美國政府近日陸續出手限制中國取得人工智慧晶片和晶片製造設備，也有媒體報導商務部將在 10 月發表新的對中出口限制規定。對中國來說，面對美國在人工智慧相關技術的廣泛限制，將會讓自己在人工智慧相關技術的進展受到更嚴苛的考驗。此外，人工智慧為何成為美國此波對中國科技封鎖的重點值得關注。
美國政府近日限制輝達（Nvidia）的高階產品出口給中國俄羅斯，特別是圖形運算與人工智慧運算相關的晶片 A100。A100 於 2020 年發表，用於人工智慧和數據分析，比輝達上一代處理器強大 20 倍。H100 尚未上市，未來將會是輝達最先進的晶片。另一方面，美國半導體設備公司科磊（KLA Corp）、科林研發（Lam Research）、應用材料（Applied Materials）證實收到商務部的信件通知對中國的出口會有新的限制。
中國人工智慧的發展
史丹佛大學最近將中國列為人工智慧活力指數（AI vibrancy）第二名，並指出中國在該領域中發表的學術論文和引用佔全球的三分之一，籌資高達全球五分之一的私人資本。顧問公司麥肯錫（McKinsey）預測，到 2030 年，人工智慧可以為中國經濟增加約 6,000 億美元，其中 3,350 億美元來自自動駕駛。
圖／阿里 AI 城市大脑
中國也在提高道路交通周邊基礎建設的人工智慧相關技術。例如，在西安使用海康威視人工智慧交通管理系統後，交通吞吐量成長了 10%，而行程時間減少了 12%。在其他地方，阿里巴巴城市中樞系統部署中國 23 個城市，杭州交通因此系統大幅改善，從中國第五大擁堵城市跌至第 57 位。在軌道交通方面，最近建成的杭紹台高速鐵路也將人工智慧完全融入營運中，目標是效能最佳化、減少事故並節電 30%。
人工智慧是一個涵蓋許多學科的通用術語。其中，機器學習處理大量數據以尋找模式和預測結果。圖形辨識是另一個對視覺資訊進行分類並和精確定位的領域。用於安全和跟踪人員和車輛移動的圖形辨識是中國最廣泛的應用之一。
廣義來看，人工智慧依賴於三個相互影響的不同領域：資料、演算法和處理能力。中國會被認為是人工智慧超級大國的一個主要原因是企業和政府收集了大量數據資料，包括臉部和指紋、財務資訊、車輛移動和網路監控資訊。龐大的資料庫可以為人工智慧模型提供了更多可供機器學習的資料，進而修正模型。
然而，這些模型本身是建立在演算法、複雜的數學方程式之上的，這些方程式可以處理資料並找到模式。一個簡單的例子是，一台電腦可能看到一張鴨子的照片並立即斷定它不是狗，因為照片只有兩條腿，因為演算法認定狗有四條腿。而這些演算法越來越多是由機器本身開發，例如在神經網絡中，即使對系統設計者來說，算法的內部工作在很大程度上也是一個謎。深度學習是使用多層神經網絡的一個奇特術語。需要一個更好的模型，用更多的數據訓練，才能區分貓和狗，或者鴨子和雞。
然後是核心處理能力。這是原始、蠻力的數位運算，這就是美國為何是人工智慧霸主的原因。因為大量的數據與複雜的演算法需要大量計算工作才能得到照片是鴨子或狗的答案。輝達和超微（Advanced Micro Devices）就是全球人工智慧晶片的領先者，這在很大程度上也要歸功於台積電的晶片製造能力，而台積電則是有使用到美國科磊、科林研發、應用材料的製造設備。
事實上，就人工智慧部署而言，美國在能源領域已經走得更遠了。能源部最近成立了一個人工智慧高級委員會，負責協調人工智慧的資源並確保技術潛力。私企也正加緊步伐，虛擬電廠（Virtual Power Planet, VPP）供應商自動電網（Autogrid）利用其技術影響力在南加州建了一個 400 萬度（kWh）住宅虛擬電廠。自動電網已經在 15 個國家或地區負責管理、儲存和分配約 600 兆瓦的電力，現在正將其在人工智慧管理電網的經驗和專業知識帶到美國。
這表明美國領袖已經了解人工智慧在電網安全中的影響力，因為物聯網和電動車預期的電力需求會增加，以及再生能源相關的挑戰。因此，電網商正在採用人工智慧來解決配電和穩定性問題，因為保證電力供應對於過渡到永續經濟模式是必不可少的。中國則已領先做到此技術，其人工智慧控制的電網可以在三秒鐘內從停電中恢復供電。
彭博資訊專欄作家高燦鳴（Tim Culpan）認為，現在美國大部分的資金都用於處理早就應該維護的現有計畫上，對尖端創新的投資卻太少。人工智慧在徹底改變交通、能源等領域的解決方案中以展現巨大的潛能。由於中國有能力利用這些潛在且有利可圖的創新，美國必須確保在未來的基礎建設計畫中運用人工智慧技術。
參考來源：
2022/09/15 The Diplomat Why AI Is the New Frontier in China-US Competition
2022/09/12 Bloomberg US Chip Curbs Will Highlight Cracks in China’s AI Strategy
