近日DeepSeek嘗試採用華為Ascend晶片訓練R2模型的計畫以失敗收場，最終不得不回頭依賴Nvidia GPU，讓外界一片嘩然。這場原本被寄予厚望的「國貨優先」實驗，卻因性能不穩、軟體工具不成熟而導致悲慘結局，鮮明揭示了中國在「必須用國貨」政策氛圍下，AI自主化之路所面臨的巨大挑戰。

DeepSeek的困境，說穿了就是「愛國有餘，技術不足」。華為Ascend雖在規格上號稱高效能，但實際應用中卻暴露出互連頻寬不足、訓練穩定性低，以及CANN軟體框架不成熟等問題。相比之下，Nvidia的CUDA生態經過二十年打磨，提供強大的開發者工具與優化庫，形成難以撼動的軟體優勢。結果顯示，中國晶片的硬體追趕無法彌補生態落差，這正是國貨情懷與現實需求之間的矛盾。

在美國嚴格限制高端晶片出口的情況下，中國企業面臨「要嘛用國貨、要嘛停擺」的選擇。DeepSeek因政策期待被迫嘗試國產晶片，卻最終失敗，轉而採取「訓練用Nvidia、推理用華為」的折衷策略。這不僅突顯了技術短板，也凸顯中國AI產業在政策與市場之間的兩難：若繼續依賴Nvidia，就違背自主化政策；若全盤國產化，則技術競爭力不足，難以跟上全球步伐。

DeepSeek的失敗雖是挫折，但也提供了反思契機。中國若要真正擺脫依賴，必須投入龐大資源建設軟體生態，否則硬體再怎麼堆規格都難以支撐大規模AI訓練。演算法與資源效率的創新，或許能成為突破瓶頸的路徑，例如DeepSeek過去在R1模型中利用混合專家（MoE）、知識蒸餾的嘗試，顯示在有限條件下仍有創新空間。更重要的是，技術自主不是單一企業的戰鬥，而需要整個產業鏈從設計、製造到軟體協作的全面協同。

這場國貨至上卻遭遇現實困境的挫敗，並非單一企業的失誤，而是制度與技術之間碰撞的必然結果。光靠口號和政策壓力，無法替代長期積累的技術生態。對台灣而言，這同樣是一個警示：在全球AI競賽中，既要加速本土研發，也要維持與國際生態的連結，避免陷入閉門造車的困境。

楊聰榮（新東向產業聯盟理事/中台灣教授協會理事長／任教於台灣師範大學）

（文章僅代表作者觀點，不代表Newtalk新聞立場。）