中国人工智能芯片挑战英伟达的步伐加快

为何中国的人工智能芯片竞赛正值当下

中国正加速减少对人工智能进口处理器的依赖。该国不断加大对研究实验室、晶圆厂和云基础设施的投资，以便未来在大型语言模型、机器人和自动化领域取得的突破都能运行在国产芯片上。战略目标十分明确：实现高端芯片的大规模生产，构建能够充分发挥芯片性能的软件，并确保关键计算能力掌握在本国手中。

2024年，初创公司DeepSeek推出一款可与西方领先系统媲美的对话式人工智能，给这一雄心带来新的推动力。该公司表示，其训练模型所用的高端加速器远少于同行，这表明更智能的软件和更高效的训练方案能够在一定程度上弥补硬件限制。这款产品的发布一度令英伟达市值下跌，也让外界注意到中国开发者的推进速度有多快。此后数月，中国各地的科技巨头和芯片设计企业纷纷宣布计划，力争在国内数据中心市场挑战英伟达。

英伟达首席执行官黄仁勋称赞中国拥有大量工程人才，国内竞争也十分激烈。他在9月一档科技与商业播客节目中赞扬了中国的发展势头，并向自己所在的一方发出挑战。

这是一个充满活力、具有创业精神的高科技现代产业，”他说，“我们必须为生存而竞争。

中国企业如何计划参与竞争

多家中国企业正在打造英伟达加速器及全栈系统的替代产品。华为推出了新款昇腾处理器，并制定了未来三年支持开发者的计划。阿里巴巴表示，其最新加速器的性能可媲美英伟达H20——这是一款根据美国规定为中国市场定制的芯片——同时能耗更低。摩尔线程、寒武纪等初创企业正赢得大型企业的订单。腾讯、百度等大型平台也在为自家云服务设计定制芯片。它们向国内客户传递的信息一以贯之：如果出口政策限制美国硬件的获取，中国本土产品就会填补缺口。

华为的系统级战略

华为正借助系统架构缩小与英伟达的差距。在上海举行的世界人工智能大会上，该公司展示了CloudMatrix 384，这是一套人工智能计算系统，单次部署可集成384颗昇腾910C处理器。英伟达的竞品GB200 NVL72采用72颗B200芯片，但华为采取了不同路线。CloudMatrix采用超节点式互连网络，让数百颗处理器能够作为一个计算资源池协同工作，芯片之间通过高速链路连接。华为希望通过横向扩展和更紧密的系统协同，弥补单颗芯片性能较弱的不足。

行业分析人士表示，这种方式在特定工作负载上可以取得有竞争力的结果。有报告称，尽管华为必须依赖较旧的制造工艺，CloudMatrix在部分指标上仍胜过英伟达GB200 NVL72。该系统已在华为云上投入使用，为中国客户提供了在本土训练和运行模型的替代方案。这种架构选择也契合中国的政策目标，即通过在系统层面寻找性能提升，在出口限制下建设自主能力。

阿里巴巴及不断壮大的挑战者阵营

阿里巴巴宣布推出一款新的人工智能加速器，官媒称其性能与H20相当，而功耗更低。摩尔线程正向中国联通供应芯片。随着投资者押注国内加速器需求增长，寒武纪近期估值已翻倍有余。腾讯则在为其云服务和人工智能服务开发自研芯片。这些项目建立在中国企业更广泛的转变之上：当性能、供应和成本条件合适时，企业正把工作负载迁移到国产硬件上。

开发者已经开始适应这一变化。科大讯飞人工智能翻译业务总经理陈晨介绍了她的团队如何通过改用国产处理器，应对近期美国硬件限制。

“现在我们的模型是在华为芯片上训练的，目前这是中国最好的芯片，”她说。

出口管制和打击行动带来的变化

出口规定重塑了市场。自2022年以来，华盛顿不断收紧对华销售先进人工智能芯片的限制。最新举措封堵了英伟达H20的销售渠道。这款处理器原本是为满足此前的出口门槛而设计的。美国议员已推动相关措施，要求美国芯片制造商优先服务国内客户，而非海外买家；与此同时，企业警告称，僵化的规定可能拖慢创新并转移市场需求。近期一项政策还将要求把部分在中国销售特定人工智能芯片所得收入上缴美国政府。管制收紧意味着美国供应商在中国这个全球芯片采购量最大的市场中，可触达的市场规模将会缩小。

北京则通过边境执法和国内施压作出回应。有关部门已要求大型科技企业暂停订购英伟达加速器，并加强港口检查，以截获未经许可或申报不实的货物，其中包括H20和RTX 6000D等面向中国市场的型号。官员正在调查走私网络，这些网络曾通过间接渠道将高端处理器运入国内数据中心。另一方面，监管机构已对英伟达启动反垄断调查，表明对其在华经营行为的审查正在加深。这些举措旨在推动买家转向本土供应商，并收紧灰色市场的流通渠道。

长期从事半导体咨询的Handel Jones警告称，对于依赖中国需求的美国企业来说，这些措施合在一起可能产生深远影响。

“对美国半导体产业来说，中国市场已经不复存在了，”他说。

性能差距仍存于何处：基准测试与软件

对性能相当的说法应当谨慎看待。中国加速器的公开数据有限，标准化测试也不多。性能取决于任务、模型规模、互连带宽、内存架构，以及芯片与应用之间的软件栈质量。曾同时使用两种技术生态系统的研究人员表示，中国芯片在预测类任务上已经缩小差距，例如模型续写句子或对图像进行分类，但在复杂分析和大规模训练方面仍然落后。

曾测试美国和中国加速器的计算机科学家Jawad Haj Yahya提醒，性能是否相当取决于工作负载。

“差距很明显，而且确实在缩小。但我认为，他们短期内还追不上来，”他说。

这一差异之所以重要，是因为训练是现代人工智能中最繁重的环节。训练需要庞大的计算资源预算、处理器之间极快的连接，以及能够以高带宽向处理器持续供数、避免瓶颈的内存。分析显示，华为910B在推理方面表现扎实，也就是让训练完成的模型回答查询，但其芯片间互连和内存速度存在局限，因此不太适合大规模训练。即使英伟达受到限制的H20，在中国用户能够买到时仍是许多人的首选。国内开发者表示，训练可能需要数周。DeepSeek备受关注的一次训练，据称最后阶段耗时三到八周；即便采用高效代码，这仍是一项成本高昂的工作。

软件是另一道障碍。英伟达花了多年时间打造一套开发者信赖、能够大规模使用的工具、库和网络软件。这套软件栈使工作负载更适配英伟达硬件，也缩短了从原型开发到投入生产的路径。华为正通过自有框架应对这一挑战，并承诺向国内开发者开放更多设计和代码。采用率正在上升，但团队再培训、代码重写和模型重新验证都需要时间，因此从根深蒂固的平台迁移会较为缓慢。

半导体工程师Raghavendra Anjanappa认为，中国可以用本土芯片满足许多需求，但最难的问题仍更适合由美国硬件处理。

“现实地说，中国可以通过国产芯片减少对美国芯片的依赖，用于不那么先进的工具，但在训练更复杂的人工智能系统方面，中国芯片还不具备美国芯片的原始性能，”他说。

制约中国发展的制造瓶颈

另一组限制来自工厂。美国和荷兰的管制限制了用于制造最小晶体管的先进光刻设备的获取。这迫使中国晶圆厂反复使用旧设备进行图形化，以充分挖掘其性能，过程更慢、成本更高，而且每片晶圆能产出的合格裸片更少。跟踪芯片制造的分析人士表示，中国大型人工智能处理器的良率有所提高，但仍远低于全球领先企业的水平。今年的报告称，华为一款新芯片的良率从约20%升至40%；而海外领先晶圆厂生产类似尺寸的器件时，良率可接近60%。良率较低会推高成本，并限制能够进入市场的可用加速器数量。

封装和内存同样棘手。人工智能加速器依赖高带宽内存，才能持续为数千个核心提供数据。芯片必须通过先进技术进行封装，以堆叠并连接组件，同时散出热量。中国团队能够制造这些部件，但高端内存供应短缺、工具获取受限，制约了产量。功能性问题也依然存在。此前的报告指出，部分国产芯片在芯片间互连和内存速度方面存在不足，阻碍了大规模训练效率的提升。

这些障碍都并非无法克服，但需要时间、资金以及专业设备的稳定供应。曾任人工智能工程师、如今经营一家投资公司的Stephen Wu，概括了北京长期推进这一战略背后的逻辑。

“中国想要的是不受政策影响、不会被拿走的芯片，”他说。

对数据中心和市场意味着什么

每家数据中心运营商都会权衡三项优先因素：性能、能耗和供应保障。如果国产加速器能以较低的能耗成本，为目标工作负载提供可接受的速度，中国买家就有了改用国产产品的理由。目前，这种情况在推理和较小规模模型训练方面最为明显，因为系统级设计可以弥补单颗芯片性能较弱的不足。对于突破规模极限的前沿模型训练，英伟达在芯片和软件两方面仍居领先地位。因此，中国境内的数据中心部署可能呈现分化：最复杂的项目只要政策允许，仍会尽可能寻求美国芯片。

政策形势给全球科技企业带来了新的抉择。美国规定收紧，加上北京加强海关执法，进入中国的合法供应渠道正在减少。有关翻新或改装加速器灰色市场的指控，促使港口加强检查。进口受阻会拖慢数据中心扩建进度，并推动更多工作负载转向本土供应商。与此同时，美国立法者希望确保美国客户购买稀缺零部件时不会排在中国买家之后，而对中国销售收入设置的新条件也增加了企业在华经营成本。

英伟达正努力把握微妙的平衡。该公司试图在遵守规定的同时，以合规产品服务中国客户。今年在与中国商界人士会面时，黄仁勋强调了这一做法。

“我们将继续投入大量努力，优化符合监管规定的产品，并继续服务中国市场，”他说。

时间表与前景

中国还要多久才能缩小人工智能计算高端领域的差距？分析人士给出的时间表各不相同，但一种普遍看法正在形成。许多人认为，中国企业大约五年内就能在中端和推理任务上实现广泛自给自足，但要达到美国最佳训练平台的水平，所需时间可能远不止于此。有人预计，要在处理器、高带宽内存、先进封装、网络和软件等方面全面追平，可能需要等到下一个十年。

产业发展势头确实强劲。华为正在提高产量，阿里巴巴持续投资，从摩尔线程到寒武纪，越来越多的芯片设计企业正赢得客户。政府支持力度依然强劲，国内人工智能服务需求也在激增。即便如此，工具、良率和开发者生态方面的瓶颈，仍会限制中国在市场顶端追赶性能的速度。短期内更可能出现的局面是，中国生态系统日趋成熟，能够满足该国很大一部分人工智能需求；只要政策允许获取外国硬件，最大规模的训练项目仍会持续依赖国外产品。

中国由国家主导的发展模式既是优势，也是一种制约。集中统筹能将资源聚焦于明确目标，但也可能压制带来突破的高风险创意。研究芯片设计的计算机学教授Chia Lin Yang提醒，目标过于统一可能不利于创造力，同时也指出中国拥有深厚的人才储备。

这可能会让颠覆性创意更难打破常规，”她说，“你不能低估中国追赶的能力。

要点

• 中国正大力投资，推动高端人工智能芯片规模化生产，减少对进口的依赖。
• DeepSeek在2024年的模型训练展现了效率提升，而这种提升依靠的是更智能的软件，不只是增加芯片数量。
• 华为CloudMatrix 384采用数百颗昇腾910C处理器和高速互连网络，在系统层面展开竞争。
• 阿里巴巴、摩尔线程、寒武纪、腾讯和百度正为本地数据中心推进国产加速器和定制设计。
• 美国限制现已禁止英伟达H20对华出口，并可能要求美国芯片制造商优先服务国内客户，同时上缴部分对华销售收入。
• 中国加强了港口执法，阻止企业新增英伟达订单，并对该公司启动反垄断调查。
• 专家表示，中国芯片在推理方面具有竞争力，但在大模型训练和复杂分析方面仍然落后。
• 制造瓶颈包括良率较低、先进光刻工具受限，以及高带宽内存和封装方面的供应瓶颈。
• 软件仍是英伟达的一项关键优势，而华为正开放设计和工具，以扩大开发者采用率。
• 许多分析人士预计，中国将在约五年内实现中端工作负载的自给自足；要在高端领域达到同等水平则可能需要更长时间。