Lowy Institute AI 快照顯示美國領先中國，但仍有局限

Lowy Institute 的 AI 快照顯示，美國領先中國，儘管中國在礦產與開放模型分發方面具備優勢。這項於 2026 年 11 月 8 日發表的評估，比較資源、科技、AI 能力及採用情況等 14 項指標。其結論挑戰了一種常見的簡化看法：受開發者歡迎，並不會自動確立其在整個 AI 市場的領導地位。

研究員 Jack Sato 與 Hunter Marston 區分了美國在運算及消費者分發方面的優勢，以及中國在其他領域的優勢。他們的比較結果顯示美國整體領先，同時說明為何個別指標可支持截然不同的新聞標題。兩國均未控制所有資源、分發渠道或影響力來源。

對開發者與企業採購者而言，這項研究的意義超越國家排名。選擇 AI 系統，同時意味著選擇涉及基礎設施、軟件存取、營運要求及管治的依賴關係。報告為檢視這些依賴提供了起點，卻未界定哪一個模型適合每個機構的工作流程。

Lowy Institute AI 快照實際改變了甚麼

這項新評估改變的，更多是比較框架，而非根本競爭格局。

Lowy 的 AI 實力比較 匯集了通常分散於不同討論中的指標，將材料、基礎設施、模型能力與分發置於同一框架內。在每個層級中，其衡量項目獲賦予相同權重，而指標分數則將兩國與其合計值作比較。

這種做法提出了一項關於如何理解科技實力的論點。一個國家的地位不能完全建立於成功推出聊天機械人。同樣地，單憑工業資源，也不能證明其軟件可接觸更多用戶或表現更佳。

這一區分很重要，因為國家競爭往往演變成一連串孤立的公告。模型發布帶來性能標題，晶片限制帶來安全標題，下載里程碑帶來採用標題。讀者於是將每項發展視為單一整體贏家的證據。

這些發展回答的是不同問題。要把它們結合起來，便需要明確判斷其相對重要性。Lowy 使其框架清晰可見，讓讀者可以檢視這種判斷，而不是把它當成未明言的假設。

因此，整體分數應被視為一種有結構的詮釋，不應取代對底層類別的檢視。選擇軟件的機構，所需權重與評估工業脆弱性的政府並不相同。

試想一個團隊正評估用於處理機密工程文件的助理工具。消費者人氣對判斷該系統是否符合其要求，只能提供有限證據。部署控制、文件處理、答案質素及維護責任，會有更直接的比重。

若企業向客戶推出助理工具，則會面對另一種計算。存取便利度、回應可靠性、整合支援及持續性，可能比自行營運模型的能力更重要。這兩種決定都不與國家層面的評估矛盾；它們各自套用了較狹窄的目標。

這份出版物亦為後續報道建立了有用基準。日後任何領導地位的說法，都可按照其實際影響的維度加以檢驗。分發方面的進展應更新分發討論，而不應悄然變成製造業取得同等進展的證據。

這正是 Lowy Institute AI 快照的核心貢獻：它令相互競爭的領導力定義更難被忽略。評估整體上傾向美國，同時保留中國優勢對特定用戶及行業可能重要的空間。

讀者應保留這項結論的兩個部分。刪去整體結論，會低估報告的論點；刪去其中的不均衡性，則會把分析框架變成證據無法支撐的勝利宣言。

美中 AI 競爭經由不同分發渠道展開

贏得開發者關注與接觸日常用戶彼此相關，但衡量的是不同類型的影響力。

Lowy 報告指出，在其比較中，中國模型佔美中模型合計下載量的 78%。美國模型則吸引了逾 90% 的合計網站流量，以及逾 80% 的已衡量應用程式使用量。這些數字描述的是不同渠道，而非可互換的整體市場份額估算。

開放權重模型會在許可證規範下，提供其學習得來的參數以下載。這種可用性讓其他機構可營運或調整模型。至於託管式助理工具，則是透過由服務供應商管理的基礎設施提供存取。

這項差異改變了模型開發者與最終用戶之間的關係。使用託管式助理工具的人，通常接觸到的是具辨識度的產品；使用圍繞已下載模型權重建立的應用程式的人，可能從未看見原始開發者的名稱。

因此，中國 AI 採用可以擴大，而不一定伴隨中國聊天機械人網站瀏覽量的相應增長；反過來亦然。美國助理工具的龐大流量，也不能證明美國可下載模型主導獨立部署。

然而，下載量需要審慎詮釋。Hugging Face 的下載統計規則說明，其統計計算的是對指定檔案的請求，並不直接計算獨立人士、活躍機構或已完成的生產部署。計算方式亦會隨檔案格式及函式庫而有所不同。

這項限制並不表示下載統計毫無意義。它們提供了模型分發活動的證據。錯誤在於，若沒有額外證據，便把一次分發事件變成持續營運使用的說法。

已下載模型可能用於評估、實驗、調整或已部署的服務。這些活動具有不同的商業及戰略含義，單靠下載量無法可靠地區分它們。

網站流量亦有限制。一次瀏覽並不能證明某人完成了有用工作、經常回訪，或選擇了付費服務。當比較採用不同衡量系統或存取條件時，應用程式活動同樣需要審慎處理。

有用的問題是每個渠道能帶來甚麼。託管式分發讓供應商與用戶建立直接關係，並控制產品更新；可下載模型則讓下游營運商承擔更多部署責任，並有更大空間塑造周邊應用程式。

兩種安排都不保證較佳結果。自行營運模型會引入維護及安全責任；依賴託管服務則會面對供應情況、產品行為及存取條件改變的風險。

對開發者而言，含意很實際。一個國家採用情況的新聞標題，不應決定技術選擇。相關比較在於，特定分發安排能否長期支援應用程式的要求。

對政策制定者而言，含意則不同。影響力可透過品牌化消費產品累積，也可透過嵌入其他系統的底層組件累積。一項有用的評估需要檢視兩種途徑，而不假裝它們的活動指標描述相同人群。

美國的運算優勢仍依賴實體投入

AI 軟件領先，並不會消除對令軟件成為可能的工業系統之依賴。

運算是指用於訓練及運行 AI 系統的處理資源。Lowy 估計，美國 AI 數據中心持有的運算能力，接近中國合計運算能力的 40 倍。報告亦發現，中國在美國關鍵礦產清單所列的 30 種礦產中領先生產，而美國則有 8 種。

關鍵礦產清單涵蓋 60 種被視為對美國經濟及國家安全至關重要的材料。其目的在於評估整個經濟體的供應脆弱性，而不是按個別材料對 AI 的重要程度排名。

這項區分避免了另一種誤導性的簡化說法。在更多列出礦產的生產方面領先，並不會自動轉化為在成品 AI 系統中具備相應優勢。材料必須經過製造、設備、基礎設施及營運流程，才能支援可用的運算能力。

然而，反過來的簡化說法同樣站不住腳。更優秀的模型並不會令上游依賴消失。供應商即使不生產最顯眼的最終產品，仍可佔據重要位置。

這在美中 AI 競爭中形成持續的張力。不同參與者可影響同一工業系統的不同環節。在應用層領先，並不會自動免受其他地方的限制。

電力帶來另一項依賴。國際能源署的 AI 能源展望 預測，數據中心耗電量將由 2025 年的 485 太瓦時，上升至 2030 年的 950 太瓦時。報告指出，能源設備及其他基礎設施的瓶頸，將限制短期擴張。

太瓦時衡量的是一段時間內消耗的電力，並不衡量 AI 模型的質素或其答案的實用性。然而，這份能源展望說明，已安裝的運算設備不能與供應其所需的系統分開評估。

已公布的基礎設施與正在營運的基礎設施，應分開處理。擬建設施仍需具備提供可靠服務所需的實體及商業條件。若把每項公布都視為即時可用的能力，便會掩蓋這些條件。

對企業客戶而言，這項工業討論透過服務承諾而變得重要。營運問題在於，當工作負載增加或供應商改變其服務時，能否保持可靠存取。國家能力估算無法為個別合約回答這個問題。

對政府而言，問題則關乎相連依賴關係中的韌性。擴大某一投入可能暴露另一項限制。如果周邊基礎設施無法支援，更多設備帶來的效益便有限。多元化供應商基礎也需要實際替代方案，而不只是政策文件上的名稱。

在此，Lowy Institute AI 快照最有用之處，是提醒人們追蹤依賴鏈。其類別識別不同的實力來源，但讀者仍需了解這些優勢如何在實際生產及部署中相互連接的證據。

因此，競爭圖景難以將軟件與工業清楚分割。兩者彼此依賴，而一個範疇的改進，仍可能令其他地方的脆弱性未獲解決。

能力領先並不保證部署領先

最強大的通用模型，未必自然成為最適合每項實際營運工作的系統。

Anthropic 的 AI leadership scenarios 將模型智能、本土採用、全球分發及社會韌性區分開來。該公司認為能力至關重要，同時承認有效部署可以彌補智能方面的劣勢。

這個觀點支持以更廣闊的角度理解競爭，但必須註明歸屬。Anthropic 開發 AI 模型，亦參與其所分析的市場。其策略評估提供的是具參考價值的觀點，而非對每項競爭主張的獨立確認。

當中的核心區別仍然有用。模型能力關乎系統在指定條件下能做到甚麼。部署則關乎機構能否在自身流程中，令這些能力發揮實際效用。

基準測試，即用以比較系統的標準化評估，可說明一組明確界定的能力。它無法自動證明系統在每個工作場所的表現。工作任務、文件、營運限制及錯誤後果各有不同。

設想一個工程團隊，正根據其內部文件比較不同助手。一個系統或許能寫出更流暢的解釋，卻引用了錯誤版本的技術規格；另一個系統的文字未必那麼精緻，卻能持續找到正確文件。

這個例子並不證明某個國家的模型系列表現較佳。它說明了為何買方的評估必須把能力與實際工作連結起來。一般排名並未完成這個連結。

部署控制帶來另一項考慮。處理敏感資料的團隊，可能偏好讓處理程序留在獲批准環境內的安排。另一個團隊則可能優先考慮託管營運，因為它缺乏維護自身模型基礎設施的人手。

即使討論中完全不涉及訂閱比較，這些選擇仍牽涉投入、責任及彈性的成本。獨立運作需要有人管理更新及調查故障；託管存取則需要有人評估供應商的政策及服務承諾。

中國 AI 採用情況應從這個營運角度檢視。對可下載模型的興趣，可能反映市場對彈性及控制權的需求。但這並不證明每個已下載系統都能投入生產環境，或取代既有服務。

美國消費者觸及範圍同樣需要從營運角度理解。熟悉程度有助把產品引入機構，但熟悉本身無法證明它適合處理機密工作、專門文件，或需要可靠證據的決策。

對知識工作者而言，兩者的連結尤其直接。助手的實用性往往取決於它能檢索的資料，以及它保留的證據。一個更強大的通用模型，無法彌補來源文件缺失或過時的問題。

因此，評估 AI knowledge base 的團隊，應在選擇模型的同時檢視資訊存取。國家層面的競爭提供背景，而機構本身的證據決定助手能否帶來有用結果。

這正是能力與採用相遇、卻不會變成同一回事的地方。更好的模型擴闊了可行應用的範圍；成功部署則決定哪些可能性會成為可靠的工作成果。報道應追蹤兩方面的進展，並避免宣稱其中一方能完全取代另一方。

技術領先不能推斷出公眾信任

開發廣泛使用的 AI 系統，並不會自動帶來制定其管治規則的權威。

管治問題關乎誰能確立可接受的做法、問責方式及監督機制。這與哪個國家生產最有能力的模型，是不同的問題。使用者可以依賴某項產品，同時不信任與其相關的機構。

Pew Research Center 於 2026 年 9 月發布的 AI regulation survey 顯示，受訪者對中國的信任度中位數為 43%，美國為 35%，歐盟為 34%。這些結果來自 12 個受訪國家，當中大多是中等收入經濟體。

調查範圍與百分比同樣重要。Pew 在 2025 年曾於另一組 25 個國家提出相關問題。兩組樣本的整體結果出現變化，本身不足以證明相同人群的看法已改變。

這項方法論上的審慎，會影響對 Lowy Institute AI snapshot 的理解。其管治討論應促使讀者更仔細檢視各國態度，而不應鼓勵對全球公眾意見作出普遍性主張。

信任亦取決於所問的具體問題。相信某個政府能監管 AI，並不等於偏好其商業產品。使用外國助手，也未必表示認同該政府的政策。

對企業買方而言，管治會透過責任分配變得具體。必須有人決定助手可以存取哪些資訊；必須有人調查有害或錯誤的輸出；也必須有人決定何時必須進行人工審核。

這些決定不能交由國家排行榜代勞。機構需要在出現問題時仍能清楚理解的安排。相關證據包括營運程序、可執行的承諾，以及明確分配的擁有權。

對美國及中國以外的政府而言，同一項區分為獨立選擇創造空間。它們可以根據本地要求評估進口系統，而毋須把採購視為對供應國的無條件認可。

這並不代表這些選擇在政治上變得簡單。技術依賴與政策關係可能互相影響。儘管如此，若把每一次採購都視為完整的地緣政治結盟，便會抹去應用與機構之間的實際差異。

這份快照的整體結構亦有一項限制。等權重令框架更易閱讀，但等權重代表一項分析選擇，並不能證明每個類別對未來結果都有同等影響。

面對供應中斷的政府，可能會更重視工業投入。一間正擴展海外市場的軟件公司，可能會強調分發能力。處理敏感紀錄的公共機構，則可能優先考慮問責與營運控制。

這些優先事項都不會否定報告。它們說明了為何讀者應把報告的整體評估，與自身的決策準則區分開來。當其假設保持可見時，這個框架有助進行審視。

因此，審慎的結論是明確的：這份快照整理了有關領先地位的證據，但仍留下關於結果的重要未解問題。它沒有證明普遍的產品優勢、不可避免的未來主導地位，或獲國際接受的 AI 管治權利。

Lowy Institute AI snapshot 後值得關注甚麼

下一批有用證據，將把競爭主張連結至持續使用、可運作的基礎設施，以及可執行的營運選擇。

第一個訊號關乎初步興趣以外的採用情況。未來數月，若模型發布及分發更新附有持續部署的證據，便值得留意。下載總數仍有參考價值，但經常性營運使用的證據，會更有力支持關於持久影響力的主張。

對中國可下載模型而言，關鍵區別在於試驗與持續依賴。一個在開發期間接受測試的模型，與一個支援機構日常營運的模型，所處位置並不相同。記錄這一轉變的報道，將有助釐清分發收益的意義。

同一標準亦應適用於美國服務。受到更多關注，不一定代表持續具備實用性。機構持續使用的證據，會更有力支持消費者觸及範圍轉化為長期營運影響力的主張。

若美國的分發優勢持續，而中國開放模型的活動仍集中於試驗階段，這個訊號便會加強 Lowy 的解讀。若中國模型在獨立營運的應用程式中獲得有記錄的持續使用，則會削弱對該解讀的簡單詮釋。

第二個訊號關乎基礎設施投入服務。公司更新及公開披露應區分擬建設施與已運作的容量。有關電力供應、設備可用性及投產啟用的證據，將有助說明已公布的擴張能否成為可用的運算能力。

這些證據對競爭雙方都很重要。額外投入運作的基礎設施，會加強能有效利用它的生態系統地位。延誤則會削弱依賴已公布容量如期到位的結論。

第三個訊號關乎管治走向實際運作。應留意會改變機構部署 AI 方式的採購要求、已落實的保障措施及公開評估。相較於責任明確的規則，成員資格公告及廣泛政策聲明所提供的證據較少。

這個訊號會挑戰技術領先自然決定管治影響力的假設。領先模型生產國以外的機構，仍可塑造實際要求。當這些要求影響真實部署時，其影響力便會更清晰。

對關注美中 AI 競爭的讀者而言，這些訊號提供一種有紀律的替代方法，避免對每一項領先主張作出即時反應。每項訊號都會問：一項可量度的發展，是否改變了能力、分發與依賴之間的關係。

把原始證據與每次後續更新一併保留。記錄採用統計涵蓋哪類人群、基礎設施項目到達哪個階段，以及管治公告帶來哪些義務。這些紀錄會令日後比較更有用。

在下一次採購或部署 AI 前，把 Lowy Institute AI snapshot 轉化為關於自身風險承擔的問題。哪個供應商控制系統存取權？它能使用哪些文件？其行為改變時會發生甚麼？誰負責處理故障，而機構要把工作遷移出去有多容易？

以具代表性的工作任務及明確營運要求比較候選系統。保留結果，讓新版本可接受相同評估。關注國家層面的競爭以掌握背景，然後要求在機構實際運作的層面提供證據。若競爭格局轉變，哪一項依賴最難取代？