中國AI業者受到地緣政治與其他因素影響，走上一條與西方科技業者截然不同的道路，兩者各有所長。本文詳細剖析中國AI的3大獨特發展，以及西方企業可以如何結合雙方優勢，迎向創新與成長。

插圖／里卡多．托馬斯（Ricardo Tomás）

2022年11月，OpenAI推出ChatGPT，讓中國科技業者措手不及。原本與Google、微軟（Microsoft）等全球業者一爭高下的公司如阿里巴巴、騰訊和百度，一夕之間都落於人後。然而將近3年之後，中國業者不僅迎頭趕上美國對手，而且在生成式AI領域另闢蹊徑。在進軍AI領域的中國企業之中，最受矚目的可能是2023年成立的深度求索（DeepSeek），不到一年的時間，DeepSeek-R1的效能就可以媲美OpenAI的GPT-4o與Anthropic的Claude 3.5 Sonnet，但需要的運算與數據資源遠遠低於美國模型。另一家新創公司零一萬物（01.AI）推出的Yi-Lightning模型，在價格、效能與準確度排行榜上閃電竄升。然而中國的新興模型並不是複製西方的系統，而是策略上截然不同的生成式AI模型，它們經過調整，能夠在另一套限制下表現卓越，並滿足另一套優先要務。像深度求索這樣的公司，一方面利用基礎的進展，一方面又打造獨特的AI系統，以求成本效率、快速部署與精準應用。

在這些發展的背後，地緣政治壓力日益高漲，出口管制（特別是半導體的取得）也日益嚴格；這些措施原本是為了削弱、結果反而推動中國生成式AI的發展。時至今日，向中國國家互聯網信息辦公室登記的生成式AI服務已超過300種。舉例而言，華為加速開發昇騰（Ascend）系列晶片，試圖以國產品取代輝達（Nvidia）的晶片。如今昇騰晶片已成為國家級數據中心的動力來源。

許多全球企業正在將生成式AI整合進自家業務，它們大多採用OpenAI、Google和Anthropic等西方公司提供的工具。但如今它們發現自己涉入另一個截然不同的生態系，這個系統默默地快速成長，而且邏輯自成一格。中國發展動能的核心在於，它全力建構一個模組化、具備韌性的AI基礎設施，能夠快速因應在地的需求。中國公司在面對幻覺、模型成本（經濟層面與環境層面）以及法遵等挑戰時，處理方式往往與西方業者不同。它們建立的生態系不僅具備韌性，而且效率十足；此外，生態系的每一個層面，從AI晶片到儲存方案，都對在地需求體貼入微，與西方生態系比較普遍化、全方位研究導向的做法形成鮮明對比。

當前美中關稅引發的種種不確定性，讓情勢更加複雜。中國原本就難以取得西方的技術，包括大型語言模型（large language models, LLM）以及基礎設施，但現在美國有可能限制使用中國的AI模型，審核供應商時也要求更嚴格的盡職調查，包括晶片採購審查、網路安全稽核、是否符合當地法規等等。在美中兩國都有業務的多國籍企業，必須因應不斷變動的局勢。高階主管在考慮與中國AI公司合作時，除了效能評比之外，還必須權衡政治風險、供應鏈韌性，以及治理相容性。

西方的高階主管正面臨一項獨特的挑戰：他們無法繼續認定，最好的生成式AI工具都來自同一個生態系。無論你要部署的是客服平台、物流最佳化工具、醫療或金融的垂直應用，還是通用的AI代理，你很可能必須學習同時運用西方與中國的技術。如何與中國的雲端服務業者合作、遵循不斷演變的AI治理規範，以及與中國的LLM相容，這些問題不只迅速成為技術挑戰，也成為企業的核心議題。公司如果無法調整自家的生成式AI策略來因應這些新現實，恐怕就會被速度更快、成本更低、監管支持度更好的競爭對手超越。想要通過這一連串考驗，不僅需要技術整合，更需要一種策略心態。

我們藉由高階主管訪談、效能評比以及個案研究，建立了一套框架，幫助全球企業的領導人理解中國獨特的生成式AI架構。身為瑞士洛桑國際管理學院（IMD）的研究人員與教師，我們擁有在各大洲協助不同組織推行AI策略的豐富經驗，並且一直與中國以及西方的企業密切合作，以便了解生成式AI在這兩個地區的開發與部署。此外，我們也透過數據來研究中國在服飾、製藥與科技等產業的創新與未來就緒的程度（future readiness）。

本文將提出一幅路線圖，說明企業如何雙管齊下，充分利用中國與西方的生成式AI，來取得優異的策略成果與營運效率。全球的高階主管必須牢記3個關鍵議題：首先，中國的生態系在硬體供應鏈與監管方面與西方有別；其次，使用中國技術確實會遇到法遵方面的限制；最後，企業如果不能體認中國模型的成本效率遠高於大多數西方模型，將在競爭中落敗。這不是東方對抗西方，而是在AI不只有一個未來時，企業必須設計相應的策略。

本文觀念精粹

情勢：中國企業已經發展出一套獨特、具競爭力的生成式AI基礎設施，與西方的系統大相徑庭。

挑戰：大部分西方的高階主管並不熟悉中國在AI領域的業者，他們必須了解並摸索中國快速演變的生態系。

解方：企業應該要雙管齊下，充分利用中國與西方生成式AI系統最好的地方，來取得卓越的策略成果與營運效率。

3C框架

如同昔日的亞馬遜（Amazon）、Google與臉書（Facebook），中國的科技巨頭（阿里巴巴、百度、騰訊、字節跳動和華為）從電商、搜尋和社群媒體等產業起家，但如今已將世界級的AI納入自家的軍火庫。現在，中國的中型企業先驅如商湯科技（SenseTime）、科大訊飛（iFlytek），也在生成式AI領域急起直追。此外，一批突飛猛進的挑戰者——經常被稱為中國「AI六小虎」：零一萬物、智譜華章（Zhipu AI）、月之暗面（Moonshot AI）、稀宇科技（MiniMax）、百川智能（Baichuan AI）與階躍星辰（StepFun）——正在迅速塑造中國生成式AI的版圖。與此同時，像深度求索和面壁智能（ModelBest）等公司走自己的路，其中面壁智能因為專注於開發輕量級、高效能的模型而備受矚目。

生成式AI的技術堆疊可以分為3層：基礎設施層（儲存與晶片）、智慧層（LLM），以及輸出層（應用）。西方與中國企業在這3個層面的做法相互有別。中國的生成式AI業者全力追求「客製化」（customization）、「成本領導」（cost leadership），以及「調校」（calibration），希望打造出來的系統能夠達成最高效率、優先考慮實際應用，以及採取差異化路線。

美國的AI工具形成一個去中心化的生態系，往往仰賴多個軟體供應商；相較之下，中國的AI公司則是建立整合的端到端工作流程。例如，華為開發出自己的深度學習框架昇思（MindSpore），在自家的昇騰AI晶片上執行。相較於採行去中心化生態系的AI，公司如果採行垂直整合解決方案（包括硬體、軟體、最佳化工具），將能夠以更低的成本來客製化基礎設施，並對模型進行調整。這種差別影響深遠。對AI供應商來說，垂直整合生態系的崛起凸顯出，掌握完整技術堆疊具備策略價值；對AI使用者而言，這類生態系的崛起則是點出必須在開放且去中心化與封閉且中心化兩種架構之間做出明智的選擇。企業領導人要設法讓AI採用策略配合更遠大的目標，可能是追求最大的彈性與規模，也可能是優先考量成本效率、法遵與系統一致性。

接下來我們更深入探討框架的第一根支柱，「基礎設施的客製化」。中國企業近幾年來在這一領域不斷創新。許多新創公司創辦人與資深高階主管一再向我們表示，中國的AI策略並非追求通用的解決方案。正如我們先前所論，AI解決方案供應商正致力於打造模組化、可調整的基礎設施，能夠針對在地的技術、監管與營運需求進行微調。中國的訂閱制AI服務提供容易安裝的AI解決方案，來強化小型企業的能力。這些方案經過專門設計，可以針對在地情境發揮最佳效能；特別是金融與醫療產業，因為這兩個產業很需要了解細微的差異。以螞蟻集團（Ant Group）為例，它打造一系列AI醫師代理，放在自家的支付寶app供消費者使用。這些代理由一套專為醫療打造的基礎模型驅動，並與頂尖醫院團隊共同開發。這款app的獨特之處不僅在於數據，更在於如何訓練系統來反映中國醫師的實際思考與推理方式。螞蟻集團結合臨床文獻、結構化診斷數據，以及頂尖醫師的決策邏輯，打造出一套不僅聰明、而且符合醫療實況的系統。像這樣的情境深度，ChatGPT之類的通用模型難以匹敵。

中國企業認為，營運要敏捷與靈活應變，不能缺少客製化的基礎設施。例如阿里雲（Alibaba Cloud）的儲存解決方案就可以提升讀寫速度，並提供更大的彈性，這對於生成式AI的應用極為關鍵。相較之下，ChatGPT 3.5依賴微軟Azure雲端服務並使用輝達的晶片，這些都是生成式AI問世之前的技術，並未針對它進行最佳化。

框架的第二根支柱「以成本來領導模型開發」，也讓中國享有優勢。西方公司為開發生成式AI模型投入大量資源（據估計金額從數十億美元到數百億美元不等）；相較之下，中國的生成式AI公司在打造AI模型時，以成本效率為設計原則。許多西方公司透過追求創新與規模經濟來提升效率；但中國的創業者認為，真正的成本效率不只是削減開支，更是善用已經成熟的AI解決方案，而非從頭開始開發模型；這種做法十分適合於中國，它擁有龐大的市場，以及中心化的AI解決方案供應商。如此一來，西方公司全力打造最尖端的基礎設施與模型，明白這些基礎設施與模型最終會帶來商業成果；中國企業則是全力追求商業成果，模型與基礎設施只是實現此一目標的手段。這種心態促使騰訊、百度等企業採用不需大手筆投資就能產出實際成果的技術。中國的垂直整合平台提供國產晶片、雲端基礎設施，以及模型即服務（model-as-a-service）相關產品，一方面降低訓練成本，一方面支援多語言與多模態的應用。當然，中國企業也從觀察OpenAI、Google與Meta等西方競爭對手的最佳實務（與失敗經驗），得到一些助益。

對於預算與基礎設施有限的企業而言，這根支柱能夠轉化為實質的優勢：更快速的部署、更低廉的訓練與推理成本，以及更容易整合進在地化、特定領域的應用。中國業者雖然受益於西方開發的基礎模型，但它們能夠以遠遠更少的成本，調整、改良並提供高效能的模型（尤其在難以取得西方高階基礎設施的情況下），從而提出有吸引力的價值主張。這種因限制而來的開創能力，促成快速而務實的創新，因為成本紀律不僅是策略選擇，更是生存所必需。

框架的第三根支柱是「針對實際應用調校」，確保AI模型不僅在理論上站得住腳，實務上也能發揮效果。中國企業非常在意自家模型不只要在理論上可行，更要能運行於現實的動態環境，例如零售、金融、醫院與政府機構。中國的AI業者不斷進行測試與迭代。值得注意的創新包括月之暗面推出的Kimi模型。2024年3月，Kimi成為第一個能在單次對話中處理高達200萬漢字的AI模型。這種進展讓Kimi在AI單次互動處理大量文本方面躍居領先地位。Kimi的長脈絡能力不只是技術的里程碑，這個模型更是針對文件數量龐大的實際用例來調教，像是醫療、教育、客服等領域。月之暗面的AI讓技術雄心密切配合它的策略部署。

客製化、成本領導、調校，這3大支柱讓中國的生成式AI與西方截然有別。中國的創新者並沒有複製西方的模型，而是根據自身獨特的市場需求與限制，建立一個目的導向的生態系。從這個3C框架的角度來看，這些發展不只在技術上與西方有別，策略上更是與西方互異。而這套框架也讓全球領導人能夠評估自己應該如何面對一個碎片化但又環環相扣的AI世界。

“中國的創新者並沒有複製西方的模型，而是根據自身獨特的市場需求與現實限制，建立一個目的導向的生態系。

中國正在萌生一個與西方不同、具備完整技術堆疊的AI生態系，涵蓋模型、基礎設施、部署平台與垂直應用，以自己的方式變得愈來愈有競爭力。企業無論規模大小，策略問題已經不再是要不要接觸中國的AI生態系，而是要如何有效接觸，例如成為合作伙伴、進行試點計畫，或是從一個重視速度、規模與實際效用而打造的系統汲取經驗。

中國生成式AI應用的未來

隨著中國的生成式AI快速追上西方對手，它的應用生態系也迅速展開運作，飛快開發出各種創新的應用與用例。生成式AI的應用大致可分為3個主要類型：效率提升工具、通用軟體，以及特定產業的垂直應用。目前中國企業在第三類型的表現非常出色，它們將AI部署在該類型各式各樣的用例之中，例如客戶參與以及企業平台。中國業者不會只在實驗室進行測試，而是在真實商業活動的第一線執行這些工具。

部分中國AI公司已經打造出能夠立即實際應用的產品，例如百度的文心一言（Ernie Bot），它在訓練時融入結構化的知識，因此在需要深入了解情境的任務中展現強大的效能。以客服場景為例，文心一言能夠利用企業專屬的知識圖譜與規範框架，生成高度精準且符合公司政策的回應；像這樣貼合企業的程度，通用模型一般來說無法在開箱時就提供。文心一言已經成為範例，顯示設計模型時如果深思熟慮，將重點放在實際的整合而非理論上的規模，就能夠打造出高效能、更低成本的模型，對於AI預算吃緊的全球企業而言特別實用。

阿里巴巴也有類似做法，將其生成式AI工具開放給平台（包括它的電商公司淘寶）上的賣家使用。阿里巴巴的平台擁有超過20萬家供應商，供應超過兩億種產品。透過阿里巴巴的工具，這些供應商可以為自家每一項產品製作出高品質、專業水準的商品頁。短短幾年之前，較小的供應商只能夠為少數熱賣品項製作這樣的商品頁。

攜程（Trip.com）是中國最大的線上旅遊平台，藉由專有的LLM攜程問道（Wendao）為個人化旅遊開闢新天地。攜程問道是以200億筆高品質旅遊數據點來訓練，並由即時資訊與專有演算法驅動，讓平台依據個人偏好量身打造行程，並且因應變化的旅遊條件來做動態調整。目前就攜程的業務而言，AI幾乎已是無所不在。工程師利用AI將程式撰寫時間減少15％至30％；內容創作時間從原本的8.5分鐘縮短至15秒，而且品質合格率高達98.9％；行銷素材的製作也只要3分鐘以內即可完成。在客服方面，超過60％的使用者查詢可由AI自助服務解決，進一步降低成本並強化回應性。這些改善都是來自攜程的策略：透過智慧型自動化來推動成長。

在物流領域，順豐科技（SF Technology）為供應鏈決策工作量身打造基礎模型。它的豐智（Fengzhi）模型結合LLM的對話能力與特定領域小模型的精準度，來解決幻覺、決策不準確等常見的挑戰，而成果就是一個專為物流營運而設計、效率高超的智慧型代理。第二個模型豐語（Fengyu）已經部署在超過20個業務場景之中，包括行銷、顧客支援、寄送作業以及報關業務等。順豐的訓練數據80％來自通用數據，20％是物流專屬資料（西方的模型多半使用100％的通用內容），以建立規模較小但專攻特定領域的模型，從而降低推理成本，同時維持效能。這是應用導向型AI很明確的案例，最佳化的目標不是規模，而是特定產業的策略深度。

在醫療領域，醫聯（Medlinker）的MedGPT是一位AI醫生，已經展現出專業級的診斷能力，與醫院環境中的人類醫師不相上下。在看診過程中，該模型能夠根據病患的症狀描述快速研判某疾病可能的原因，提供預先諮詢的醫療支援，並且提升問診與診斷的效率。而該模型也充分顯示，嚴謹的實際測試有助於實質提升模型的效能。類似的實際調校做法，也應用於醫療之外的領域。例如金山辦公（Kingsoft Office）的WPS AI智慧助理，將AI部署於生產力應用；而小米則將AI部署於顧客服務。

混合式做法

到目前為止，我們已經介紹了支撐中國生成式AI生態系的3C框架，但我們的研究發現，一種混合式AI的做法正在逐漸成形，也就是策略性整合中國與西方的AI解決方案。我們認為，人們正進入一個新時代，沒有任何單一的生成式AI技術堆疊或工具能夠主宰市場。

目前美國與中國並行兩套生態系，各有優勢、限制與優先考量：中國的系統能夠大規模快速推出深具影響力的模型，西方系統則在尖端研究與基礎模型的廣度維持優勢。組織如果雙管齊下，可以充分利用兩個世界最好的地方。

舉例而言，雀巢（Nestlé）正與電商巨頭京東（JD.com）、物流創新業者菜鳥（Cainiao）、AI公司科大訊飛，以及其他中國企業合作，打造在地化的AI解決方案，來取得消費者見解與產品創新。雀巢發現，西方的LLM在物流與庫存管理方面的應用較具成效，中國的AI平台則是在顧客分析方面提供更高品質的成果。雀巢結合運用中國與西方的AI技術，一方面全力提升營運效率，一方面保持自家在消費者見解上的競爭優勢，而且有助於雀巢應對複雜的監管情勢與市場動態。

星巴克（Starbucks）是另一個例子。它雖然在美國與中國市場都部署AI，但採取的應用卻是針對彼此截然不同的生態系量身打造，並整合進各自的生態系。在美國，星巴克將重心放在以深釀（Deep Brew）等專有平台來加強個人化服務與營運效率。相較之下，星巴克在中國則是與阿里巴巴等科技巨頭合作，將AI整合進數位點餐與外送服務，符合中國市場以行動通訊為中心的消費行為。此外，星巴克還在深圳設立星巴克中國創新科技中心（Starbucks Innovation and Tech Center），加速推進它的成長。

想要順利推行AI混合，高階主管必須了解技術堆疊與法規監管，並且清楚自己的策略方向。此外，高階主管還必須處理網路安全與數據保護的相關問題。我們建議企業領導人從以下3個步驟展開行動：

1. 研究兩大AI生態系

密切關注中國生成式AI生態系的發展。這個市場已經催生出一些獨特創新的解決方案，未來還會有更多的後繼者。對西方企業領導人來說，一大挑戰在於如何保持消息靈通，因為大多數非中文媒體只會報導市場上最獨特的發展。因此企業必須建立一些系統，追蹤中國在技術、監管和應用層面的發展。

大型組織應該考慮嘗試與中國的AI公司合作，以便從內部掌握最新發展與工具。在嘗試的過程中必須更深入分析這些模型的數據共享機制、治理方式，以及運作所依據的法規基礎。

你必須針對這個步驟建立一套情報基礎設施，追蹤重要的中文與中英雙語新聞來源，例如財新（Caixin）、36氪（36Kr）、TechNode和Rest of World等。你還應該與深耕在地的專業智庫合作，協助你對系統進行分析、解讀與比較。

此外，你還必須評比中國的模型與用例。追蹤中國主流的生成式AI平台，例如百度的文心一言、阿里巴巴的通義千問（Tongyi Qianwen）、科大訊飛的訊飛星火（SparkDesk）、騰訊的騰訊混元（Hunyuan）以及智譜華章的GLM。你應該嘗試取得這些模型實際應用於零售、製造、教育與公共服務的第一手經驗。幾家與我們合作的組織，已經開始籌備相關的中國市場考察活動。

最後，建立在地合作關係與技術偵查網絡。合理的做法也許是指派當地一位能說中文的創新偵查員，負責追蹤與回報最新發展。這位偵查員要能夠融入在地的生態系，像是參與上海世界人工智能大會（Shanghai World AI Conference）、北京中關村論壇（ZGC Forum）之類的重要活動。

2. 評估中國的AI系統

我們可以預期，中國的生態系會推出新的商業模式與變現策略，正如同中國過去在行動科技領域也是如此，當時中國的創新如社群商務、電子錢包與支付系統，都超越了西方在同一領域的發展。中國市場的激烈競爭與巨大規模，讓某些在其他地區可能難以實現的商業模式得以運作。

因此企業必須深入研究新的商業模式，並隨時準備調整那些最能夠轉移給自家使用的模式。〔當然，你必須了解維繫這些商業模式運作的基礎技術，因為字符成本（token costs）、算力需求、碳足跡、擴展性，都取決於底層的技術堆疊。〕LVMH就是一個達成這項目標的多國籍企業案例。它與阿里巴巴合作，運用後者的生成式AI能力，包括千問（Qwen）LLM與百煉（Model Studio），對自己在中國的數位零售營運進行在地化與最佳化。理解並調整適應中國的AI基礎設施，讓LVMH同時取得績效與成本優勢。

寶僑（Procter & Gamble）的案例則是在中國運用AI進行超個人化行銷。寶僑與抖音合作，利用中國的「興趣電商」模式，結合短影音、演算法探索，以及直接購買。不同於西方電商工具著重搜尋與品牌忠誠度，抖音充分利用演算法推薦、衝動型購買，以及娛樂驅動的探索。

寶僑透過線上串流的回饋迴路以及新配方測試，與消費者共同開發產品。公司取得消費者見解之後，就能夠快速調整包裝、訂價與產品訊息。整個模式依賴抖音的AI基礎設施來進行分析、動態訂價與精準配送；這需要寶僑重新思考產品開發時程，並將數據架構與消費者接觸點在地化，才能配合抖音的技術。

3. 結合西方與中國系統

企業最終可能會同時運作兩套生成式AI模型與應用。對全球企業來說，需要高準確度與透明度的應用可能會放在較易取得且熟悉的西方模型上執行，例如ChatGPT、Gemini，或是Llama。這些模型可能更適用於製藥、銀行與政府等領域的應用，特別是因為這些領域要求卓越的效能，具有更高昂的成本，而且面臨嚴格的監管限制與透明度規範。

然而對於零售、消費性商品、媒體等產業，以及摘要、基礎程式撰寫與客服等例行任務，企業可能更傾向使用成本較低的中國模型。這些用例的監管要求較低，因此中國模型相當適用。例如，BMW計畫於2025年稍晚在中國推出的新車款中，引進中國新創公司深度求索的AI。這項協作包含在BMW的策略之內，要藉由強化合作來將AI整合進車內；該公司正在提升智慧語音助理（Intelligent Personal Assistant）等功能，提供專為中國市場量身打造、更為直覺的使用者體驗。

2025年4月，德國汽車零件供應商博世（Bosch）宣布，專為AI座艙設計的高效能電腦取得首筆中國訂單。該系統具備語音辨識、導航與駕駛輔助等功能，博世計畫生產超過10萬套，展現公司全力滿足中國對AI車載技術的高度需求。

長期而言，我們可能會看到一個雙元AI生態系的出現。不過，與中國版本的網際網路對外封閉的情況不同，這兩個AI生態系可能會互相連結，企業因此就能從兩個世界選出最好的地方。

中國已經打造出一個與西方並行的生成式AI技術堆疊，它以另一種方式運作，為另一套需求服務，而且發展相當迅速。如果從敏捷又隨時可以部署的中國模型找出最好的地方，然後結合西方科技的研究實力與基礎設施，企業就能為創新與成長開闢一條新路。這不是要選邊站，而是要做好準備，迎接一個多極的AI未來。現在正是評估、合作與整合的時刻。

“如果從敏捷又隨時可以部署的中國模型找出最好的地方，然後結合西方科技的研究實力與基礎設施，企業就能為創新與成長開闢一條新路。

文章來源：哈佛商業評論 9月號