AI 熱潮主要由兩種語言推動：英語與普通話。領先的 AI 開發者——OpenAI、Anthropic、DeepSeek、Moonshot AI、Z.ai，以及其他公司——幾乎都位於美國或中國大陸，因此其模型在母語中表現最佳。這也讓無數其他語言與方言，即便使用者多達數千萬人，仍被擱置一旁。

「整個 AI 革命都在英語和普通話裡，」香港新創 Votee AI 執行長 Pak-Sun Ting 表示。該公司正努力為粵語與其他被忽視的語言建立 AI 模型。「代表其他語言的比例非常小。」

Votee 是越來越多試圖解決 AI 忽視其他語言問題的公司之一。它取得 Meta、Alibaba 等開發者的 open-weight 模型，在粵語資料上再訓練，並將成果出售給銀行、大學與政府部門。實務上，這很重要，因為最需要粵語支援的使用者往往工作於面向公眾的場景，在這些環境中，對在地語言的準確處理影響的是日常營運，而不只是一般對話。

「這不只是文化而已。粵語用在教育、醫療和警務通訊中，」Ting 說。「如果這些都沒有被涵蓋，那 AI 基本上就毫無用處。」

粵語有何不同

粵語常被稱為中文的一種「方言」，但這個稱呼低估了它與普通話——中文中最常見的語言形式——之間的差異。粵語的文法與普通話不同，詞彙也不同；尤其在香港，說話者常在英語與粵語詞彙之間切換，有時甚至在同一句話中混用。

超過 8,000 萬人使用粵語，與說韓語的人數大致相當，也多於說義大利語或泰語的人。然而，如此龐大的使用者基礎並未帶來同樣深厚的標準化書面資料，尤其是口語粵語更是如此。

主流模型在處理粵語時並非完全無能。由九州大學、香港教育大學，以及本地 AI 社群 hon9kon9ize 的研究人員所開發、並由 Votee 贊助的基準測試集合 HKCanto-Eval 顯示，主流模型雖然能以合理水準處理日常粵語，但在文化與在地知識上經常失準。

以較低成本訓練

Ting 表示，建立一個粵語 LLM「本質上就是採取與從零開始訓練模型相同的步驟」——以既有的開源模型，例如 Meta 的 Llama 或 Alibaba 的 Qwen，再用粵語資料進一步訓練。

Votee 的粵語資料來自網路爬取，包括香港電台（RTHK）的內容。這家新創也從社群與大學取得資料，並利用其過去作為大數據公司的業務內容。最後，Votee 也使用合成資料，建立自己的粵語資料集來訓練模型。

這些努力合計將粵語資料語料庫從 1 億個 tokens 擴大到超過 5 億個。

Votee AI 的模型規模約為 700 億參數，明顯小於市場上最強的模型。不過 Ting 表示，這些模型已足以理解並以粵語推理。更重要的是，Votee 的訓練成本雖然不低，但仍明顯低於前沿實驗室。Ting 預估，公司訓練模型所使用的 tokens 在 5 億到 10 億之間，相較於英語模型所使用的數兆 tokens，成本約為 25 萬美元。

主權 AI

已有數家公司正在打造所謂的「低資源語言」模型，也就是那些背後沒有大量出版文本語料的語言。印尼第二大電信公司 Indosat 正在打造 Sahabat AI，這是一個聚焦印尼語言（如 Bahasa）的開源大型語言模型。新加坡政府支持的 AI Singapore 則運作 SEA-LION，涵蓋 11 種資源不足的東南亞語言。南韓則更進一步，舉辦一場由政府支持的淘汰賽，當地媒體稱之為「AI Squid Game」，以選出本土基礎模型的國家隊，背後是 2026 年約 68 億美元的 AI 預算。

這一切都被歸在「主權 AI」的框架下，也就是政府和企業希望擁有自己的資料、模型與基礎設施，而不是向海外租用。

「AI 已成為一種必要基礎，所以你不希望自己被綁在任何可能把它關掉的人身上，」Ting 說。他坦言，主權 AI 的完整版本——由各國掌握 AI 供應鏈的每一個環節——「非常困難」。他反而建議，各國應聚焦於掌握基礎模型以及建立在其上的應用。

政府通常不需要與前沿模型同等強大的模型來自動化少數任務；Ting 解釋，哪怕只有 10 億參數的小模型，也足以滿足這些需求。如果政府需要更進階的能力，也可以將強大的英語或中文模型輸出，轉接到較小的在地語言輸出層。

Ting 指出，公司與 MiniMax 和 SenseTime 的模型合作，並且在營運中可以使用 Nvidia 晶片。「我們可以用 Nvidia 晶片，也可以用 Moonshot 或 DeepSeek 的模型，」他說。「我們就像高中裡那個跟每個人都很熟的人。」

儘管 Ting 強調的是語言保存，Votee 本質上仍是一家營利公司。政府與企業是像粵語或 Bahasa 這類語言 AI 模型的第一批客戶。他表示，Votee「在收入高於成本的意義上是有獲利的」，而資金主要來自客戶合約。這家新創如今還邀請到香港商人 Allan Zeman 擔任顧問；Zeman 以推動香港蘭桂坊夜生活區發展而聞名。

Votee 的野心不只限於香港。Ting 表示，這家公司正與 AI Singapore 進行「積極討論」，未來計畫進一步擴張到東南亞。除此之外，Ting 還希望探索如何利用 AI 保護東亞、北美與非洲等地的瀕危語言。

Ting 將英語 AI 對其他語言造成的影響稱為「打字機時刻」，也就是生產力提升大到足以讓人們為了效率而放棄自己的語言。「人們會因為打字機的生產力遠勝自己的語言，就改用英語，」他說。

一個 700 億參數的粵語模型是否能改變這種情況，仍有待觀察。但 Ting 表示，他仍希望在由英語與普通話 AI 主導的世界中，為其他語言爭取一線機會。

「每一種消失的語言，你都會失去另一種看待世界的方式，」他說。「那可能只會被保存在博物館裡，讓你大概看得到。但我們也可以釋放許多新的智慧。」

Pak-Sun Ting 將於 9 月 8 日在澳門舉行的 Fortune Leaders Forum 發表演說。了解更多請點此！

本故事最初刊載於 Fortune.com