中國 AI 競賽轉向智能體：真正的戰場是低成本、可靠地把模型跑起來

中國的 AI 產業正在把焦點從「誰能訓練出最大的基礎模型」，移向「誰能把模型變成真正能做事的智能體（AI agents）」。這類系統不只回答問題，還可能查找資料、呼叫軟體工具、執行多步驟工作流程、檢查結果，再視情況重試或交由人員處理。

因此，下一階段的關鍵不只是模型能力，而是能否在大規模使用下，同時兼顧成本、速度、穩定性與安全控管。

推論需求，可能成為算力市場主體

中國電信研究院預測，到 2029 年，推論將占中國算力市場的 80%，並超過模型訓練相關需求；該研究也預期，智能體未來兩到三年可能帶動全國算力需求接近每年 10 倍的成長。59

所謂「推論」，是已訓練完成的模型接收指令、生成回應或執行任務步驟時所進行的運算。若只是一次聊天回覆，所需資源相對有限；但智能體若要反覆讀取企業資料、呼叫多個系統、驗證輸出並完成流程，推論負載與系統管理複雜度都會顯著提高。

同一研究脈絡估計，中國全年 Token 消耗量可在 2026 年達到 100 千兆（100 quadrillion），並在 2030 年超過 35 京（35 quintillion）。這些是預測而非已實現的數據，但凸顯出一點：模型被持續「使用」的能力，可能變得和訓練模型本身一樣具有戰略意義。6

從一次性訓練投資，轉為長期營運成本

訓練前沿模型通常是集中、一次性較高的基礎設施支出；部署智能體則像經營一項持續運作的服務。每一次任務都可能產生模型推論、資料檢索、網路傳輸、儲存、監測，以及人工審核或升級處理的成本。

這改變了商業判準。一個能力出色的智能體，如果運行太貴、回應太慢，或在企業系統裡不夠可靠，就未必能成為可行產品。衡量標準將更接近「完成一項任務的成本與品質」，而不只是模型在基準測試上的分數。

對供應商與導入企業而言，重點將包括：

• 為任務選用足以安全完成工作的最小模型；
• 將工作分流給合適的模型或工具；
• 透過快取與更有效率的服務架構減少重複運算；
• 讓智能體連接可信、與任務相關的資料；
• 測試工具調用與端到端流程，而非只測模型文字輸出；
• 監測失敗情況、權限控管與稽核軌跡；
• 在高風險判斷或行動上保留人工介入機制。

這不代表訓練前沿模型不再重要：它仍關係到能力、自主性與取得先進模型的途徑。但當具競爭力的模型日益普及，能否以低成本且可靠的推論服務，把 AI 接進既有系統並長期運作，可能成為更難複製的差異化能力。

政策訊號：從單一模型走向可複製的應用部署

中國的政策方向也強調應用擴散。工業和信息化部的「人工智能＋軟體」方案提出，到 2028 年，AI 程式設計工具要推廣至超過 2 萬家重點軟體企業；同時，在重點產業打造 100 項智能體軟體標竿應用，並培育至少 5 項高品質開源專案。3

方案所指向的 2030 年目標，則是建立更智慧、安全的軟體生態，包括推動關鍵軟體系統的智慧化升級。37 另一份「人工智能＋信息通信」計畫也提出，到 2028 年形成 30 個以上高價值典型場景，打造代表性應用與特色智能體，並把部署需求與網路、算力等基礎設施強化連結起來。17

此外，工信部與國家數據局的相關行動要求，針對產業建立高價值 AI 場景、領域專屬高品質資料集，以及適合場景需要的專用模型或特色智能體；若場景需要自主規劃與執行能力，便應建置智能體。計畫也要求建立面向產業模型與智能體的客製化評測資料集和評估機制。18

綜合來看，這是一種以擴散為主的政策邏輯：建立可重用的場景、資料、軟體工具與示範部署，使各產業能更快採用。不過，風險在於成果若主要以試點數量衡量，可能出現大量展示性專案；真正的考驗仍是系統能否長期、安全且合乎經濟效益地運作。

投入規模擴大，競爭壓力也同步升高

根據引用中國電信研究院分析的報導，中國科技公司今年的 AI 支出接近人民幣 6,000 億元。不同公開報導對「AI 支出」的定義未必一致，因此這個合計數字應視為估算，而非完全標準化的統計。9

在國家層面，中國預期到 2026 至 2030 年第十五個五年規劃期末，AI 相關產業規模將超過人民幣 10 兆元。45 這意味著智能體被定位為不只是雲端服務產品，而是支援產業現代化、軟體開發、通訊服務與消費服務的通用能力層。

歐洲也在補算力，但建成算力不等於完成部署

歐盟正推動自己的基礎設施方案。歐盟執委會已啟動徵案，規劃在歐洲設立最多 7 座 AI Gigafactories（AI 超級工廠），由歐盟與各國提供最高 100 億歐元支持，預計帶動至少 200 億歐元私人投資。50

這項計畫對歐洲擴充算力及追求技術自主相當重要，但建置算力本身無法自動解決部署難題。這些資源的競爭價值，仍取決於它們能否提供可負擔、容易取得的推論服務，並結合領域資料、軟體整合與值得信賴的應用。

下一輪 AI 競賽，獎勵的是把算力變成可用成果的能力

中國推動智能體的方向，反映更廣泛的全球轉變：AI 優勢將愈來愈取決於能否把算力轉換成可持續、大規模、可稽核的實際工作成果。

晶片與電力仍然關鍵；但推論效率、資料取得、工作流程整合、資安控管、評測機制與人員問責，同樣不可或缺。推論占 80% 的說法是方向性預測，而非既定事實；但它所傳達的訊息清楚：當 AI 從展示走入持續運作，贏家未必是訓練出最大模型的一方，而可能是最能以足夠可靠、足夠低成本方式，讓智能體成為日常工作一部分的一方。56