編按：AI技術快速演進，出口管制的對象已不只是先進晶片，而是逐步擴及雲端算力、模型權重與能力外洩。台灣深度參與全球AI供應鏈，企業除了要了解客戶，更要掌握算力最終由誰使用。
大型AI模型需要龐大運算資源，而全球最高階的圖形處理器（GPU）、先進半導體及相關設備，高度集中於美國、台灣及其盟友企業。因此，自2022年起，美國持續限制先進運算晶片、高效能伺服器與相關半導體技術流向中國，希望提高中國訓練前沿AI模型的成本。
這套管制的核心邏輯是：「控制發展AI所需的關鍵資源，就能限制競爭對手取得先進AI能力。」
然而，AI技術的發展正在挑戰這套思惟。晶片仍然重要，但AI能力已不必然隨晶片本身跨境流動：算力可以透過海外資料中心取得，訓練完成的模型可藉由模型權重移轉；甚至在未取得權重的情況下，也可能透過模型蒸餾複製部分能力。換句話說，單靠晶片出口管制，已不足以限制AI能力的取得與擴散。
挑戰一：晶片未進中國，算力仍可能為中國所用
中國AI公司未必需要將大量GPU運回中國，透過新加坡、馬來西亞或中東的資料中心遠端租用大型GPU叢集，即使晶片未曾進入中國，中國企業仍可能取得訓練大型模型所需的算力。換言之，晶片所在地與算力實際使用者，已可以彼此分離。
2025年5月，美國商務部工業安全局（Bureau of Industry and Security, BIS）發布AI模型訓練相關政策聲明與產業指引，說明《出口管理條例》（Export Administration Regulations, EAR）如何適用於第三國資料中心與境外算力使用。在符合「知悉」要件及特定受管制最終用途等條件下，若受EAR管制的先進運算晶片，透過境外基礎設施即服務（Infrastructure as a Service, IaaS）業者，用於替中國等特定國家的實體進行相關AI模型訓練，即可能觸發許可要求。
這代表出口管制的重點，正從「晶片最後出口到哪裡」，延伸至：「這些晶片形成的算力，最終由誰使用？」
挑戰二：模型權重開始成為管制標的
如果說，雲端算力使管制從晶片延伸到算力，那麼，模型權重（model weights）則進一步改變了管制標的。
完成訓練的AI模型，其權重承載了資料、演算法與龐大算力投入所形成的成果。取得權重，意味著無須重新負擔同等規模的訓練成本，即可直接部署與微調既有模型。
美國《出口管理條例》以出口管制分類編碼ECCN 4E091，將符合特定條件的先進AI模型權重納入管制架構。其意義在於，管制標的不再局限於形成AI能力所需的晶片與設備，而開始延伸至承載訓練成果與模型能力的權重本身。
從政策功能觀察，這可視為AI出口管制2.0的關鍵轉折：管制邏輯正由「資源管制」（inputs control），逐步呈現「能力管制」（capability control）的趨勢。
美國出口管制 2.0 的兩個難題：開放權重與模型蒸餾
第一個難題是開放權重模型（open-weight models）。封閉模型主要透過應用程式介面（API）提供服務，模型公司仍可進行帳戶驗證、地區限制與異常行為監測；權重一旦公開，第三方即可自行下載、部署與微調，原始開發者對後續流向的控制能力也隨之降低。
美國因此面臨兩難：一方面希望支持開放原始碼與開放權重AI，維持在全球AI生態系中的影響力，並抗衡DeepSeek、阿里巴巴Qwen、月之暗面（Moonshot AI）的Kimi等中國開放模型；另一方面，又必須防止先進模型能力被競爭者取得。
第二個難題是模型蒸餾（model distillation）。企業甚至不需要取得模型權重，只要透過API大量取得前沿模型輸出，再以這些輸出訓練自己的模型，即可能使新模型獲得原本不具備的能力。
2025年，DeepSeek崛起後，美國企業曾調查其是否利用美國模型輸出進行蒸餾；2026年，類似爭議又延伸至月之暗面的Kimi。
制度難題在於：透過API取得模型輸出，本身通常只是一般商業行為，並不當然構成傳統EAR下的硬體、軟體或技術移轉；但若大規模使用最終使另一個模型，取得具戰略意義的能力，現行出口管制應如何處理？
筆者將此現象稱為「能力外洩」（capability leakage）：即使沒有傳統硬體、軟體或模型權重移轉，具戰略價值的AI能力仍可能被複製。
面對美國出口管制 2.0，台灣企業的反思
過去，台灣企業的出口管制合規，主要聚焦產品分類、出口國家、客戶與最終用途；但隨著台灣廠商參與海外AI資料中心、GPU伺服器部署與算力基礎設施建置，合規風險也開始延伸至算力的實際使用者。
例如，台灣企業將先進晶片或伺服器出口給一家在馬來西亞建置AI資料中心的公司，直接交易本身未必存在問題；但若該資料中心實際以其GPU算力為中國AI公司提供服務，僅確認出口地與直接交易對象，恐已不足以掌握完整風險。
因此，除了傳統的「了解你的客戶」（Know Your Customer, KYC），台灣企業還需要進一步建立「了解你的算力使用者」（Know Your Compute User）的思惟：不只掌握產品賣給誰，更要理解算力最終由誰控制與使用。
這也反映台灣在全球AI供應鏈中的角色轉變。當台灣從「台灣製造」（Made in Taiwan）的硬體製造者，走向「與台灣共製」（Made with Taiwan）的全球AI關鍵伙伴，出口管制合規也必須從產品出貨，進一步延伸至AI基礎設施與算力使用的合規及治理。
本文章反映作者意見，不代表《遠見》立場
（作者為史丹佛台灣科學技術研究中心執行顧問、人工智慧法律國際研究基金會祕書長）
