目錄摘要
全球晶片管制變局：美中博弈驅動AI訓練新地圖
自2024年至今，美國對高階 GPU 出口與特定晶片設計的管制逐步升級，H20等晶片納入出口管制清單，使得中國 AI 訓練的算力供給風險顯著上升。企業不得不尋找替代路徑，於海外建立訓練基地、分散算力風險，並以合規的跨境佈局維持全球競爭力。此局勢催生「出海訓練+ 本地推理」並行的雙軌策略。
出海訓練的實際路徑：租賃海外數據中心與跨境供應鏈
以阿里巴巴、字節跳動等為例，近年選擇新加坡、馬來西亞等地的資料中心作為訓練基地，透過租賃當地由非中國實體運作的數據中心取得 Nvidia 的高階晶片資源。這種模式在美方現行出口管制框架下被視為較可控的路徑，同時支撐海外雲服務與全球客戶的算力需求，形成跨境供應鏈的新常態。
DeepSeek 的例外與中國本土推力
DeepSeek 在美國禁令生效前已累積相當數量的晶片，選擇在中國境內訓練，並與華為展開晶片與軟件的深度合作。這顯示在政策與技術雙重壓力下，部分企業走出混合路徑：核心訓練留在國內、國產化推論逐步升級，並透過本地生態提升自主可控能力。
推論與訓練的分離：本地晶片在推論階段的崛起
訓練逐步移向海外後，推論階段對本地晶片的依賴加深。中國企業越來越多採用國產晶片執行推論任務，藉此降低資料外洩風險與合規成本。然而訓練端仍需依賴海外算力，顯示全球 AI 生態的分工正在逐漸穩定。
投資與政策風險：新興市場與外部合規的博弈
投資者須警覺跨境租賃與供應鏈的地緣風險，以及中國嚴格資料本地化規定可能帶來的成本上升。長期而言，本地晶片自給與軟硬體協同發展可能提升自主控性，但短期回報仍受出口管制動態的影響，需謹慎配置投資組合。
結論與前瞻：雙引擎與旅遊式觀察
在 AI 與晶片的全球競賽中，出海訓練提供可規模化的算力來源，推論本地化則是法規與風險控管的緊要所在。投資策略可聚焦於具全球佈局能力的企業、跨境數據中心租賃與本地晶片生態的成長。最後，鼓勵讀者把視野轉為行動，規劃一次科技旅遊：前往新加坡、馬來西亞等地，實地探訪資料中心與本地晶片公司，感受全球 AI 生態的活力與挑戰，讓觀察轉化為下一步的實踐。
