算法鐵幕之三：模型越來越大，知識越來越小？AI產業的集中化危機

# 算法鐵幕之三：模型越來越大，知識越來越小？AI產業的集中化危機

當五家公司控制全球算力，知識民主還存在嗎？

作者：阿克斯星門／中原大學通識教育中心助理教授

編輯前言

生成式AI表面上是人人可用的聊天工具，底層卻是高度集中的算力經濟。當模型訓練依賴昂貴晶片、雲端資料中心與巨額電力，知識生產不再只是誰有想法，而是誰有GPU、誰有電、誰有資本。本文延續「算法鐵幕」系列，檢視大模型時代的權力集中，以及公共知識是否可能在算力壟斷下保有民主性。

模型民主化，常常只民主到登入頁

生成式AI最迷人的神話是：人人都能使用模型，所以知識終於民主化了。

這句話只說對一半。是的，使用者可以在手機上問問題，可以叫AI寫摘要、改文案、做簡報。可是從「使用模型」到「創造模型」，中間隔著一條非常現實的壕溝：晶片、電力、資料中心、雲端合約，以及一串看了會讓會計師突然想念算盤的帳單。

過去知識份子辯論誰掌握出版機；後來我們辯論誰控制搜尋引擎；今天要問的是：誰掌握算力？

算力成為新土地

在AI產業裡，算力已經不是單純的技術資源，而是新時代的土地。沒有土地，農民無法耕種；沒有算力，研究者再有想法，也只能在白板上寫出一個很優雅、但跑不起來的模型。

大型模型需要昂貴GPU、高速網路、冷卻系統、穩定電力與工程團隊。這些條件本來就不平均。少數企業與雲端平台能取得最前沿晶片，能簽下長期供應合約，能把資料中心蓋到用電量接近一座城市。大學、公共研究機構、小型媒體與在地社群，則常被留在「你可以使用API，但不要問模型從哪裡來」的位置。

這就是算法鐵幕最安靜的一面：它不需要封鎖你。它只需要讓你租不起。

模型越大，知識一定越大嗎？

AI產業常把「大」當成進步：更大的模型、更多的參數、更長的上下文、更龐大的資料中心。但知識不一定因為模型變大而變得更自由。相反地，模型越大，入口越窄。

當模型訓練成本高度集中，公共知識就可能被重新包裝成付費接口。人類長久累積的文本、影像、語音、程式與教育資源，被平台吸收後再以訂閱制回到社會。這很像一間巨型餐廳先把公共市場的菜都掃走，煮成套餐後再告訴你：恭喜，這是創新。

當然，企業投資研發不是罪。問題在於，如果社會的教育、研究、媒體與公共服務都越來越依賴少數模型，那麼模型錯誤、政策變更、價格調整或服務中斷，都不只是商業問題，而會變成公共知識基礎設施的風險。

開源模型不是萬靈丹，但很重要

開源或開放權重模型提供了一種反制力量。它讓更多研究者能檢查模型行為，讓在地語言、教育情境、小型專業領域有機會建立自己的微調系統，也讓社群不必永遠依附單一平台。

但我們也不能天真。開源模型如果沒有算力、資料治理、維護資源與安全評估，也可能只是漂亮的展示品。真正的公共AI基礎設施，不只是下載一個模型，而是要有人能訓練、部署、維護、評估、更新，並且讓資料來源與使用規則接受公共監督。

台灣該問的不是「有沒有AI」，而是「誰有AI」

台灣在半導體供應鏈有優勢，但在公共算力、教育模型、文化資料治理與在地語言AI上，仍需要更清楚的制度設計。尤其原住民族語言、地方知識、教育內容、公共媒體資料若要進入AI時代，不能只靠平台善意，也不能只靠一次性標案。

我們需要公共算力池、在地模型測試場、語言資料授權制度、社群共同治理，以及能讓大學、地方政府、部落組織與媒體共同使用的基礎服務。否則，未來最諷刺的畫面可能是：台灣生產世界最重要的晶片，卻讓自己的公共知識長期租用別人的模型腦袋。

知識民主的下一條戰線

AI的問題不只是模型會不會回答，而是誰能提問、誰能訓練、誰能修正、誰能拒絕被拿來訓練。

真正的知識民主，不是每個人都有帳號，而是每個社會都能參與知識基礎設施的設計。否則，所謂智慧時代很可能只是新版本的雲端封建制度：領主住在資料中心，平民在月租方案裡祈禱不要漲價。