星際之門是由 OpenAI 等公司於 2025 年初啟動、旨在美國建設龐大 AI 基礎設施的巨額投資計畫，在中美科技戰白熱化之際，中國也正默默推動屬於自己的「星際之門」計畫，雖然規模無法與美國德州 5,000 億美元的超級資料中心相比，但中國已開始以不同策略因應，目標是將有限的算力資源發揮到最大效益，試圖縮短與美國的差距。
手法一：資料中心算力分工化
研究機構 Epoch AI 估計，美國擁有全球約四分之三的運算能力，而中國僅 15%。《Financial Times》報導，中國政府在今年春天公開一份規劃，要求西部偏遠地區的既有資料中心專注於大型語言模型（LLM）的「訓練」，因為這些地區電力成本較低、土地寬廣；而位於長三角、珠三角與京津地區等的核心人口密集處新建的資料中心，則負責處理「推理」任務——也就是 AI 生成回應的過程，目標是以物理上更近的距離來縮短 AI 應用的延遲時間。
這種「算力分工」模式是北京試圖在稀缺的硬體資源下，透過分類使用達成最大經濟產出。美國智庫 AEI 研究員 Ryan Fedasiuk 告訴《Financial Times》，中國正在「替稀缺算力進行分流，以追求最高的經濟效益」。
以安徽蕪湖為例，原本是稻田的島嶼，現已規劃為「資料島」，同時容納華為、中國電信、中國移動與中國聯通等四大營運商的 AI 資料中心。這些資料中心將服務上海、杭州、南京與蘇州等經濟重鎮，而內蒙古烏蘭察布則支援北京與天津，南方的貴州則供應廣州，形成全國性的算力輸送網。
手法二：黑市中間商湧現，繞道搶 NVIDIA 晶片
但在算力分工背後，中國仍面臨最大的瓶頸：晶片短缺。由於美國出口管制，中國企業難以合法取得 NVIDIA 最先進的 H100、Blackwell 等 GPU。即便華為、中科曙光等中國本土廠商積極追趕，但製程與產能限制讓其難以完全替代 NVIDIA。
因此，中國市場湧現一批「中間商網絡」，透過海外管道、灰色市場取得 NVIDIA 晶片。根據《Financial Times》調查，部分供應商甚至成功獲得大量 Blackwell 伺服器。不過，NVIDIA 已明言這些管制產品無法獲得官方支援與維修，風險極高。
這樣的「繞道手法」在 2023 至 2024 年間一度推高黑市價格，一顆 H100 晶片甚至喊到 20 萬人民幣（約新台幣 85 萬元）。
手法三：連結分散、閒置的算力資源
除了分流與黑市，中國還寄望於技術手段，讓分散各地的運算資源「串聯成一」，因為在缺乏專業知識和客戶需求的狀況下，中國有許多處理器仍未充分利用，處於閒置狀態。根據中國科技媒體《36Kr》報導，中國新建的資料中心有超過 80% 處於閒置狀態。
原因之一在於商業模式改變。隨著 DeepSeek 開源推理模型 R1 席捲中國市場，許多中小企業已不再自建或訓練 LLM，而是直接套用現成模型。這使得原本為訓練打造的大型資料中心需求驟降，GPU 租賃價格跌到谷底。
但即使如此，中國政府仍視 AI 基礎設施為「必要之惡」，願意承擔泡沫期的陣痛。RAND Corporation 技術顧問 Jimmy Goodrich 告訴《麻省理工科技評論》，未來這些閒置算力可能會被國家整合，轉交給具備真正技術能力的龍頭企業管理。
根據《Financial Times》，中國政府已要求中國電信與華為，運用網路設備與軟體將分散在不同站點的處理器串連成一個「集中式運算叢集」，將運算能力從西部資料中心轉移到東部。
這種方法可望避免 GPU 閒置，但也存在問題。資料中心研究機構 DC Byte 創辦人 Edward Galvin 就直言，多個小型、老舊資料中心相加，永遠比不上一個規模較大、較現代化的資料中心，因為這關乎規模經濟。
華為則嘗試以 UB-Mesh 技術改善此問題，聲稱能透過更好的任務分配，讓 LLM 跨中心訓練效率提升一倍。不過業界普遍認為，這仍屬過渡方案，短期難以改變中國在基礎架構上與美國的差距。
中國正以三大手法打造屬於自己的 AI 超級通道：透過「算力分工」提高使用效率、倚靠「黑市網絡」彌補晶片缺口，以及透過「技術串聯」連接分散資源。這些手段揭示了中國追趕美國的企圖心，但也暴露其政策導向、基礎設施過度投資與技術瓶頸的現實困境。
＊本文開放合作夥伴轉載，資料來源：《Financial Times》、《MIT Technology review》，首圖來源：AI 工具生成
