朋友们大家好!今天小界来和大家聊聊美国算力围堵中国AI的话题!11月16日,美国商务部工业与安全局抛出一份临时最终规则,名字叫《管控对先进半导体的远程访问》。
过去几年,美方管的是芯片实物能不能卖到中国,这一次,禁令第一次越过了国境线,直接管到你能不能隔着屏幕调用海外数据中心里的算力。
我把这条新规拆开看,它真正的杀伤力不在纸面,而在它改变了游戏的定义,先把这件事讲清楚。
以前马来西亚、新加坡、泰国这些东南亚国家的数据中心里摆着英伟达的加速卡,只要卡不落地到中国境内,按旧规就不算违规。
新规换了个思路,它不再追问卡在哪里,而是追问谁在用、用了多少。规则设了一道聚合算力门槛,1200万总处理性能,大致相当于750张H100或H200级别的芯片,而且允许把关联数据中心的算力合并计算。
只要供给方明知这些算力是远程提供给总部位于中国的企业,超过门槛就需要申请许可。新马泰、印尼、巴西这几个此前被认为存在较高绕行风险的国家,被单独点名。
这道门槛压得很低。按目前的公开解读,想靠远程租用海外集群训练大型基座模型,基本没有操作空间,大规模推理端的调用同样会被纳入审查。
要理解这个打击落在哪,得先分清算力的两个用途。训练,是让模型不断迭代、把知识喂进去变聪明的过程,对卡的并行计算能力要求极高。
推理,是模型练熟之后拿去回答问题、解决问题的过程,大众日常使用各类对话产品,调用的就是推理端算力。
训练吃的是集群的峰值并行能力,推理吃的是稳定的单位成本,两者对硬件的要求完全不是一个量级。
今年中美之间大模型的差距在快速收窄,这是行业里很多人的共同感受。美国头部模型公司过去一年多次向本国政府游说,要求加大对中国AI发展的限制。
这份新规的目的,我看得很直白,就是在差距还没完全抹平之前,先把对手的迭代速度按住,给自家产业留出追赶和领跑的时间。
长期占据竞争优势,才能在整条产业链制定规则时掌握话语权,压制竞争对手从来是美国科技发展过程中的惯用套路,走到这一步并不意外。
真正被这波冲击顶在最前面的,是中国的独立模型公司。
对这些企业来说,获取算力的成本明显上升,海外租卡这条路被收窄之后,一旦拿不到足够的训练算力,模型版本的迭代节奏就会直接受限。
但反过来问一句,这一刀真的能把中国AI卡住吗,我的判断是,它会显著抬高难度,却未必能掐断发展。放到长周期看,祸福相依,谁笑到最后还不好说。
训练端先疼,推理端有缓冲
要评估冲击,先得算清楚训练和推理两条线分别受多大影响。
训练场景对单卡并行性能和集群互联要求最高,目前国产卡在单卡峰值性能上和海外旗舰卡仍有可见差距,供应量也有限,因此不少大模型在训练阶段倾向使用海外卡,推理阶段再切换国产卡。
这不是什么固定配方,也有中国模型从训练到推理全程跑在国产卡上,但那是少数先锋案例,不是行业普遍状态。
新规把远程训练这条路堵上,受伤最重的就是训练端。一个基座模型从预训练到后续迭代,需要成千上万张卡连续跑几个月,这种规模的算力需求,靠零散采购和短期租赁根本填不满。
海外远程通道一旦收紧,独立模型公司要么接受更高的采购成本,要么压缩训练规模,要么把更多任务迁回国产集群。三条路都要付代价,没有一条是轻松的。
这里还有一层容易被忽略的现实。训练不止是买卡,还包括集群调度、通信带宽、故障容错和长期电力供给,整套工程体系都依赖稳定的算力来源。
海外通道在的时候,企业可以把高峰任务临时外包出去,通道收紧之后,这种弹性没了,所有压力都压在自有和国产资源上。
对资金实力偏弱的独立团队,这种压力比大厂更直接,毕竟大厂还有自有芯片和长期协议托底。
推理端的处境相对缓和。推理对单卡极限性能的要求低于训练,更看重单位成本和稳定性,国产卡在推理场景的适配已经走得比较远。
用户日常调用对话产品,感知到的是回答速度和质量,背后用的是哪一代卡,普通用户并不直接关心。
用集群补单卡,代价是四倍的卡量
单卡性能有差距,国内摸索出来的路径是用集群补,也就是超节点方案。它的思路是不追求一张卡打平对手,而是把成百上千张卡用高速互联绑成一个整体,用系统级架构去弥补单卡的短板。
这里有一组被广泛引用的市场交流口径,需要先说明来源。
据行业交流纪要披露的说法,华为昇腾950超节点在任务执行层面基本可以平替英伟达GB200NVL72,后者能完成的任务前者都能做,时延表现接近,代价是四张华为卡的算力约等于一张英伟达卡。
这个数字来自市场交流而非官方发布,不同测算口径会有出入,但它揭示的方向是确定的,国产方案靠堆规模、堆互联来换任务完成度,成本结构和海外方案不在同一条线上。
如果按这个口径推算,用昇腾卡做训练,用卡量大约是英伟达方案的四倍,电费、机房、运维同步上涨,单卡成本优势会被规模摊薄。
国产算力卡的核心矛盾不是技术做不做得出来,而是产能跟不上需求,而产能不足的根子,又能一路追溯到外围的层层围堵,从芯片到设备再到材料,每一环都在紧缺。
HBM和先进制程,时间只能等
第一个卡点是高带宽存储芯片HBM。它是加速卡的显存命脉,决定了一次能喂给模型多少数据,模型参数越大,对显存容量和带宽的要求越苛刻。
目前国产HBM替代率很低,按公开报道,长鑫存储的HBM3在2026年底前后进入小批量试产阶段,良率与海外龙头仍有明显差距,在此之前主要依赖从韩国进口。
而从2024年底到2025年初,美方已经开始推动限制韩国向中国出口这类产品,许可审批通过的可能性很低。
存储这条线,是国产算力链条上短期最难补的一环,它不像逻辑芯片那样可以靠架构创新绕开,带宽和容量是实打实的物理指标。
第二个卡点是先进制程产能,也就是常说的7纳米及以下工艺,从制造到封装都紧缺。往上追溯,半导体设备是明确的瓶颈。
最先进的EUV光刻机全球只有一家厂商能造,受管制拿不到,国内只能用DUV设备走多重曝光路线。
把一张本该一次画完的图拆成好几笔反复对准,工序越多,出错概率越高,良率和产能都被重复任务占满。
除此之外,全球都在扩产周期里,即便不是最尖端的设备,获取周期也被拉长,时间上只能等。美方正是看准了这两处软肋,才下决心把封锁从实物延伸到远程。
堵死一条路,逼出一个生态
任何事情都有两面,封锁不会只对一方不利。美国限制的同时,也在加速自家硬件产品从中国市场出清。
国内大模型早期训练大量使用英伟达卡,这套用惯了的工具链一旦形成,迁移到国产算力的成本极高,需要大量工程师、很长周期和大量精力去重做适配。
只要还能买到、还能租到,企业天然没有折腾的动力,这是行业的真实心态,现在这条路被彻底堵死,等于让行业彻底断了念想。
换个角度看,这反而会推动整个生态形成合力,以超常规速度构建国产算力生态。迁移的痛苦是真实的。
但当退路消失,所有人的投入都会集中到同一个方向,软件栈、算子库、开发工具、模型适配会在压力下快速成熟。这个构建过程注定艰难,但一旦建成,长期红利非常可观。
站在更长的时间尺度看,美方短期达成了封锁目标,长期却让渡出一个巨大市场。
全球有能力搞前沿人工智能的经济体只有两个,美国和中国,中国这个体量庞大的市场它进不去,又如何去构建一套能影响全球的标准体系。
技术标准的话语权,从来离不开最大规模的应用场景背书,失去中国市场,等于失去了一半的落地土壤。
当然也有一种声音认为,这份禁令根本难以落地,因为它需要大量第三方国家配合,跨境执法的成本很高,执行中必然出现各种缝隙。
我不否认这种判断有道理,但无论禁令最终落地几成,它都不会成为中美AI竞争的分水岭。
人工智能竞争刚刚开始,真正的分水岭,要看未来一到两年,自主可控的生态能不能彻底跑通,也就是国产卡、HBM、先进制程、软件栈这条链能不能形成闭环,而不是看某一份规则写得多严。
复盘这类事,历史给过类似的注脚。当年面对资源封锁,靠的不是硬扛单项指标,而是把整条供应链的替代关系一个一个补上,用时间换空间。
我们不需要夸大封锁的威力,也不该轻视眼前的难处,单卡差距、产能瓶颈、存储短板都摆在台面上,承认这些,才谈得上怎么补。
真正决定结局的,不是对方划了多少条红线,而是我们自己这条自主可控的链,能不能在一到两年内跑通、跑稳、跑出规模。