美國會諮詢機構示警：中國把數據當國家資產系統性收集，AI 競賽恐取得結構優勢

數據，是這場 AI 競賽裡最不對稱的武器。美中經濟暨安全審查委員會（USCC）2026 年 8 月 18 日發布報告，直指中國正將數據作為戰略性「生產要素」系統調動，其規模與方式是美國企業難以複製的。

問題的核心不在算力，也不在模型架構，而在訓練資料的來源結構。美國大型 AI 公司已大致榨乾公開網路上的文字語料；中國卻在同步收集一類截然不同的數據——企業營運數據、工業製程數據、物理世界的感測器數據。這些數據根本不在公開網路上，抓不到、也買不到。委員會副主席 Mike Kuiken 在報告中說得很白：過去五年，中國持續整合數據、替數據貼標、提煉數據，並確保它能快速流向相關實體。這套系統的好處有兩個：推進創新生態，以及強化黨的控制。兩個目的，一套基礎設施。

報告特別點出工業機器人與先進製造這條線。中國的製造業生態系已積累大量高品質的 embodied AI 訓練資料——也就是讓 AI 系統在物理世界操作所需的數據，包括機器人動作、感測器反饋、工廠環境參數。這一塊，中國的先發優勢換算成機器人軟體的競爭力，既適用於商業市場，也直指軍事應用。人形機器人是北京明確的頂層政策優先項，而訓練人形機器人需要的恰恰是這類實體世界數據。

Bejing 的制度配置已經就位。中國於 2023 年設立國家數據局，統籌全國數據標準化與分類工作，目標是打造統一的數據交易全國市場；上海、深圳、北京等地的數據交易所已有企業開始掛牌出售專有數據集。更關鍵的是跨境數據法規那一刀：中國嚴格管制數據出境，倒逼在華外資企業把中國子公司的數據與全球系統切開，形成數據「單向閥」——中國企業的數據留在境內、持續供給本土 AI 訓練，外資企業卻愈來愈難把在華數據整合回全球模型。

USCC 的核心建議只有一條：美國國會應制定國家數據戰略，把數據當作經濟資產來對待。這句話在華盛頓說起來容易，但背後的制度鴻溝不小。美國沒有對等的跨部門數據統籌機制，沒有強制性的產業數據收集框架，也沒有任何政策誘因讓私人企業把數據貢獻給公共 AI 訓練池。中國能做到的，恰恰是因為它把數據主權和黨的治理需求綁在一起——這是美國政府在民主體制下複製不了的架構，除非有完全不同的政治共識。

在台灣和東南亞的製造業供應鏈裡，這份報告的含義值得認真看：誰在中國境內有工廠、有設備、有生產數據，那些數據已被納入中國 AI 訓練的潛在原料庫。合規不只是法律問題，也是數據主權問題。下一步，美國的「選邊站」壓力能否延伸到數據治理層次，才是真正的政策懸念。