为何此刻值得关注
中国最大的两家消费互联网和云服务公司正采取关键举措，以保障人工智能供应链安全。阿里巴巴和百度已开始使用自研处理器训练部分模型，减少对英伟达芯片的依赖。英伟达芯片一直是现代人工智能的核心硬件。此番转变反映出两股强大力量：美国不断收紧对输华先进半导体的出口管制，以及中国国内推动关键基础设施优先采用国产技术。
目录
两家公司都在谨慎推进，而非一举切换。阿里巴巴将自研加速器用于规模较小的训练任务，同时保留英伟达硬件处理要求最高的工作。百度则在新版本的文心模型上测试最新的昆仑 P800 芯片。文心模型是其生成式人工智能服务背后的技术。对于规模最大、复杂度最高的训练任务，两家公司仍依赖英伟达，因为在这类任务中，性能、软件成熟度和多芯片互连至关重要。
这对中国数据中心的实际影响可能十分深远。过去排队等待进口 GPU 的企业，如今多了一条扩展人工智能算力的途径。国产芯片已能胜任越来越多的工作负载，有助于降低供应风险、确保项目按期推进，并使支出符合国家科技发展目标。如果这些部署进展顺利，将证明多年投资国产人工智能芯片取得了成效，并加速中国云服务商在其硬件集群中混用国外和国产产品的趋势。
阿里巴巴和百度在研发什么
阿里巴巴通过平头哥积累了定制芯片的研发经验。该部门此前推出了用于推理的含光 800 人工智能加速器，以及一款基于 Arm 指令集的服务器 CPU。员工内部称为“真武”的最新人工智能训练处理器，目前已用于阿里云内部训练规模较小的模型。曾使用过该芯片的人士表示，在不需要最先进互连技术或最大内存容量的任务中，其实际性能可与英伟达 H20 媲美。在验证新芯片的大规模应用能力期间，阿里巴巴仍依靠英伟达系统训练前沿模型。
百度的昆仑项目是中国持续时间最长的国产人工智能加速器产品线之一。早期昆仑芯片主要面向推理，也就是运行已训练好的模型。借助昆仑 P800，百度正为新版本文心模型开展训练测试，以验证稳定性、吞吐量和软件栈的就绪情况。百度的核心优势在于垂直整合：公司既研发文心模型、运营大型云集群，也掌控飞桨框架，因此能更自由地协同设计硬件和软件，以提升效率。
美国出口规则如何重塑市场
自 2022 年以来，华盛顿不断收紧管制。当年，针对人工智能加速器的性能门槛首次限制了美国供应商可向中国出口的产品。性能有所削弱、专供中国市场的 GPU 等变通方案曾在一段时间内维持了部分供应。此后几年公布的新措施进一步压缩了这些渠道。英伟达 H100 和更新的 Blackwell 系列等顶级平台仍无法进入中国市场。英伟达推出了性能较弱、旨在符合美国规定的 H20，但行业研究显示，从 2025 年 4 月起，即使这类芯片的出货也需要出口许可证，这增加了中国买家采购美国芯片的阻力和不确定性。
中国大型云服务商和互联网平台采取双轨策略应对：尽可能从海外采购，同时大力投资国产加速器。政策环境也有利于本土方案。政府和关键基础设施客户越来越倾向于采用在中国设计并获得本地支持的硬件，促使云服务商证明中国加速器能够以可接受的成本和稳定的性能处理生产环境中的工作负载。
英伟达意识到竞争格局正在变化，客户也有动力实现供应多元化。一位公司发言人承认这一现实，同时强调英伟达将继续服务全球开发者。
竞争无疑已经到来。我们将继续努力，赢得各地广大开发者的信任与支持。
国产芯片与英伟达还有多大差距
答案取决于具体任务。使用过阿里巴巴最新加速器的工程师报告称，在部分训练任务和较小规模的模型中，其性能可与英伟达 H20 持平。对于一个新兴平台而言，这是实质性进展。但在训练最大规模的模型和执行最紧迫的训练计划时，英伟达仍具优势，这得益于更高的峰值算力、更快的多 GPU 互连、成熟的编译器栈，以及完善的优化库生态。中国以外地区的尖端模型训练，仍以 H100 和最新 Blackwell 设计为标准。
训练和推理是不同的任务
人工智能训练是指通过多轮数据处理调整数十亿个参数，从而教会模型的过程。训练会将硬件的算力和内存带宽推向极限，还要求加速器之间具备极快的连接，以便数千颗芯片高效同步。推理则发生在训练之后。模型已经学会了生成内容，系统会实时为用户生成结果。推理更看重低延迟、成本效益和节能。一颗擅长推理或训练较小模型的芯片，在持续数月的大型模型训练中仍可能力有不逮，因为芯片间通信网络和软件调度会成为瓶颈。
软件栈与芯片同样重要
英伟达的主导地位从来不只源于芯片。其 CUDA 平台、cuDNN 和 TensorRT 等库，以及丰富的合作伙伴工具，让开发过程更加简便，性能也更可预测。中国平台正为国产加速器构建自己的软件栈。百度的飞桨和阿里巴巴的云工具链都已支持自家芯片，两家公司也能针对自身模型定制内核和计算图编译器。这种掌控力有望提升效率，但也意味着第三方开发者将代码迁移到国产硬件时可能需要适应一段时间。如果阿里巴巴和百度能让用户在自家云平台上无缝完成迁移，客户或许会更关注价格、供货情况和服务水平，而不是芯片上的品牌标识。
商业战略与市场反应
有迹象表明，中国互联网龙头能够在不完全依赖进口的情况下保障人工智能算力，投资者对此表示欢迎。有关新部署的报道传出后，阿里巴巴和百度股价上涨，反映出市场预期：更具韧性的供应基础将为产品路线图提供支撑，并降低项目延误风险。如果国产芯片更容易采购，也更便于在国内数据中心扩容，那么即使它只能胜任相当一部分训练任务，也有助于降低长期运营成本。
这一战略考量不止涉及成本和供应。阿里云和百度智能云服务企业及公共部门客户，这些客户往往更偏好国产硬件。提供基于国产加速器的算力，有助于云服务商赢得敏感工作负载，同时符合监管部门对安全和数据本地化的要求。不过，两家公司似乎都希望采取务实的组合方案：最棘手的任务继续使用英伟达系统，而在许多性能相当、经济效益更好的任务中依靠国产芯片。
供应链与制造限制
设计出有竞争力的人工智能加速器只是挑战之一。制造、封装和内存供应同样重要。如今性能最高的芯片采用先进制程节点制造，并依赖紧邻处理器封装的高带宽内存堆栈。中国晶圆厂已取得进展，但尚未达到海外最先进制程的水平。通过精巧设计、先进封装和高效软件可以部分弥补这一差距，但它仍会影响峰值性能和能效。
高带宽内存的供应也是一项制约因素，因为训练大型模型会消耗海量内存带宽和容量。云服务商通过将工作负载分配到更多芯片、优化精度格式，以及安排符合各平台优势的任务来应对这些限制。在这种情况下，即使理论峰值性能不及最优秀的海外产品，只要国产加速器与云软件栈整合良好且容易采购，仍能承担相当一部分工作。
对开发者和客户意味着什么
阿里巴巴和百度的客户会关注三件事：多久能获得算力、可靠性如何，以及完成特定训练任务或推理工作负载的总成本。如果国产加速器能缩短排队时间，并通过熟悉的框架提供稳定性能，许多团队就能顺畅迁移。模型开发者可能需要重新调优内核或采用供应商专用工具，以发挥最佳吞吐量，但这在高性能计算领域很常见。短期内，云集群很可能采用混合配置，并由调度策略将任务分配给最合适的可用硬件。规模最大的前沿模型训练仍将由英伟达系统承担，而越来越多的常规任务则会在阿里巴巴和百度的芯片上运行。
接下来关注什么
未来一年有两个关键节点值得关注。第一是美国对输华加速器实施的许可制度。行业研究人员表示，从 2025 年 4 月起，该制度将涵盖英伟达 H20 和 AMD MI308 等产品。第二是阿里巴巴和百度能否证明自家芯片可以胜任大规模生产环境训练，而不仅仅是实验室测试。知名模型的基准测试、客户案例，以及基于国产加速器的云实例售罄速度，都将提供重要线索。还应关注芯片周边软件生态的成熟速度，包括热门框架和第三方工具的支持情况。此外，随着新项目陆续启动，也要留意其他中国平台，包括自研加速器或从国内供应商采购芯片的平台，如何在进口 GPU 和本土方案之间分配资金。
要点
- 阿里巴巴和百度已开始使用自研芯片训练人工智能模型，同时保留英伟达系统处理要求最高的工作。
- 阿里巴巴最新的加速器用于规模较小的训练任务，员工称其在部分任务中可与英伟达 H20 媲美。
- 百度正用昆仑 P800 测试新版本文心模型，并发挥其对飞桨框架的掌控优势。
- 美国出口管制限制了中国获取英伟达顶级产品的渠道；行业研究显示，2025 年向中国出口 H20 将需要新的许可证。
- 英伟达表示，随着竞争加剧，公司将继续努力赢得开发者信任。
- 国产加速器已足以承担越来越多的工作负载，但英伟达在前沿规模的训练中仍占优势。
- 软件生态是关键因素，阿里巴巴和百度正在针对自家硬件调整工具链。
- 投资者对此反应积极，认为供应风险有所降低，人工智能发展路线也将获得更多自主权。
- 制造和内存供应仍是限制因素，但精巧设计和云平台整合可以弥补部分不足。
- 预计中国云平台将采用混合集群，由任务调度器在国产芯片和进口 GPU 之间分配工作。
