歐洲的AI主權之戰正式打響

當全球AI競賽被OpenAI、Google、Meta等美國巨頭主導時，歐盟選擇了一條截然不同的道路——不是追趕GPT-5.5或Gemini 4，而是打造屬於自己的開源基礎模型。

6月22日，Hacker News上一個名為「Apertus – Open Foundation Model for Sovereign AI」的專案衝上252分、89條評論，引發全球開發者社群關注。這不是又一個AI模型發布，而是一場關於「誰來控制AI未來」的深層角力。

Apertus的核心訴求很簡單：歐洲不能讓AI基礎設施完全掌握在美國或中國手中。這個由歐盟資助的開源基礎模型計畫，目標是建立一個符合歐洲價值觀（隱私、透明、可審計）的AI生態系統，而非依賴那些「黑箱」商業模型。

5000萬歐元怎麼花？|Apertus的技術路線圖

Apertus並非從零開始。根據專案文件，它基於多個開源元件構建：

  • 訓練資料：使用歐盟境內合法爬取的公開資料，嚴格遵守GDPR規範
  • 模型架構：採用Mixture of Experts（MoE）設計，類似GLM-5.2的技術路線
  • 硬體支援：優先使用歐洲本土半導體製造商的晶片（如意法半導體）

專案預算高達5000萬歐元（約4.2億港幣／16.8億台幣），分三年撥款。這筆錢主要用於：

  1. 資料集建置（1800萬歐元）：建立歐盟28國語言的多語料庫，包含法律、醫療、金融等專業領域
  2. 模型訓練（2200萬歐元）：租用歐洲境內的GPU叢集，避免資料外流
  3. 開源生態維護（1000萬歐元）：支援第三方開發者、舉辦黑客松、建立審計機制

對比Meta訓練Llama 3.1花費約1億美元（約7.8億港幣），Apertus的預算顯得捉襟見肘。但專案團隊強調，他們專注於「效率而非規模」——目標不是打造最大模型，而是打造最透明、最可控的模型。

為什麼企業該關注？|開源模型的三個商業啟示

1. 資料主權不再是口號

對於香港和台灣的企業來說，Apertus提供了一個重要案例：當你使用GPT或Claude時，你的資料實際上流向了美國伺服器。Apertus的做法是完全本地化部署——模型可以下載到企業內網，所有推理請求不出公司防火牆。

這對處理敏感資料的行業（金融、醫療、法律）極具吸引力。例如，一家歐洲銀行正在測試Apertus用於合規審查，因為它保證「沒有第三方能看到客戶交易記錄」。

2. 開源模型的商業化路徑

Apertus的商業模式值得借鑑：基礎模型免費開源，但企業版提供額外服務。具體來說：

  • 社群版：Apache 2.0授權，任何人都可以下載、修改、商用
  • 企業版：每年5萬歐元，包含技術支援、客製化微調、法規合規保證

這種模式與Red Hat的開源商業策略如出一轍。對於亞洲市場，這意味著中小企業可以免費使用基礎模型，而大型企業則為穩定性和合規性付費。

3. 多語言模型的亞洲機會

Apertus支援28種歐盟語言，這對亞洲市場有什麼啟發？區域性語言模型正在成為新賽道。

台灣的「繁中GPT」、香港的「粵語LLM」、東南亞的「多語模型」——這些專案都面臨同樣的問題：商業模型不清晰、資金不足、開發者社群小。Apertus證明了政府資金+開源社群+企業訂閱的組合可以運作。

挑戰與現實：開源主權AI的三大痛點

痛點一：性能差距難以忽視

根據Apertus團隊公布的初步測試結果，其模型在MMLU（知識問答）基準上得分約為72分，而GPT-5.5得分為89分。在程式碼生成（HumanEval）上，Apertus僅達到55%，而Claude 4為78%。

這個差距短期內難以縮小。Apertus團隊承認，他們的目標不是超越美國模型，而是「足夠好」——對於歐洲企業的日常應用場景（文書處理、客服、翻譯），72分的表現已經實用。

痛點二：GPU供應鏈受制於人

諷刺的是，歐洲的「主權AI」計畫仍然依賴NVIDIA的GPU。Apertus目前使用的H100叢集全部來自美國進口。雖然歐盟正在投資本土晶片製造（如歐洲晶片法案），但短期內無法擺脫對美國硬體的依賴。

這對亞洲市場是一個警訊：即使模型開源了，算力仍然被少數公司掌控。香港和台灣的AI初創企業面臨同樣的困境——買不到H100，只能用A100或國產替代品。

痛點三：開發者社群規模不足

Apertus在GitHub上目前有2,300顆星，遠低於Llama的5.8萬顆星或GLM-5.2的1.8萬顆星。缺乏活躍的開發者社群意味著：

  • 模型迭代速度慢
  • Bug修復不及時
  • 生態系統（工具、插件、教學）匱乏

對於企業來說，選擇一個開發者社群小的開源模型風險極高——如果團隊離開，你的AI系統可能變成孤兒專案。

亞洲企業能學到什麼？|五個實戰建議

1. 不要盲目追求「最強模型」

Apertus的案例告訴我們：對於90%的企業應用，開源模型已經足夠。如果你的業務是翻譯客服對話、自動生成報告、或知識庫問答，72分的模型和89分的模型在實際體驗上差異不大。

2. 建立區域AI生態系

香港和台灣應該思考：我們需要自己的「Apertus」嗎？ 答案取決於是否有足夠的資金和人才。一個更實際的做法是加入現有開源社群（如GLM、Qwen、Llama），貢獻繁體中文資料集，而不是從零打造。

3. 資料安全是第一優先級

Apertus最值得學習的一點是：將資料安全融入模型設計。他們的模型支援差分隱私訓練，確保訓練資料不會被反向還原。對於處理客戶個資的企業，這是一個關鍵功能。

4. 政府資金是催化劑

Apertus的5000萬歐元來自歐盟的「數位歐洲計畫」（Digital Europe Programme）。亞洲政府可以參考這個模式：提供種子資金，但要求開源，讓市場力量推動後續發展。

5. 不要忽視法規合規

歐盟的AI Act即將生效，Apertus從設計之初就考慮了法規要求。對於要進入歐洲市場的亞洲企業，使用Apertus這樣的「合規設計」模型可以大幅降低法律風險。

延伸閱讀

結語：開源不等於免費，主權不等於封閉

Apertus的故事告訴我們一個關鍵教訓：AI主權不是封閉自守，而是選擇的自由。歐洲選擇開源，不是因為開源更便宜（實際上更貴），而是因為開源給了他們審計、修改、和自主部署的權利。

對於香港和台灣的企業，現在就該思考：你的AI策略是否過度依賴單一供應商？當API漲價、服務中斷、或法規改變時，你有沒有備案？

Apertus可能不會成為下一個GPT，但它證明了另一條路是可行的。或許，亞洲市場需要的不是另一個「最強模型」，而是一個適合自己的「夠好模型」。

數據來源：Hacker News討論串、Apertus GitHub專案頁面、歐盟數位歐洲計畫官方文件、MMLU/HumanEval基準測試結果。