中國全力衝刺AI，科技巨頭、李開復都加入戰局！與美國的距離還有多遠？|數位時代 BusinessNext

AI國家隊，中國哪些頂尖人才投入了？

AI浪潮不只席捲了矽谷，中國同樣有科技公司前仆後繼推出聊天機器人。百度早前有推出文心一言這款近似於「ChatGPT」的聊天機器人，雖然被詬病各方面都不如ChatGPT，但其文學創作與商業文案方面讓人眼睛為之一亮。阿里巴巴也推出了通義千問，商湯科技（SenseTime）也推出名為「商量」的聊天機器人。

投入AI領域的不只有公司，還有許多知名的業內人士，搜尋引擎搜狗的創辦人王小川就是其中之一，其所創立的百川智能，在4月便獲得了5000萬美元的種子資本，6月還推出開源的大型語言模型（LLM），旨在打造中國版的OpenAI。此外，美團外賣CEO王興以及Google前全球副總裁和大中華區總裁李開復都加入了行列。百度前總裁張亞勤在3月時表示，幾乎每個月都有投資者找上他，「全中國有多達50家公司在開發大型語言模型（LLM）」。此外，曾擔任微軟首席研究員的王長虎則認為這是十年一遇的時刻，「是新創公司能夠比肩科技巨頭的機會」。

彭博的分析師認為，中國頂尖人才與資金流入AI領域，與動盪不安的矽谷形成了鏡像效應，這對北京與華府逐步升級的衝突產生了深遠的影響。

分析師：AI就是一場軍備競賽

許多分析師和科技業的高階主管紛紛表示，人工智慧將成為塑造未來的科技領頭羊，就像以前的網路和智慧型手機行業也造就了一批科技巨擘一樣。而人工智慧的更強大之處在於它還可以推動從超級電腦到軍事實力的應用，很可能顛覆地緣政治的平衡。

投行Wedbush的高級分析師艾夫斯（Daniel Ives）表示，「這是美國和中國都在進行的一場人工智慧軍備競賽」。中國的科技公司在人工智慧領域面臨更嚴格的監管環境，這使得他們在這場的競爭中處於劣勢；但也有人認為中國的封閉為本土AI企業開了另一扇窗，將再次誕生出主導中國市場的科技巨頭，例如騰訊、阿里巴巴或字節跳動。

中國AI領域的優勢：封閉、內需市場與國家投入

《Bloomberg》指出，生成式AI可以加快新平台的出現，為企業和消費者提供一波革命性的應用程式，像是抖音或支付寶等等。這些大型AI模型最終可能會成為像是Android或是iOS那樣的基石，間接推動科技的發展。

在移動通訊設備主導的時代，中國的騰訊、阿里巴巴與字節跳動等公司成為了一股可以與矽谷競爭的力量，但很大一部分是因為Facebook、YouTube與WhatsApp等公司被排除在這個擁有14億人口的蓬勃市場外。而這樣的情況很可能再次上演，因為ChatGPT與Bard依然被拒於中國外，與此同時，百川智能則已經被北京大學與清華大學等頂尖學府所使用。

在資金的投入方面，根據投資顧問公司睿勤（Preqin）的數據顯示，截至6月中旬，美國的AI投資總額約為266億美元，而中國僅約40億美元。不過在風險投資的交易流（deal flow）方面，中美之間的差距卻是逐漸縮小，近一年內中國AI領域的風險投資交易數量佔美國總數的三分之二以上，在前兩年則約為一半而已。此外，中國在2022年和2023年初的AI領域風險投資交易也超過了消費科技領域的交易數量。雖然將時間線拉長來看，對新創企業的投資總額是下降的，但《CNBC》亦指出中國將人工智慧的發展視為戰略重點，人們普遍認為中國共產黨鼓勵對AI產業的投入。

中國AI領域的受限：國家審查制度與美國晶片法案

根據《Bloomberg》的報導，美國的科技制裁，包含晶片法案與監管機構的數據審查要求，加上西方其他國家對中國的不信任，這些因素都限制了中國AI領域的擴張速度，追趕上美國也變得更加困難。顧問公司Albright Stonebridge 科技政策主管特里奧洛（Paul Triolo）指出華府近年來已經將AI領域當作未來一年的制裁方向。

在審查制度方面，中國的網路監管機構表示，演算法的訓練和實施審查制度的責任將落在平台供應商身上，意味著平台必須在有限制的情況下發展AI，而普遍存在的審查制度意味著中國想投入AI領域的企業，其訓練用的數據本質上存在缺陷且受到人為限制。

在訓練大型語言模型時，最重要的就是晶片，輝達（Nvidia）與超微（AMD）是目前市場主要的AI訓練晶片供應商，前者更是絕對的主導者，佔了市場超過7成。最早的美國晶片法案一開始旨在切斷中國的半導體供應鏈，但近期的相關禁令已經轉往AI領域，晶片法案直接禁止部分的晶片出口至中國，以輝達為例，目前最強大的AI晶片是A100與H100，但因為禁令的關係，在中國僅有販售性能閹割過後的A800與H800。近期更傳出華府要加重晶片法案的力道，連閹割版的晶片在未來都不允許在中國出售。

責任編輯：蘇祐萱

AI 正快速改變消費者探索商品、接觸品牌的方式，也為零售業帶來新的成長機會。然而，當 AI 從個人使用工具逐步走向企業營運，台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示，台灣零售業的 AI 應用仍存在明顯差距，資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策，如何將 AI 從單點工具導入，真正成為零售成長的助力，已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會，以「Where AI Meets Commerce」為主軸，邀集零售與科技業者，從流量獲取、數據應用到會員經營，探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE，也在會中宣布邁向 AI in Retail，推出官方 MCP（Model Context Protocol），進一步串聯零售數據與 AI 應用，協助品牌掌握新興 AI 流量入口，為下一階段的智慧零售布局做好準備。

SHOPLINE 預告：零售下一個流量入口是 AI

2026 年上半年，SHOPLINE 客戶 GMV 年增 20%，是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大！」SHOPLINE 台灣總經理葉力維指出，從全球市場來看，尤其是以北美為主的 SHOPLINE 客戶，來自 AI 渠道的流量 PV 較去年同期成長 15 倍，訂單量更成長 35 倍；相較之下，台灣 AI 渠道流量 PV 約成長 2 倍，顯示 AI 導流的商業潛力正逐步浮現，台灣品牌仍有很大的成長空間。

當品牌越做越複雜，從多通路走向全域經營、數據與規模擴大，如何確保資料品質、打通資訊孤島，並兼顧資安與治理，成為 AI 能否真正落地的關鍵。為此，SHOPLINE 提出四大 AI 佈局方向：首先，建立 AI Ready 數據基礎，整合分散的零售資訊，為 AI 應用做好準備；其次，深化 MCP 布局，讓品牌能依照自身需求，自主選擇並串接不同的 AI Agent；第三，成立 AI 轉型委員會，將 AI 導入內部工作流程，推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議；最後，擴大 AI 夥伴生態系，開放第三方開發者串接垂直領域的 AI 應用，讓品牌能更靈活地組合所需工具。

「過去十年，SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變，其實都代表著品牌經營方式的改變；而下一個入口，就是 AI。」葉力維表示，當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑，品牌不能只停留在導入單一工具，更需要提前整備數據、串接應用並建立治理能力。接下來，能否做好 AI Ready 的準備，將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP，助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備？SHOPLINE 產品副總賴哲文指出：「人、貨、場的接觸點沒有改變，改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景，消費者、員工與企業的角色也隨之改變：做決定的是消費者，當消費者問 AI「我該買哪個品牌」，品牌能否出現在答案裡是第一個挑戰；執行的是員工，員工則可將部分執行工作交由 AI 處理，將更多精力投入判斷與決策；做判斷的是企業，AI 能否提供可靠的洞察與建議，關鍵仍在於數據品質，以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦，品牌經營也必須從傳統 SEO，進一步走向 AIEO（AI Engine Optimization），讓商品與品牌資訊具備良好的結構與可讀性，才能提高被 AI 採用、推薦及導流的機會。對此，SHOPLINE 提出三層 AI Ready 架構：以「AI Ready Data」整合高品質、可供運算的零售數據；透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接；再以「AI Ready Agents」串接品牌自主選擇的 AI Agent，逐步將數據基礎延伸至實際應用。同時，SHOPLINE 也透過第一方數據歸因，改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題，讓原始數據能進一步支援 AI 分析與決策。

在工具應用上，SHOPLINE 推出官方 MCP，涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills，搭配 MCP Tool 的後台相關能力，進一步產出數據洞察報表與執行建議，讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全，SHOPLINE 也設下三道防護機制，包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取，以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調，當 AI Agent 開始參與消費者決策與企業營運，品牌不只要讓 AI 看得懂商品，更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外，SHOPLINE 也致力發展 AI 開放生態圈，邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技，以及女性高效身體保養品牌 HYPHY，攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據，提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大，轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析，投放效率下滑，源於成長結構改變：影響消費者的場域更分散，找人的方式從興趣推測走向真實行為，素材也無法一套打完全場。

對此，Justar 運用 AI 結合電子發票數據，以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫，涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓（Persona），比對發票資料庫、找出真實買家作為種子受眾，而非僅依賴瀏覽紀錄或興趣標籤，再由 AI 自動擴充相似受眾、生成並優化素材，並依成效動態調整投放策略與預算配置。

張元溢強調，從真實種子到規模化放大，重點在於找到更多相似的人。同時觸及也須走出社群，延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容，藉創作者短影音加上跨場域廣告加深印象，才能為品牌實現「線上找到人，線下讓他記住你」的成效。

BUNNYWORK 推 AI 營運特助，主動預警缺貨與滯銷也發掘成長機會

除了行銷之外，AI 也開始深入零售業的日常營運，協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出，電商營運常面臨幾大痛點：商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷，滯銷商品也往往要到季末才浮現。「營運方式不同，留下的利潤差很多。營收決定你做多大，營運才決定你能留下多少利潤。」

針對這些痛點，BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案，目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據，BUNNYWORK 則讓 AI 24 小時主動盯盤：根據銷售數據提前發出缺貨預警、產出補貨建議單，並每日掃描商品銷售速度，一旦偵測到滯銷風險，即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外，AI 也幫助電商看見潛在機會：偵測到爆款潛力的商品，提醒品牌提早加碼備貨、調整廣告資源，把握成長時機。

至於 AI 為什麼能提供可靠的營運建議？背後仍取決於數據基礎。周于如解釋，ERP 串聯商品、銷售與庫存等不同環節的數據，並即時同步多通路的商品與庫存資訊，讓 AI 掌握完整且即時的營運全貌，同時降低超賣風險。「唯有建立乾淨、即時的資料基礎，AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會，協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

精兵團隊導入 AI，解決流程瓶頸再創高成長

從流量獲取到營運效率，AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出，OmniSegment CDP（顧客數據平台）能整合分散的顧客資料，建立 360 度顧客輪廓，進一步支援跨渠道的精準經營；旗下導購型 AI Agent「AgentBit」，提供對話式分眾，讓使用者與 AI 對話就能快速打包推播受眾，不再需要手動設定篩選條件；商品興趣預測則以 AI 學習客戶的行為軌跡，自動將高相關商品推送給高潛力買家；AI 智慧分析更只需透過問答，即時分析品牌檔期成效與提供優化建議，並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘，大幅提升行銷團隊協作效率，並支援逾 2,000 種 OMO 跨通路智慧推播，協助品牌更有效地觸及目標客群。

HYPHY 品牌共同創辦人林又立分享，品牌長期透過 LINE 經營千人會員社群，希望在規模化經營的同時，仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後，團隊能透過 AI 對話快速完成受眾分群，並取得具體的行銷優化建議，降低操作門檻。以單檔活動為例，LINE 發送量僅為原先的 15%，點擊率卻提升 227%，EDM ROAS 更提升至原先的 3.3 倍，展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌，林又立也分享了務實的做法：「不要一開始練跑就想著今天要跑全馬，先踏出第一步，把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型，不如從具體的營運需求出發，逐步找到適合 AI 發揮的場景。

活動尾聲，葉力維也提醒，品牌導入 AI 前，應先盤點內部工作流程，找出真正影響效率與成效的瓶頸，再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上，才是關鍵。」與其為了導入 AI 而導入 AI，先解決實際問題，才能讓技術真正轉化為營運成果。