美國掐緊「AI 開關」！Anthropic 遭控管、中國開源急追　企業被迫重算「智慧每一美元」

・ 2026 年 06 月 27 日

美國政府頻對前沿 AI 模型「開關管制」，Anthropic 模型一度被下架、僅獲有限復駛；同時間中國 Zhipu 推出開源 GLM 5.2，以約五分之一成本逼近 Anthropic 性能，企業開始從「模型最強」轉向「智慧/成本比」思維，AI 主導權之戰從算力競賽轉為監管與開源拉鋸。

美國政府對前沿人工智慧模型的「開關權」正快速升級為新戰場。一邊是遭到華府以國安名義「喊卡」的 Anthropic，另一邊則是以低成本、高性能橫空出世的中國開源模型 GLM 5.2。對企業來說，真正棘手的問題已經不是哪一家模型最聰明，而是：什麼時候會突然被關機、成本會不會失控，以及誰能在這種不確定環境中提供最穩定的算力與服務。

近期，美國商務部核准 Anthropic 在特定條件下釋出最新的 Mythos 5 模型，開放給大約一百家企業與聯邦機構使用。這項決定看似讓雙方僵局暫時降溫，但實際上只是為這場為期兩週的對峙拉出一道暫時停火線。此前，Anthropic 被要求依據一項出口管制指令，全面停用 Fable 5 與 Mythos 5 模型，不但對海外客戶關閉，就連在美國境內工作的外籍員工也被禁止存取，凸顯美國政府在 AI 國安審查上的尺度正急遽收緊。

美國商務部長 Howard Lutnick 在信中表示，自他 6 月 12 日發出通知以來，Anthropic 一直與政府合作處理這些「涵蓋模型」的風險。這段期間，Anthropic 高層親赴華盛頓，試圖說服川普政府尋找折衷方案，好讓模型得以在控管下重新上線。美方則強調，目標是在確保美國維持 AI 領導地位的同時，也要兼顧國家安全。問題是，當政府保留「隨時關機」的權力，企業是否還敢把核心業務完全綁在單一閉源供應商上？

市場的不安並非只發生在 Anthropic 身上。OpenAI 也在同一時間宣布，因應政府要求，將限制 GPT 5.6 系列模型的使用。連續兩家重量級實驗室在短期內遭遇管制風波，讓整個產業開始意識到：再先進的模型，一旦受到政策干預，對企業而言都可能變成隨時消失的黑箱風險。這種政策不可預測性，正在重塑企業對雲端 AI 的信任基準。

就在美國前沿模型因監管拉警報之際，中國 AI 新創 Zhipu 推出的 GLM 5.2 則在開源社群掀起另一波熱潮。這款模型在一項備受關注的「agentic」基準測試上，表現已逼近 Anthropic 的 Opus 4.8，差距不到一個百分點，但成本僅約對方的五分之一。更重要的是，它不只是聊天機器人，在規劃、寫程式、測試與反覆迭代等代理型任務上表現亮眼，切中企業目前最想自動化的工作類型。

開發者湧入的速度，從 OpenRouter 的 token 流量就可見端倪：其成長曲線甚至比 DeepSeek 在今年四月推出 V4 時更為陡峭。來自法律科技新創 Harvey 的共同創辦人 Gabe Pereyra 就坦言，他對開源追上的速度感到驚訝，並認為 GLM 5.2 是第一款真正能與部分封閉式前沿模型正面競爭的開源選擇。這不只是某一家公司爆紅，而是整個開源 AI 生態系真正進入「能用、好用、便宜」的新階段。

從企業角度來看，真正的翻轉在於評估標準的改變。過去大家比的是誰的模型最強、參數最多，如今卻開始精算「intelligence per dollar」——每花一美元可以買到多少實際可用的智慧。當不少公司在導入 AI 後才驚覺 token 費用失控、雲端帳單爆炸時，一個「便宜又夠用」的 GLM 5.2，自然成了 CFO 與工程團隊共同關注的選項。

此外，GLM 5.2 採開源模式，企業可免費下載、微調並在自家伺服器上運行。這不只是在價格上對 Anthropic、OpenAI 等「frontier labs」施壓，更在「可控性」上提供截然不同的想像：一個任何政府都無法輕易撤銷存取權的模型，對擔心合約或政策風險的企業來說，愈來愈像是更安全的賭注。換言之，開源不再只是技術或社群議題，而是直接站上了地緣政治與產業治理的舞台。

當然，開源並非沒有隱憂。支持嚴格監管者會提醒，開源模型一旦落入惡意行為者手中，可能放大網路攻擊、假訊息擴散或軍事應用等風險，這也是美國政府對高階模型出口採取強力控管的主因之一。然而，企業端感受到的現實是：封閉式模型在國家安全壓力下愈收愈緊，反而推升了對開源方案的需求。這形成一種弔詭局面——監管越嚴，越多公司轉向無法被單一政府「關掉」的替代品。

在這場新型態 AI 角力中，雲端巨頭如 Microsoft(MSFT)、Alphabet(GOOGL)、Meta(META)、Amazon(AMZN)等，也被迫調整策略。一方面，它們必須配合各國政府的安全要求，另一方面卻又不能讓客戶因政策風險轉投開源與自建方案。於是，我們看到更多混合部署、在地運算與多模型策略被提出，試圖在合規與彈性之間找到平衡。

展望未來，AI 產業的競爭焦點恐怕不再只是誰先推出更大的模型，而是誰能提供在多國監管環境下仍具穩定性、透明度與成本效益的整體解決方案。Anthropic 遭控管、GLM 5.2 崛起，只是這場權力重分配的序幕。對企業而言，真正需要回答的問題是：在一個政府可以下令關機、開源又快速追上的世界裡，該如何設計一套不被單一供應商或單一國家政策綁死的 AI 佈局？而這個答案，可能比任何一版新模型的發布日，來得更加關鍵。