美國對 Anthropic 模型按下開關，歐洲開始認真談數位主權

今日漫畫 出演・水無瀨 澪

今日 AI 圈最大的一件事，是美國政府直接對一家模型公司按下了開關。過去談 AI 出口管制，被擋的是輝達的高階晶片；這次被擋下的，是 Anthropic 的模型本身。連鎖反應從華府一路傳到布魯塞爾、首爾，甚至台北。其餘的當日重點，圍繞在另外三條較安靜、但更燒錢也更實體的主線：記憶體缺貨、AI 基建的資本支出，以及 AI 開始真正走出螢幕。

美國把 Anthropic 模型關掉，影響一路傳到台北

美國政府以國家安全為由，要求 Anthropic 限制海外使用者存取最先進的 Mythos 5 與 Fable 5。由於雲端環境很難即時辨識使用者國籍，Anthropic 沒辦法精準分流，只能把兩個模型全面下線。Fable 5 與 Mythos 5 從 12 日起就無法存取。

Anthropic 的說法是，美方所指的繞過（jailbroken）屬於有限且已知的漏洞，其他公開模型也可能出現類似狀況。但決定權不在它手上。

問題的源頭是一份名單。根據白宮官員的說法，Anthropic 先前提交了 111 個組織的優先存取名單，之後又追加約 50 家。審查這份擴大名單時，美方認定其中一個對象是韓國電信公司，並懷疑它與中國有連結，因而削弱了白宮對 Anthropic 保護敏感技術的信心。

韓國這邊，取得 Mythos 使用權的機構包括資訊保安院 KISA、三星電子、SK 海力士與 SK Telecom。SK Telecom 又在 6 月 4 日加入 Anthropic 的 Project Glasswing、拿到 Claude Mythos 早期存取，時間點接近，因此被外界聚焦。SK Telecom 否認與中國有任何關聯，強調核心網路不使用華為設備。

這件事在本週法國 G7 峰會被推上檯面。Anthropic 執行長 Dario Amodei 當著川普與各國領袖的面，呼籲民主國家「抗拒分裂的誘惑」。OpenAI 的 Sam Altman 與 Google DeepMind 的 Demis Hassabis 都出席聲援，三人共同主張由美國主導 AI 模型開發的合作。

法國總統馬克宏的反應更直接。他警告，如果美國「從一天到另一天就能關掉開關」，傷到的不只是歐洲經濟，也包括正在全球競爭的美國 AI 企業。他預告未來幾個月會打造一個平台，讓多個民主國家討論並制定共同標準。歐洲議員講得更重，點名歐洲若沒有自己的大型語言模型與開放權重模型，可能面臨「數位殖民」。法國已經宣布政府部門改用本土 AI 工具。

對台灣來說，這件事還有另一層提醒。Anthropic 共同創辦人 Ben Mann 上週帶團訪台，被問到何時在台灣開公司時，回答是「我們在日本有公司，會持續從日本派人過來」。Anthropic 過去一年在印度、日本、韓國、澳洲設了辦公室，新加坡也將成立，台灣不在名單上。那份 Mythos 模型授權名單，從美國擴大到英國、歐盟、日本、南韓與加拿大等逾 15 國、150 多個機構，台灣同樣缺席，唯一沾上邊的是在日本上市的趨勢科技。

記憶體缺貨從預期變成現實

如果說模型管制是當日最吵的事，記憶體就是最持久的那條主線。

SK 海力士 18 日宣布，已經向主要客戶送出 12 層堆疊的 HBM4E 樣品。相較前一代 HBM4，引腳傳輸速率最高來到 16Gbps，能源效率提高超過兩成，封裝用上先進的 MR-MUF 製程，做到 12 層堆疊、48GB 容量，熱阻還比 HBM4 降了約 17%。這是替下一代 AI 資料中心準備的料。

供給端的緊繃不是短期現象。快閃記憶體大廠鎧俠把話說得很白：NAND 的超級週期至少會延續到 2028 年。原因是晶圓廠建廠週期已經從兩年拉長到四、五年，加上三星、SK 海力士、美光都把資源優先投進 HBM，NAND 的新增供給被進一步壓縮。NAND 價格已經年增約一倍，鎧俠預期能維持七成四到七成五的高營業利益率。

需求端則被「代理式 AI」往上推。多步驟推理會讓鍵值快取（KV Cache）的容量需求暴增，而 HBM 與 DRAM 又貴又缺，企業開始把模型的中間資料搬到成本較低、容量較大的 NAND 上。NAND 因此從單純的儲存，變成 AI 基礎設施裡一層真正吃量的角色。

缺貨壓力已經外溢到整條供應鏈。蘋果執行長庫克近期公開說，記憶體價格飆升已經到了難以持續的程度，漲價變得不可避免。連 Google 都傳出在評估向中國的長鑫存儲採購記憶體，做為抗衡三星、SK 海力士、美光三大廠的避險方案，外界推測最可能用在它下一代、目標 2028 年底量產的自研 TPU。

被動元件這邊也燒了起來。國巨 5 月單月稅後淨利暴增 113%、單月每股盈餘來到 1.6 元，背後是 AI 伺服器與筆電需求外溢，讓積層陶瓷電容（MLCC）供應吃緊、交期被迫拉長。銅箔基板（CCL）同樣進入漲價潮，台光電 5 月自結每股盈餘衝到 9.07 元，單月毛利率可能落在三成四到三成五。領先廠商面臨產能限制，已經開始對非 AI 的常規訂單挑單、轉嫁成本。

AI 基建的錢，開始往系統整合流

AI 資本支出的數字還在往上修。摩根大通把 2030 年全球 AI 與資料中心支出的預估，上調到約 5.5 兆美元，比去年 11 月的估計多了 4,000 億，其中約 4.1 兆會來自債務融資。集邦科技則指出，2026 年全球頂尖雲端服務商的資本支出指引已經拉到 8,300 億美元，年增率從原本估的 61% 一路跳到 79%。

錢變多的同時，花錢的重點也在變。集邦的吳雅婷點出，市場已經跨過早期盲目採購 GPU、堆算力的階段，進入她口中的「系統整合關鍵攻防戰」。再快的運算晶片，只要卡在記憶體傳輸瓶頸，或是資料中心處理不了散熱與能耗，都等於英雄無用武之地。

散熱與電力因此被推到台前。從杜邦拆分出來的啟諾迪（Qnity），把導熱介面材料做到薄至約 20 微米、能直接貼合裸晶片，並針對 AI 伺服器高達 800 伏特的直供，推出具電氣絕緣的導熱材料。電力的另一頭是國家級的帳：經濟部最新估算，未來十年台灣電力需求年均成長約 2.5%，是歷年第二高，AI 資料中心除了已申請的近 1.2GW，台電還另外準備了 2 到 3GW。

製造的版圖也跟著移動。黃仁勳「兆元宴」最新一場逾 20 家與會企業，有高達七成在桃園設有生產或營運據點。把一台 AI 伺服器拆開來看，龜山有欣興、台達電、健策，蘆竹有南電、華通，觀音有台光電，載板、PCB、電源與散熱最後匯向龜山的廣達與雲達。台光電才剛斥資 27.8 億在觀音購地，英業達在大溪投 32.75 億擴 AI 伺服器產能。

先進製程這條線也有新動作。ASIC 設計大廠邁威爾證實，已經接洽台積電，打算把 1.4 奈米的 A14 製程（預計 2028 量產）導入次世代產品。邁威爾過去靠三星與格羅方德的多軌策略，轉攻資料中心後把產能全押給台積電，技術上甚至從 16 奈米直接跳過 7 奈米、越級到 5 奈米。營運長 Koopmans 把高速連結講成跟處理器、記憶體同等重要的元件，因為 AI 資料中心內外的數據搬運靠的就是它。

AI 從寫程式，走進真實世界

過去兩年，AI 最大的變化之一是它開始參與軟體開發，從 OpenAI 的 Codex 到 Anthropic 的 Claude Code，這些工具能讀碼、寫碼、跑測試、修錯。這股「AI 研發 AI」的勢頭，現在正從螢幕裡走出來。

NVIDIA 的 GEAR Lab 聯手卡內基美隆與柏克萊，發表了一套叫 ENPIRE 的框架，讓 AI 代理直接在真實機器人上跑研究流程：自己做實驗、看結果、改程式、再優化。在裝顯示卡、插針、處理束帶這類高精度任務上，它已經能做到最高 99% 的成功率，而且不是靠工程師反覆手調。機器人研究真正的瓶頸從來不是演算法，而是每次實驗失敗都得有人把現場收乾淨，ENPIRE 想自動化的就是這一段。

硬體那頭也熱鬧。矽谷的 Genesis AI 發表首款通用機器人 Eno，有一對成人大小的手，但沒有腿、也沒有頭，身體做成可升降伸縮的「三摺疊」，靠輪子移動。在大家都比誰做得更像人的時候，它刻意做得不像人，反而說服了不少看過示範影片的人。新創 Odyssey 則拿到 3.1 億美元，投資方包括亞馬遜、輝達與超微的投資部門，押的是「世界模型」這條路：不靠語言資料，而是讓 AI 學物理規律與物體互動，去理解真實世界。

治理也在追上來。愛沙尼亞核准了一個構想，要給 AI 助手核發專屬的個人識別號碼，成為全球第一個替 AI 代理建立正式數位身分的國家。這樣 AI 就不必再借用人類帳號登入、一登入就拿走所有權限，而是能以自己的身分被授權、限制與追蹤。

人才的流向同樣說明這個產業的重心在哪。Google 工程副總裁、同時是 Gemini 共同負責人的 Noam Shazeer 宣布離開 Google、加入 OpenAI。上一個讓業界這樣轉頭看的，是不久前去了 Anthropic 的 Andrej Karpathy。

開源社群這幾天在忙什麼

把鏡頭轉到開發者這端，氣氛就鬆多了。

本地圖像生成圈最熱的是 FLUX.2 的 klein 版本。有人把文生圖、圖生圖、修補、換臉全部包進單一個 ComfyUI 節點分享出來；更有人玩出意外結果，發現 klein 搭一個光流模型、不做任何微調，居然能拿來生影片。另一邊 Ideogram 4 被不少人捧成目前最好用的開源模型，色彩自然、不過曝，連 LoRA 都訓得起來。還有人懶得手動調參，乾脆把 sigma 曲線圖丟給一個視覺模型，讓它每次生成後直接建議該轉哪個旋鈕。

本地大模型那邊，最受討論的是一張圖：開源模型在「每一塊錢買到多少智慧」這件事上，開始贏過前沿模型。有人把 Qwen3-Next-80B 跟 Qwen3-4B 塞進同一台 DGX Spark 共跑，也有人把 MiniMax-M3 在 llama.cpp 上跑出每秒 11 個 token 的實測。更硬派的，是有人用純 C 加 CUDA 從零寫了一個 116M、GPT-2 規模的 transformer，取名 NanoEuler。

這些東西大多不會上新聞頭條，但它們是另一支溫度計。當一個開源模型能在家用機器上跑得夠好、又跑得夠便宜，前沿大廠那套「更大才更強」的說法，每隔一陣子就會被悄悄稀釋一次。