業界人士表示,對Anthropic、OpenAI等先進AI模型業者來說,承租東南亞的便宜算力用於訓練未必划算,因為訓練先進模型需要數以萬計的GPU一起工作,每完成一輪運算,就得交換資料、同步進度,才能繼續往下訓練,如果這些GPU都在美國,彼此傳遞資料可能只要幾微秒(百萬分之一秒),一旦跨海連到東南亞訓練,資料傳輸可能會超過100毫秒(0.1秒)。
換句話說,原本幾乎瞬間就能完成的資料交換,現在可能得等上0.1秒,數以萬計的GPU也只能跟著停下來等,累積下來會大幅拖慢AI模型訓練速度、影響競爭力,即使東南亞neocloud業者急於轉租而開出比較低廉的租金,省下來的錢也不划算。
至於AI業者的推論需求用東南亞neocloud業者釋出的低廉算力,合用的場景就多出很多。比如讓AI花一整晚讀完10萬份合約、整理摘要,或是用好幾個小時生成AI短劇,這類不需要即時回應的應用,東南亞釋出的低價算力很有優勢,對美國AI基建業者營運帶來負面影響的機率上升。
另一個決定性的關鍵,則在於美國對算力到底有多飢渴,以及東南亞釋出的算力規模究竟有多大。現在美國算力稀缺的程度,連輝達A100這種「人瑞級」老GPU,租賃價格都能漲到高於當年的合約價。業界人士評估,只要東南亞釋出的算力規模沒有大到足以徹底改變市場供需結構,美國龐大的算力需求可能很快吸收這批供給。
不只外界的擔心不會發生,還可能讓更多原本嫌AI算力太貴、不敢大量使用的企業與族群,開始增加使用頻率、擴大應用範圍,帶動AI用量正面循環增加,也就是所謂的「傑文斯悖論(Jevons Paradox)」。也就是說,東南亞算力降價未必會使美國AI基建面臨降價壓力,反而刺激AI應用與用量增加、帶動AI產業持續擴張,進一步帶動AI基礎建設需求,台灣供應鏈也會隨之受惠。
不過,美國新頒布的AI算力新規才剛生效,市場需要時間消化政策影響,究竟東南亞釋出的算力對美國AI市場與台灣供應鏈是利多還是利空,現在恐怕言之過早。


