輝達數十億美元GPU黑市現形!YTR揭「螞蟻搬家」走私3步驟,台灣也是關鍵轉運站
輝達數十億美元GPU黑市現形!YTR揭「螞蟻搬家」走私3步驟,台灣也是關鍵轉運站

重點一:美中科技冷戰催生了價值數十億美元的輝達 AI GPU 黑市,美國為遏制中國AI軍事發展而設下的出口管制,成為此地下市場形成的直接導火線。

重點二:輝達遭揭露在此賽局中採取兩面策略,亦即表面遵守禁令,私下卻開發規避管制的特規晶片並進行政治遊說,以在維護美國政策的同時,極大化其在中國市場的商業利益。

重點三:中國黑市展現驚人的技術創新與適應力,透過「螞蟻搬家」式走私及終端維修店家「魔改」晶片(如升級記憶體)等方式繞過封鎖,滿足國內對高階運算力的迫切需求。

美中科技戰已進入白熱化階段,美國政府為延緩中國在人工智慧,特別是軍事應用的發展,對輝達(NVIDIA)等公司生產的高性能 AI GPU 實施嚴格的出口管制。 然而,這道禁令不僅未能完全扼殺中國的AI野心,反而催生了一個年產值高達數十億美元的地下黑市。

YouTube頻道「Gamers Nexus」於台灣時間8月18日上傳一支長達3小時的長片〈THE NVIDIA AI GPU BLACK MARKET〉。影片中,主持人Steve Burke(綽號耶穌)揭露了從美國二手市場、工廠瑕疵品到中國實驗室的隱密供應鏈,更直指輝達極可能採取「睜一隻眼,閉一隻眼」的默許態度,在不直接違法的前提下,維持其在龐大中國市場的影響力與利潤。

值得注意的是,影片揭露許多中國走私AI GPU 的重要轉運站,主要包括香港、新加坡、馬來西亞、澳洲、泰國、美國,以及台灣。

Steve Burke指出,「我們正處於一場涉及處理能力、由多個政府深入參與的科技冷戰之中,一方是美國,另一方是中國。」

什麼是「螞蟻搬家」?一次解密3步驟服務

影片揭露,台灣的公司扮演輝達及其合作夥伴與中國公司之間的中間商,這些台灣公司能夠將受出口管制的GPU和伺服器運入自己的倉庫,然後再轉售給中國公司,以此規避美國的出口管制。

具體來說,有台灣的B2B公司受中國公司委託「技術服務」,從美國進口包含受出口管制GPU的伺服器,進行預測試、預組裝和設定 (一種掩護手法,目的在於產生技術報告和測試文件,以增加合法性) ,完成後再將系統運送給中國的原始買家。這類台灣公司會加價轉售,並提供測試服務。

簡言之,這一整套被包裝為「技術服務」的走私模式,包括了合法採購、技術包裝,以及轉運中國三種步驟。

技術上,代理商多以「螞蟻搬家」方式,將受出口管制的AI GPU,以一次一個或少量的方式進行運輸,而非以完整的系統或大量批次的形式運送,透過個人攜帶、第三地(如新加坡、馬來西亞、香港)轉運等手法,規避美國出口管制與中國本地監管。

規模較大的代理商甚至可一次處理數十張甚至上百張顯示卡,利潤十分可觀。

掙錢嘛,不寒磣!15%高利潤讓中間商鋌而走險

影片中揭露,台灣代理商或中間人通常以每張NVIDIA RTX 4090等高階顯示卡約2,000美元的價格向美國或其他地區買家收購,轉售至中國市場後,單張利潤約為300美元 (換算下來轉手利潤約為15%) 。部分代理商為提高利潤,會將顯示卡拆解,只運送PCB主板,散熱器等零件則在中國本地取得,進一步降低運輸成本。

然而,這一供應鏈同時伴隨高度風險。首先,代理商若涉及違反美國出口管制法規,可能面臨美方跨國執法、刑事訴訟與高額罰款。影片中提及,部分代理商因規模過大而遭新加坡、馬來西亞等地查緝,甚至有個案因走私金額高達數百萬美元而被逮捕。

其次,代理商在交易過程中也常遇到貨款詐騙、貨物被查扣、買家違約等商業風險。例如,有代理商因香港買家違約,損失高達5,500美元(約新台幣16.5萬元)。同時,隨著美國與中國對高階AI硬體監管日益嚴格,代理商一旦規模擴大,風險也將顯著上升,甚至可能被納入美國「實體清單」而失去國際交易資格。

AI GPU 走私產業有哪些角色?

據影片資料,AI GPU 黑市是一個複雜且多層次的網絡,涉及多個參與者和環節,台灣也僅僅只是走私第三地之一。

貨源 (Source)

可分成個人走私及「NG AI GPU」。例如,在美國留學生會在 Best Buy 等商店購買 GPU,然後以個人用途的名義帶回國轉售,從中賺取利潤,這種帶貨回國的角色也被稱為「驢子」(Mule)。

至於 NG 款 AI GPU 則來自工廠。輝達 GPU 主要由**台積電生產,**這些晶片會運往中國的工廠進行組裝。工廠內可能會有瑕疵品或「掉線」的 GPU,這些被視為缺陷或報廢的產品會被轉移到黑市供應鏈中。

收購者 (Plug)

負責從原始貨源獲取硬體並轉售給中國的分銷商。通常是美國的華裔公民,他們會開車在美國境內從美國終端用戶手中購買 GPU(例如 RTX 4090),然後設法將其運往中國。他們會將 GPU 拆下散熱器,只運送 PCB 以減輕重量和體積。

中間商 (Middleman)

接收 GPU、管理倉庫,並從多個收貨人(包括處理可修復瑕疵的工廠廢品)購買,然後轉售給當地分銷商,主要扮演中間商角色的國家和地區包括:

台灣台灣的 B2B 公司受中國公司委託,從美國進口包含受出口管制 GPU 的伺服器,進行預測試、預組裝和設定,完成後再將系統運送給中國的原始買家。這些台灣公司會加價轉售並提供測試服務,以此規避美國的出口管制。

新加坡:新加坡的公司充當輝達及其合作夥伴與中國公司之間的中間商。這些新加坡公司能夠將受出口管制的GPU和伺服器合法運入自己的倉庫,然後再轉售給中國公司,以此規避美國的出口管制。

其中值得關注的是「集中開票模式」。依據輝達財報顯示,2025財年新加坡的營收佔其總營收的18%,這是根據「客戶開票地點」(customer billing location)計算的。

然而,輝達聲稱實際運往新加坡的貨物僅佔其2025財年總營收的不到2%。這中間16%的差異表明,許多客戶選擇在新加坡集中處理付款和開票,而產品本身則幾乎總是運往「其他地方」。

香港:作為自由貿易港,香港是 GPU 走私的重要轉運站,GPU 常從此地運往深圳等中國大陸城市。香港的中間商會直接與走私者和客戶對接。

馬來西亞:與新加坡類似,馬來西亞也被提及為 GPU 的轉運地點之一。

澳洲:RTX 4090 等 GPU 常從澳洲流入中國黑市。

泰國:與澳洲類似,泰國也是 RTX 4090 等 GPU 的來源地。

掮客 (Fence)

在中間商和倉庫之間買賣 GPU 給中國的最終使用者。他們通常在中國境內(例如深圳)活動,了解當地市場的需求和供應。

修理者 (Fixer)

這是因應中國市場需求而催生的地下客製化市場,主要在中國境內的維修店進行(例如河南鄭州的知名維修店)。他們對 GPU 進行焊接和改裝,以提升性能或修復缺陷,使其更符合 AI 應用需求。

例如,將遊戲 GPU(如 RTX 4090)的 VRAM 容量翻倍以滿足大型 AI 模型的需求。他們也從工廠瑕疵品中回收有用的矽晶片和記憶體,重新組裝成可用的 GPU。

結論:賣鎬頭總比挖礦好

整個流程顯示,GPU 通常不是以完整的系統形式運送,而是單次少量運送,這使得完整的 HGX 系統難以走私。美國的出口管制措施雖然旨在限制中國在 AI 領域的發展,但也刺激了中國國內 AI 晶片產業的發展和技術創新,並促使黑市持續演變以適應新的限制。

輝達則在其中扮演了複雜的角色,既遵守表面規則,又透過各種途徑最大化其商業利益。這場科技較量仍在繼續,其深遠影響將塑造未來的全球技術格局。

Burke表示:「這場科技冷戰影響了全球,但最重要的是,它影響了普通人。」「我們的資料中心業務在中國已經結束了……然而,500億美元的中國市場對美國產業來說基本上是封閉的。」「它真的是個淘金熱……賣鎬頭總比挖礦好。」

延伸閱讀:賣AI晶片穩賺不賠?大摩報告解密大廠毛利率:輝達78%成榜首,這一家「越賣越賠錢」 輝達寫歷史!成為史上首家「市值破4兆美元」企業,黃仁勳晉升全球第10大富豪

資料來源:Gamers Nexus

本文初稿為AI編撰,整理.編輯/ 李先泰

本文不開放轉載

關鍵字: #Nvidia #AI #GPU
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓