AI 比鋼鐵更適合 dumping

aidj

最近跟一位美國當地的創辦人聊天，聽到一個蠻細絲極恐的觀點，他說走過中美兩個 AI 生態，未來最可怕的貿易戰，大概率不會是晶片，也不是鋼鐵，是便宜到接近免費的 AI。

美國這邊有中國 ”倒鋼鐵” (steel dumping) 一說，美國曾有強盛一時的鋼鐵產業，但中國把過剩鋼鐵低價倒進海外市場，把當地工廠打到沒有利潤。短期美國買方很爽，長期本地供應鏈被打爛。

中國過去二十多年靠基建、房地產、工業化拉動經濟，蓋出了全世界最大的鋼鐵產能。城市建設、高鐵、道路、港口、工廠、房地產，每一個都需要鋼鐵，所以地方政府、國企、銀行、鋼廠一起把產能越蓋越大。

問題是，當中國房地產降溫、基建放慢、內需開始吃不下這麼多鋼鐵時，鋼廠不能說關就關。鋼廠背後有就業、有地方 GDP、有銀行貸款、有地方政府壓力。就算利潤很薄，甚至不賺錢，很多廠還是會繼續生產。結果就是國內用不完的鋼鐵，被大量出口到海外市場。

雖然後來美國發現後，嘗試推出反傾銷稅等一系列制裁手段，但早就來不及了，美國鋼廠的成本結構比較高，環保、人工、資本成本也不同，很難跟這種低價競爭，當時整個鋼鐵產業都撐不下去了。

正所謂上有政策，下有對策，中國鋼鐵洗第三產地也跟著反傾銷稅開始，鋼材可能先出口到第三國，加工、轉運、貼上不同來源標籤，再進入美國市場。這讓美國很難只靠對中國課稅解決問題。

這個情況怎麼好像最近才聽過? 沒錯，有沒有這個可能，是這個劇本正在 AI 產業上重演? 傳統的 dumping，是一個國家把過剩產能用低價倒到海外市場，把當地產業打到沒有利潤。 但如果這件事發生在 AI 上，長相會完全不一樣。

鋼鐵的過剩產能是高爐、工廠、工人、地方債。AI 的過剩產能，可能是模型、算力、資料中心、工程師團隊、雲端基礎設施，還有已經燒下去、不能回頭的資本。

今天中國 AI 公司面對的問題，跟當年鋼鐵廠其實有一點像。國內市場再大，也不一定吃得下這麼多模型公司、AI 應用、雲端算力和資本投入。大家都已經把錢燒下去了，模型也訓練了，資料中心也蓋了，團隊也養了。這時候如果國內需求、付費能力、企業導入速度跟不上，下一步自然就是往海外市場找出口。

而且 AI 比鋼鐵更適合 dumping。鋼鐵要運輸、要報關、要倉儲、要面對關稅。AI 不需要貨櫃，邊際成本又接近零。模型訓練完之後，多服務一個海外開發者、多給一家公司 API 額度、多開放一套開源權重，成本遠低於多出口一批鋼材。

所以 AI dumping 不會長得像一船一船貨物進港，也許是免費模型、便宜 API、雲端額度、開源權重、企業軟體套件，悄悄變成整個市場的底層系統。鋼鐵進來很便宜，大家還看得見。貨櫃、關稅、進口數據、價格波動，都有跡可循，但即使這樣美國都應付不來了，大家可以自己想像 AI dumping 該會是什麼模樣。

一開始大家也許也會跟當初買鋼鐵一樣很開心，新創開發變快，企業導入變便宜，政府跟學校也能快速上手。大家可能不但不會反感，還會感謝這些 AI dumping 的公司。因為它讓你省錢、加速、降低門檻。

但問題是，當整個市場的 AI 應用，都蓋在某一個外部模型、某一套雲端架構、某一個 API 生態上，這就不是工具了，這是依賴。而且只要有一部分新創開始用，其他人也必須跟上，不然成本上沒辦法競爭，除非客戶特別規定不能用。

這種溫水煮青蛙的步驟，每一個單獨看都很合理，甚至都是好事。但當它們組在一起，就可能變成一套非常完整的市場入侵策略，當一個市場的創新，全部跑在別人的底層模型、別人的雲端、別人的 API、別人的規則上，講難聽一點，那這個市場到底是在發展 AI 產業，還是在替別人建立應用層的殖民地？

這件事可能在美國發生，自然也可能在台灣發生，俗話說的好，便宜的最貴。鋼鐵 dumping 打掉的是鋼鐵工廠，而 AI dumping 打掉的，可能是技術、開發習慣、資料主權、產品標準，甚至未來十年的創業入口。

大家怎麼看這個觀點? 幫我在下面留言~