《賭俠》裡海珊說過一句話：任何人有三百萬美金都可以參加，但是，你一定要打領帶。

2024 年底 DeepSeek 公布 V3 的訓練成本是 560 萬美金，全世界的反應是同一件事：原來這樣就能上桌。

兩年後，輝達領投的 Reflection 端出第一顆開源權重模型 Beam，對應的融資規模是 8 億美金。同一張桌子，門票漲了 143 倍。

但把兩張帳單拆開來看，漲價的項目不是算力。

兩張帳單的性質不一樣

DeepSeek V3 是 2048 張 H800 跑兩個月，約 560 萬美金。這是單次成功訓練的 GPU 租用費，不含之前燒掉的失敗實驗、資料清洗與研究人力。真實總投入要乘好幾倍，只是沒人公布過。

Reflection 的 8 億是公司融資額，不是 Beam 的訓練費。兩個數字性質不同，不能直接比。

能比的是規模。Beam 官方說法：預訓練用了 23.8 兆 tokens，另外用一萬零五百張輝達 GB300 跑了四週的高算力強化學習，產生超過一億次 rollout。

光是那四週的強化學習就燒掉四萬兩千張 GPU 週。V3 當年的整場訓練是四千多張 H800 月。

分數線才是漲價的原因

現在開源第一是小米 MiMo V2.6 Pro，Artificial Analysis Intelligence Index 46 分，前一代只有 26 分，一代跳了 20 分。

DeepSeek 自家主力 V4.1 Flash 是 39 分，V4 Pro 是 36 分。兩年前 30 幾分就是頂級，現在要 46 才排得上第一。

而且多出來的分數不再靠預訓練堆，而是靠後訓練的強化學習。Beam 那一億次 rollout 就是這一段，也是最貴的一段。

付了 8 億，買到什麼

Reflection 自己的公告寫得很清楚：Kimi K3 在純能力上仍然領先，Beam 的優勢是推論效率，跟 GLM-5.2 相比只要三分之一到四分之一的推論算力。

更有意思的是那份官方對照表。在雙方都有填數字的項目上，DeepSeek V4.1 Flash 反而贏比較多：DeepSWE 是 74.2 對 44.4，Terminal Bench 是 90.6 對 80.1，AutomationBench 是 54.8 對 37.0。

而那顆 Flash 的價格只有 Pro 的四分之一不到。

所以 8 億買到的不是分數，買到的是 Apache 2.0 授權、美國公司，以及西方政府與金融機構敢不敢採購的那張證明。

換句話說，買的是那條領帶。

誰在買那條領帶

主權 AI 是這條領帶最大的市場。政府要的從來不是最強的模型，是不會斷的模型。

歐洲這邊，EU AI Act 2026 年 8 月 2 日開始執法，法國政府把 Mistral 當旗艦，國防與公部門採購往它靠；歐盟另外還養著 EUROPA、Apertus、OpenEuroLLM 幾個自己的開源專案。Fortune 在 8 月那篇寫得很直白：當華盛頓切斷某個頂級美國模型的存取之後，主權 AI 這個訴求就變得更有說服力。

韓國更直接，科學技術情報通信部（MSIT）辦選拔。2025 年 8 月從十五隊篩到五隊：Naver Cloud、Upstage、SK Telecom、NC AI、LG AI Research；2026 年 8 月第二階段剩下三家，Upstage、SKT、LG AI Research。這不是市場競爭，是政府在欽點國家代表隊。

台灣也排了，但排在哪

台灣沒有缺席。

法規上，《人工智慧基本法》2026 年 1 月 14 日施行，是原則法，沒有專屬罰則。

預算上，116 年度科技預算編列 1,823 億元（不含國防），創新高、年增 9.47%；把國防軍工算進來是 2,292 億元，年增 12.7%。主權 AI 算力與基礎建設是公告的重點項目。

戰略上，2026 年 6 月 23 日國家 AI 戰略委員會第一次開會，把「建構主權 AI」寫成國家目標。

問題不在有沒有做，在做出來的是什麼。法規是原則法、預算散在幾十個部會、模型是 TAIDE 這類幾十 B 的微調版本，36 到 46 分那個戰區裡沒有我們的位子。

台灣的錢都押在硬體那一邊。8 億美金換算約 240 億台幣，不是出不起的數字，但它等於整年科技預算的一成三。要買這條領帶，得先有人在軟體這邊開一張沒有立即回報的預算。

額度砍半再砍半的那家公司

10 月初 Threads 上開始傳，聯發科把員工的 AI 額度砍半再砍半。傳出的數字有兩個版本，一天 2.2 美元，或者一個月 10 美元，兩者換算差七倍，聯發科沒有公布任何數字。

公司的回應是：鼓勵員工應用 AI 工具提升生產力，並透過智慧自動調度機制，依任務複雜度匹配內部專屬或外部模型。

這段只能當傳聞看，因為一個官方數字都沒有。但傳聞的方向很一致：連台灣最賺錢的 IC 設計公司，都在把 AI 用量當成本在管。

額度一收，工程師只能擠回自家機房排隊等本地模型，因為本地那顆補不上前沿模型那一級。這就是門票經濟在企業內部的版本：付得起，但不想讓它無上限。

不打領帶的那條路

DeepSeek 這輪沒有往門票價競賽走，走的是效率與硬體自主。

架構上，V4.1 Flash 用壓縮稀疏的設計把單位成本壓下來。

硬體上，訓練鏈往華為昇騰移動。報導指出 2026 年 6 月昇騰 910C 完成 V4 Pro（1.6 兆參數）的全參數後訓練，動用至少一千張晶片；9 月底 DeepSeek 又開源了與華為合作的 Ascend 工具包。

這條路的意義不在分數，在於有一天它不需要那張票。

結論

• 門票漲價：前沿模型的入場費從 560 萬美金（DeepSeek V3 單次訓練）漲到 8 億美金（Reflection 的公司融資），差距 143 倍

• 漲的不是算力：開源第一的分數線從 30 幾推到 46，多出來的分數靠最貴的強化學習後訓練；Beam 用一萬零五百張 GB300 跑四週 RL，官方表格上卻在雙方都填數的項目輸給 DeepSeek V4.1 Flash

• 貴的是那條領帶：8 億買到的是 Apache 2.0、美國戶籍、以及西方機構敢採購的資格；DeepSeek 走的是另一條路，用效率架構與華為晶片換掉對這張票的需求

任何人有三百萬美金都可以參加，但是你一定要打領帶。
現在那條領帶要 8 億，而隔壁那桌穿著拖鞋的人還在拿分數。

౨ৎ Anthony 不負責任編輯