科技、民主與社會研究中心（DSET）經濟安保組於 2026 年 4 月 14 日舉行《四兩撥千斤：分析中國 AI 菁英在美中人工智慧競爭中取勝的策略》政策報告發表會。

在美中科技競爭白熱化的當下，源自於太極拳的「四兩撥千斤」頻繁出現在中國官方文件、官媒論述與AI企業領袖的公開發言中，成為北京詮釋自身應對美國出口管制策略的慣用語彙。

DSET 近日發布最新政策報告《四兩撥千斤：分析中國AI菁英在美中人工智慧競爭中取勝的策略》，以開源情報（OSINT）方法論為基礎，系統梳理中國公開文獻與AI菁英的公開論述，從中國視角出發，剖析其如何在美國以出口管制封鎖先進晶片與設備的「千斤」壓力下，於市場應用、AI模型、算力、基礎建設、人才及融資等六大層面部署「四兩」戰略。透過借助自身在能源容量、內需市場規模、工業供應鏈、開源生態與國家資本上的既有優勢，持續深化對美國領導的AI生態系之全面挑戰。

本次發表會由報告共同作者 DSET 經濟安保組鄭秉信分析師與王采逸海外研究員發表、DSET 張智程執行長主持，並邀請美國特別競爭研究計畫（SCSP）科技領導力資深顧問 David Lin ，以及歐洲墨卡托中國研究中心（MERICS）資深分析師 Wendy Chang 擔任與談人進行評論，就報告發現提供橫跨台美歐的智庫觀點。

本報告的主要研究問題為：中國 AI 菁英如何理解並實踐所謂「四兩撥千斤」戰略，亦即如何運用中國在整個 AI 堆疊中的綜合優勢，回應美國出口管制的壓力。報告研究對象主要涵蓋中國 AI 產業的核心人士，包括科技巨頭與新創企業的高層主管與科學家、商界領袖、學術研究者，以及基礎設施營運者等。

鄭秉信與王采逸指出，高階訓練算力是中國 AI 堆疊策略推動中最薄弱的一環。為因應此一制約，中國正透過加速市場應用的快速擴散與降低模型成本雙管齊下，同時積極布局人才、融資與基礎設施，試圖填補缺少先進晶片的算力缺口。兩位作者依序說明報告所分析的市場應用、模型、算力、基礎設施、人才與融資六大面向，指出中國 AI 領袖普遍承認各方面所面臨的挑戰，然此並不代表中國競爭力可被低估；相反地，其諸多優勢要求盟友國家採取涵蓋整個 AI 堆疊的協同應對策略。

DSET 報告分析顯示，中國產業菁英承認，上述戰略在各方面均面臨挑戰，共同削弱了「中國必然勝出」論述的說服力。然而 DSET 報告指出，承認中國的弱點，並不意味著可輕忽中國的「四兩」策略。尤其是中國已在多個技術層面有效吸收外部壓力，將外部制約轉化為推動國內創新的驅動力。

報告最後建議，美國及其盟友國家應持續加大對 AI 相關基礎設施的投資，同時推動市場應用與模型的全球擴散，並維持與強化對關鍵技術、人才流動及資本的管制措施；包括爭奪開放權重應用生態系、管理開放權重模型風險、維持並執行以關鍵節點為核心的出口管制、投資能源與資料中心基礎設施、留住全球 STEM 人才，以及建立支持長期 AI 研發的耐性資本機制。

本次評論人之一歐洲墨卡托中國研究中心（MERICS）資深分析師 Wendy Chang 指出，中國正在走出一條有別於美國的人工智慧發展路徑。相較於矽谷模式以高成本技術突破為先、由企業率先採用的慣例，中國更側重於以低成本解決方案快速擴散普及。這一策略在近期開源工具 OpenClaw 的爆紅現象中得到充分體現——在科技企業與政府政策的協力推動下，該工具在數週之內便創下採用數量的歷史紀錄。

她進一步分析，此一路徑的形成有其結構性根源：中國的經濟體制更擅長複製成功模式而非創造原生創新；強大的製造業基礎則賦予中國在實體人工智慧生產上的比較優勢；此外，算力方面所受到的硬性限制，也迫使中國另闢蹊徑。透過積極推進 AI 應用並加速其廣泛普及，中國正試圖在這場人工智慧競賽中開創屬於自己的道路。

美國特別競爭研究計畫（SCSP）科技領導力資深顧問 David Lin，則從三個面向提出評析。第一，中國目前對美國軟體生態系的高度依賴問題不容忽視，尤其是輝達 CUDA 平行運算框架對中國人工智慧發展所構成的潛在結構性制約。

第二，北京「反內捲」政策的雙重面向值得關注。對內，北京積極引導中國科技企業加強協作、整合資源，避免惡性競爭；對外，北京則持續透過各種可用渠道尋求突破，包括晶片走私、蒸餾攻擊，以及搶先預覽模型發布等手段，以在美中 AI 競爭中取得戰略優勢。第三，中國在基礎研究與研發領域的長期投入雖持續擴大，但各方普遍承認，基礎科研能力仍是中國 AI 生態系的核心弱點之一。

於發表會最後問答中，觀眾詢問台灣在美中競爭中的具體貢獻，DSET 鄭秉信分析師與海外研究員王采逸強調了「實體 AI」（Physical AI）與機器人產業的潛力。台灣擁有強大的出口導向製造業優勢，目前許多台灣企業（如鴻海）正與 Nvidia 展開深度合作，利用數位孿生（Digital Twins）與軟體技術優化生產線。兩位作者也建議，台美應在機器人與實體 AI 領域共同建構「非紅供應鏈」，發揮台灣製造與美國軟體開發的合作效應。

針對關於中國晶片自主化的挑戰與現狀的提問，DSET 兩位報告作者回應指出，儘管中國積極推動華為昇騰系列等本土生態系，但研究顯示，由於華為生態系在訓練大型模型方面仍力有未逮，多數中國 AI 公司目前仍高度依賴 Nvidia 晶片。這些公司常透過轉口走私或利用馬來西亞等第三地的資料中心進行遠端存取，顯示出中國在先進運算資源上的持續匱乏。