的事情。
公開基準測試往往容易被模型訓練過程「看見」或間接吸收，而真正能反映模型能力的，反而是那些不公開題目的私人測試。
根據文章引用的研究，在公開測試上，中國模型可能只落後美國四至六個月；但在私人測試中，差距可能接近八至十個月。換言之，中國AI的確在快速追趕，但美國仍然保有明顯領先。
這也帶出一個更細緻的判斷：中國AI最強的地方，往往是有明確答案的任務，例如數學、程式碼與辦公室文件處理；但在開放式問題、長時間推理與獨立判斷方面，中國模型仍然較容易失分。
這種能力分布其實與中國AI發展環境有關。由於高階晶片出口管制限制了中國實驗室可獲得的訓練算力，中國企業更傾向把資源投入後訓練、蒸餾與特定任務優化，令模型在某些可測量領域表現非常突出，但在更抽象、更開放的任務上仍有差距。
不過，真正令市場關注 GLM 5.2 的，不只是它的能力，而是它的價格。文章指出，DeepSeek 每一百萬輸出token的收費只有0.87美元，而 Anthropic 的 Fable 5 則高達50美元。這種巨大價差，對正在快速增加AI預算的企業而言，具有極強吸引力。當一些企業每名員工每年在AI工具上的支出可能達到數千甚至數萬美元時，任何能夠降低成本的替代方案，都會迫使企業重新計算投資回報。
可是，便宜並不一定代表真正低成本。《經濟學人》特別提醒，中國模型雖然單位token價格便宜，但未必同樣高效。文章引用 Georgia Tech 的研究指出，在某些相同任務上，DeepSeek 模型需要使用遠多於 OpenAI 競爭模型的token，才能得到基本相同結果。因此，企業真正應該比較的，不只是每一百萬token的標價，而是完成同一項任務所需的總token量、總等待時間、錯誤率與人工修正成本。
這一點對投資者和企業管理者尤其重要。AI工具採購不應只看月費或API單價，而應回到企業流程本身，計算它究竟能否降低人力成本、提高決策速度、減少錯誤，並在長期營運中保持穩定。如果一個模型便宜但經常需要重試、補救或人工校正，那麼它的表面低價便可能只是另一種形式的隱性成本。
文章另一個值得留意的重點，是開放性正在成為中國AI的重要賣點。GLM 5.2 在特朗普政府要求 Anthropic 禁止非美國用戶使用 Fable 5 後翌日發布，而 Zhipu 創辦人唐傑更把公司的態度形容為：
“radical openness”
「徹底開放。」
這種開放策略具有明顯的政治與商業意義。對海外企業而言，如果美國政府可以要求美國AI公司突然切斷非美國用戶存取權，那麼依賴單一美國模型便可能成為新的營運風險。
中國開源模型雖然也有自己的監管與安全疑慮，但它至少提供了另一種選擇，讓企業可以在本地硬件或自有伺服器上部署模型，減少被單一國家政策左右的風險。
然而，《經濟學人》也沒有忽視中國模型本身的限制。中國企業同樣面對算力短缺，服務有時會中斷或在高流量期間變慢；中國政府亦可能在安全、內容與出口方面施加新的限制。
換言之，中國目前AI的開放性，並不等於完全沒有政治風險，只是它的風險形式與美國不同。美國的風險來自出口管制、盟友政策與政府安全審查；中國的風險則來自算力不足、政策不透明與國內監管邊界。
這篇文章最值得深思的地方，是它沒有簡單地說中國已經追上美國，也沒有否定中國AI的進步。它真正指出的是，中美人工智能競爭正在從單純的「誰最聰明」轉向「誰更便宜、誰更開放、誰更可靠、誰更容易被企業採用」。
在這個新階段，模型能力固然重要，但成本結構、部署方式、政策風險與供應鏈安全，將同樣決定人工智能產業的勝負。
對投資者而言，這篇文章提供了一個重要提醒。人工智能的競賽不應只看美國大型科技公司的股價，也不應只看中國模型是否在某些排行榜上突然衝前。
真正值得關注的，是企業用戶如何在成本、性能、合規與穩定性之間作出選擇。當AI逐步由實驗室技術變成日常生產工具，市場最後獎勵的未必是最華麗的模型，而是最能以合理成本解決真實問題的系統。
中國AI是否「再次咆哮而來」，答案或許是肯定的；但它咆哮的方式，並不是單純宣稱自己已經超越美國，而是透過低價、開源與快速迭代，迫使全世界重新思考人工智能的商業模式。這場競賽仍未結束，但競賽規則已經開始改變。
分享的帖子