阿里巴巴的Qwen將晶片限制轉化為多語言AI優勢

2024年，Qwen在艱難的背景下崛起。自2022年起，美國出口管制便阻擋中國取得Nvidia最先進的晶片，而AI競賽卻獎勵著越來越龐大的運算能力。許多觀察者認為這些限制將注定中國AI的失敗，然而Qwen的各個變體開始出現在公開基準的前段。

阿里巴巴的決定性舉措，是讓多語言能力成為競爭楔子，而非只追逐以英語為中心的前沿。Qwen的設計旨在處理大多數AI訓練資料之外的主要語言，包括緬甸語、孟加拉語和烏爾都語，且工程師幾乎可從任何地方取用。這契合了中國市場的需求：在美國供應商切斷API存取後，本地企業需要穩定的替代方案。

結果並非絕對對等：分析師Dylan Patel表示，Qwen仍低於GPT-4，但已接近到足以令人側目，且在形式數學和多語言操作上往往更強。一個基於Qwen的模型登上Hugging Face的Open LLM排行榜榜首；阿里巴巴表示其通義千問模型在發布時有90,000家企業客戶，後來更聲稱有220萬企業用戶。小米也將Qwen整合進一款食譜產品和行動助理。

一個基於Qwen的模型登上Hugging Face的Open LLM排行榜榜首，而阿里巴巴報告發布時有90,000家客戶、220萬企業用戶。

出口管制使蠻力取得前沿晶片成為戰略弱點。

在美國API切斷和政府封鎖之後，中國企業需要一個能穩定在國內取用的模型。

多語言和低資源語言效能提供了差異化，即便在Qwen趕上GPT-4之前也是如此。

當某項限制阻礙了規模化，就選擇一項服務不足的能力——例如低資源語言支援——在那裡客戶重視的是實用性，而非完美的前沿模型對等。

Qwen的突破並未終結與美國前沿模型的差距，但它改變了阿里巴巴的定位，從一家適應AI的中國現有企業，轉變為可信的全球模型競爭者。其多語言優勢和取用模式，讓開發者有理由基於實用性和可得性而非僅憑基準排名來選擇它；該公司聲稱的採用情況和小米的整合，顯示這個楔子能夠進入產品之中。