目前在全球 AI 競賽中，美國頂尖模型與中國之間的能力差距已顯著縮小。過去，如 Anthropic 與 OpenAI 等西方 AI 領頭羊，多半是圍繞高單價的優質產品，建立龐大的企業業務。然而，由香港上市企業 Z.ai 所推出的最新大型語言模型 GLM-5.2，正被業界視為另一個顛覆市場的「DeepSeek 時刻」。
儘管 DeepSeek 先前已證明可以用更低的成本建立複雜的模型，但 GLM-5.2 進一步將戰場鎖定在企業客戶，是專為長時間運行、使用工具的 AI 代理所打造的基礎設施。同時，這款 GLM-5.2 模型更迫使過去領先的美國 AI 巨頭面臨一個難以迴避的商業現實：當模型能力足夠接近時，控制權與成本優勢可能比品牌光環，更能左右企業的最終選擇。
美國的出口禁令，意外成為亞洲模型的戰略破口
GLM-5.2 的崛起，恰逢美國高階 AI 模型面臨存取震盪的關鍵時刻。先前，Anthropic 因川普政府指令撤下 Fable 與 Mythos 級模型，OpenAI 也在政府要求下限制 GPT-5.6 僅供受信任夥伴使用。這項出口禁令生效後所留下的市場空缺，正逐漸被日本與中國的公司填補。
在東京，Sakana AI 趁勢推出 Fugu 模型，瞄準希望降低出口管制風險的日本企業與政府機構，藉此協助客戶避免過度依賴單一美國供應商。同時，Fugu 模型也特別針對日語與日本文化進行優化，Sakana AI 執行長 David Ha 指出，國家基礎設施依賴單一模型供應商的風險極高，因此採用模型編排（Model Orchestration）與集體智慧，正是防範頂尖模型存取權一夕消失的實用避險策略。
與此同時，中國資安公司奇虎 360 推出名為 Tulongfeng 的 AI 工具，並稱能與 Anthropic 的 Mythos 匹敵，其創辦人周鴻禕更直言，中國不能接受只有美國具備先進的漏洞防禦能力，並將此視為國家戰略資產。
這波由禁令引發的市場重組，讓曾參與美國出口管制的專家開始反思。例如曾任進步政策研究所科技研究員 Saif Khan 點出：「在允許出口中國開發自有模型所需晶片的同時，封殺 Fable 等模型，這就像是送給中國的禮物。」事實上，即便美國公司未來能贏回信任，這些能更好理解在地語境的亞洲模型，已經填補缺口，同時改變市場格局。
不過，美國政府似乎也意識到全面封殺的影響，因此近期已向美國國家安全局（NSA）等受信任實體恢復 Anthropic Mythos 5 的部分存取權。此外，五角大廈也宣布與美國本土的開放權重模型開發商 Reflection AI 達成協議，供機密環境使用。
AI 代理任務凸顯 GLM-5.2 的成本優勢
除了掌握地緣政治帶來的市場空缺，GLM-5.2 具備商業優勢的關鍵，是改變企業 AI 的成本考量。Z.ai 不特別強調 GLM-5.2 能在各項測試中擊敗封閉模型，而是凸顯其在寫程式、規劃與使用工具等長時間任務中的效益。因為當模型能力足夠接近，且價格明顯更便宜時，企業端就會自然而然地開始精算「每一美元能換取多少工作量」。
數據顯示，GLM-5.2 在一項公開的代理任務基準測試（agentic benchmark）上，表現與 Anthropic 的 Opus 4.8 僅差約 1%，但成本卻只有大約五分之一。Jefferies 的報告也指出，GLM-5.2 的 token 成本約為 Anthropic 的四分之一。成本的差異對企業日常營運至關重要，因為日益普及的 AI 代理系統，不再只是單純回答問題，而是需要不斷規劃、呼叫工具、編寫程式並反覆測試。這些繁複的步驟會消耗大量 token，在這樣的工作負載模式下，也許效能並非最突出，但成本低許多的模型，往往更有機會成為最終贏家。
這種成本驅動的轉向，已明確反映在實際的市場採用數據上。Jefferies 引用 OpenRouter 平台數據指出，中國 AI 模型在短短一週內處理高達 21.37 兆個 token，而同期美國領先模型僅處理了 5.76 兆個。更驚人的是，GLM-5.2 的 token 流量攀升速度，甚至超越 DeepSeek V4 剛發布時的熱潮，證明開發者正迅速將這些平價開放權重模型從「備案」升級為「首選」。
Jefferies 報告更進一步提出「傑文斯悖論（Jevons Paradox）」的觀點：更便宜的 AI 模型反而會鼓勵企業將 AI 部署到更多應用中，從而推升對運算能力、AI 伺服器與記憶體晶片的整體需求。因此長期來看，AI 投資週期的最大風險並非中國模型的崛起，而是投資人何時會開始質疑 OpenAI 與 Anthropic 能否從龐大的基礎設施投資中獲得足夠的回報。
開放權重的雙面刃：賦予操作可控性，卻增加資安與合規隱憂
在成本優勢之外，GLM-5.2 於 Hugging Face 上採用的 MIT 授權與開放權重模式，更是吸引企業用戶的另一大誘因。這種模式允許買家下載、微調並在內部伺服器運行，不僅能取代對公有雲的依賴以保護敏感企業資料，更賦予技術團隊不同於封閉 API 的控制權。對企業而言，這成為對抗封閉模型隨時可能調漲價格、限制速率、更改政策或撤回服務的最佳籌碼。
然而，這種可控性同時也是一把資安雙面刃。由於開放權重模型雖然讓企業用戶受益，但由於模型可以被隨意修改，且缺乏供應商後端監管，進階 AI 駭客攻擊的門檻也隨之降低，且能輕易在暗處運行。例如根據 Graphistry 與 Semgrep 的安全基準測試，GLM-5.2 在某些網路安全調查與漏洞發現能力上，甚至已經可以匹敵美國的頂尖模型。
這種強大卻難以有效監管的特性，隨即在美國市場引發複雜的合規與採購挑戰。美國商務部此前已將 Z.ai 列入實體清單（Entity List），代表對於涉及政府合約、受監管資料，或有出口管制曝險的美國企業，在將 GLM-5.2 導入為企業標準之前，必須先跨越極度嚴格的法律與安全審查門檻。
GLM-5.2 的崛起，代表企業 AI 採購邏輯正在改變。當能力差距縮小，成本、控制權、部署彈性與合規風險，將共同決定企業選擇。
【推薦閱讀】
◆ 連 Meta 都買不夠算力：Google 一道限令揭 AI 產業真正瓶頸
◆ 白宮要求 OpenAI 分階段上線 GPT-5.6：高風險 AI 模型的「受控發布」成為新常態？
◆ 【AI 推理成本革命】不再靠人類直覺設計策略，AutoTTS 讓 AI 自己找最省 Token 推理方式
＊本文開放合作夥伴轉載，資料來源：《WSJ》、《Business Today》、《TechCrunch》、《RuntimeWire》，首圖來源：Z.ai
