中美AI对弈之下的算力难题

当整个AI大模型世界都在沿着Scaling Law一路狂奔时，中国玩家却不得不面对一个现实问题：高端芯片供应被卡了脖子。

以达里奥为首的一群“OpenAI 叛将”，已经把Anthropic推到了万亿美元估值俱乐部里。这个阵营里的Opus 4.6，长期扮演着大模型性能的度量衡角色。

更夸张的是它的后续型号——Mythos。这玩意儿强到什么程度？由于“性能太过骇人”，干脆没有被公开发布。它的参数规模直接干到了10万亿，训练数据量是300万亿‌token，单次训练成本估算就要100亿美元。美国政府的反应也很直接：以“国家安全”为由，暂停了所有外国公民对这款模型的访问。

黄仁勋、马斯克这些国际大佬，嘴上对中国AI各种夸赞，但高端算力尤其是AI训练芯片的匮乏，就像一道深深的沟壑，始终横亘在中美AI竞赛的赛道上。

美国科技巨头们打得是一场“富裕仗”：巨额的资本开支、海量的顶级GPU集群、充沛的人均token量。光是Meta一家公司手里的GPU算力，就超过了中国所有AI企业的总和。美国科技巨头的AI投入，更是天文数字级别的。

在算力需求指数级飙升、存储芯片等硬件成本持续高涨的压力下，DeepSeek等国内大模型只能通过模型蒸馏来压缩成本。这种做法也引发了中美之间新一轮的博弈。

高端AI芯片进口受阻，市场需求却井喷式爆发。如何在不依赖进口、同时本土替代尚未成熟的情况下，找到一条可行的出路？这已经是整个中国AI产业绕不过去的必答题。

算力掣肘

去年底以来，摩尔线程、沐曦股份、壁仞科技、天数智芯这些国产GPU厂商，在资本市场掀起了一波热浪。不过，二级市场的财富盛宴背后，有一条暗线越来越清晰，它引发的问题也越发迫切。

过去几年，国产AI芯片的阵地主要集中在相对安全但也很边缘的“推理侧”。比如近期豆包计划豪购天数智芯5万块芯片，就是用于推理运算，以满足它作为中国最大AI APP终端的高频调用。

AI训练芯片，是用来教模型“学会知识”的。这个过程涉及海量的矩阵运算和参数调整，需要强大的计算能力和能效比。性能强，价格自然也高，英伟达的A100、H100、H200，以及AMD的MI300系列，都属于这类。

相比之下，推理芯片的任务要轻松很多。它主要负责模型训练完成后的部署阶段，执行模型的推理任务。这个环节对实时性要求高，需要在保证准确率的同时，做到快速响应和低功耗。

学习阶段，训练芯片要调用海量数据来“喂养”动辄十亿、万亿甚至十万亿级别的参数动态更新。它不仅要有强悍的算力，还得配上高效的带宽和通信能力，更要保障万卡级集群下的稳定性。

在大模型遵循Scaling Law的规律下，模型参数越大，算力需求就线性增长。而算力和硬件成本呈指数级膨胀，使得训练大模型成了少数科技巨头的“专属游戏”。

美国科技巨头里，光是Meta一家，就计划到2026年底部署超过120万张高端GPU，年投入超过1450亿美元。另据测算，谷歌拥有的AI总算力相当于500万块英伟达H100，一家企业就占了全球总量的四分之一。

Amazon、Microsoft、Alphabet、Meta，这四家公司今年的资本开支高达7250亿美元，同比猛增77%。这个规模，相当于美国全年私人国内总投资的13%。大摩更是预测，到2027年，美国科技企业的资本开支有望达到1.1万亿美元的历史纪录。

目前美国掌控着全球七成以上的高端GPU。芯片禁令之后，国内可用的高端芯片只有美国的八分之一。斯坦福AI Index Report 2026报告指出，美国的数据中心数量（5427个）是中国的10倍有余。

根据中国信息通信研究院的测算，截至2025年初，美国算力规模为2400 EFLOPS，中国是1053 EFLOPS，美国是中国的两倍多。

这种碾压式的算力优势，让美国企业一年内就能完成十几轮大模型迭代实验。

马斯克的玩法就更奢侈了。他旗下的xAI拥有号称全球“首个GW级AI集群”的Colossus 2。因此他有底气宣称，正在同时训练7个模型——两个1万亿、两个1.5万亿、一个6万亿和一个10万亿参数模型。这种“暴力美学”，只有在算力极度充裕的情况下才能实现。

与此同时，美国在芯片出口上持续收紧。根据epoch.AI的统计，近年来出货的高端AI芯片中，中国企业获得的比例一直在下滑。

可以毫不夸张地说，算力基座的巨大差距，将导致中国AI长期处于追赶状态，也会让国产大模型追赶美国同行的过程变得更加艰难。

代际之差

“中国创新的步伐不可阻挡”，“谁要是觉得中国做不出来（芯片），那就真的看走眼了。中美之间的差距只是纳秒级别”。

英伟达创始人黄仁勋不止一次在公开场合称赞中国半导体的进步。

马斯克也经常在X上表达类似观点——“中国一定会解决芯片卡脖子问题，人工智能算力领域，必将远超全球其他国家”，“中国会赢下地球上的AI竞赛”。

这些科技界大佬的溢美之词，听起来很提气，但很容易让人信以为真。这些言论，明显有“捧杀”的嫌疑。部分美国媒体也在不断宣扬“中美模型差距极小”的舆论，试图混淆事实、掩盖一些客观真相。

对此，国内AI相关领域都需要保持清醒和冷静。

如果说中国先进大模型在解决标准化问题时，和美国竞品的差别不大，那么一旦进入复杂的工业和企业环境，差距就会变得非常明显。

和美国Anthropic这类公司的前沿模型相比，中国仍然只能算是追赶者。美国CAISI评估认为，国内最强的DeepSeek V4 Pro落后美国前沿大约8个月。

李开复近期在接受《华尔街日报》采访时也指出，以Anthropic推出的Claude Fable 5等美国顶尖模型为标杆，

大模型遵循Scaling Law，模型参数量越大、训练数据越多、投入的算力越大，性能就越好。如今，美国最前沿的大模型已经进入十万亿参数时代，迭代速度还在加快。

Anthropic最强的Mythos已经达到10万亿参数，训练它就要耗费100亿美元；xAI的Colossus 2正在同时训练7个模型，其中包括6万亿和10万亿参数模型；OpenAI迭代一轮4万亿参数模型的周期，只需要一个月。

Anthropic旗下的Claude系列，已经被公认为近两年最强的AI编程大模型。Mythos则又一次刷新了认知，它的性能比此前的旗舰Oups 4.6还要强。

更令人震惊的是，OpenBSD在业界一直有着“最安全系统”的美誉，结果Mythos找到了一个27年间都没被发现的漏洞。它还从FFmpeg、Linux内核中，挖出了几年甚至十几年都没被发现的漏洞，全程自主发现，没有依赖任何人类。

要知道，大模型的“预训练”决定了模型能力的上限。你不可能通过“后训练”，把一个万亿参数级别的模型，调到和10万亿参数模型一样的能力水平。而预训练的决定因子，就是高端算力芯片——它直接决定了参数规模和训练迭代速度。

科大讯飞董事长刘庆峰就坦言，目前各家顶尖大模型厂商，尤其是美国巨头，都在建超大规模算力平台。而国产算力目前确实面临阵痛期，导致在训练超长文本上下文时遇到了限制。

可见，

国产崛起

一家企业垄断全球高端AI训练芯片90%的市场份额——这个事实，正是英伟达能一直稳坐全球第一大市值公司宝座的原因。它的总市值，一度超过了全球第三大经济体德国2025年的GDP。

集邦咨询的数据显示，2026年第一季度，全球GPU服务器市场，英伟达一家吃掉68%，AMD占5%-6%，而所有国产GPU厂商加起来，不足4%。

凭借先发优势、超强的技术壁垒、高速互联能力、软件生态，以及绑定台积电先进制程，英伟达几乎是独霸天下。在高端训练场景下，英伟达的GB300性能强于AMD的MI325，也好于寒武纪思元690、摩尔线程MTT40。尤其是在万亿参数大模型训练中，性能比竞品强出30%以上。

出口禁令之下，黄仁勋此前已经表示，英伟达在中国市场的新增份额已基本归零，只剩存量市场。在国产替代政策的支持下，包括华&为昇腾910、海光DCU深算2号、寒武纪思元370/590，以及摩尔线程、沐曦等企业，纷纷涌现。

其中，昇腾910是华&为最强的算力芯片，昇腾910B的算力达到640TOPS（INT8），可以媲美英伟达的A100芯片。

在绝对性能层面，国产GPU虽然有差距，但可以先从推理和边缘场景入手。目前国产GPU基本能满足国内政企的通用推理需求，和英伟达中端产品的差距已经缩小到15%-20%，具备替代的可行性。

需要特别强调的是，算力性能固然重要，但背后的软件生态才是国产GPU的真正软肋。就像CUDA生态是英伟达GPU帝国的基础一样，中国工程院院士郑纬民就指出，

可以说，软件生态是GPU赛道最硬核的壁垒。在这方面，英伟达的能力同样难以替代。

CUDA生态经过十余年的深耕，已经拥有超过400万开发者、数十万个开源模型、全品类的第三方工具链，覆盖AI训练、推理、图形渲染、科学计算。这个生态壁垒，强悍得几乎无解。

IDC数据显示，目前全球95%以上的AI模型都是基于CUDA生态开发的。而国产GPU，在政策支持之外，还需要和产业链长期协同，也需要媒体舆论和资本市场给予足够的耐心。

今年1月，智谱联合华&为开源了新一代图像生成模型GLM-Image。这个模型基于华&为昇腾Atlas 800T A2设备和昇思MindSpore AI框架，完成了从数据处理到模型训练的全流程闭环，是首个依托国产芯片实现全程训练的SOTA多模态模型。

摩尔线程也和北京智源人工智能研究院一起，基于MTT S5000智算集群与FlagOS-Robo框架，完成了智源自研的具身大脑模型RoboBrain 2.5的全流程训练。这个成果第一次验证了，国产算力集群在具身智能大模型训练中的可用性。

可以看出，国产GPU在适配性和生态构建方面已经有了突破，正从推理侧的“单点突破”，迈向训练侧的“逐步适配”。这本身就是一种长足的进步。

总结

需求的真实性毋庸置疑。虽然“泡沫论”依然存在，但声音并没有越来越大。全球市场对AI建设的热情，已经超越了此前任何一个产业早期的发展历程。

今年以来，全球资本市场再度掀起超级AI周期。三星、SK海力士、博通、台积电的股价屡创新高。国内市场上，以寒武纪为代表的硬科技股也是涨势凶猛，光模块巨头中际旭创的市值一度超过了茅台。

回顾韩国半导体的发展史——韩国以举国之力支持存储芯片产业，熬过至暗时刻，最终击败日本，成为世界存储产业的绝对王者。

无论存储芯片、手机芯片，还是当下的AI芯片，中国都还处于追赶阶段。这绝非一朝一夕之功。

在这场关乎国运的AI对弈中，中美两国既是对手，同时也各自拥有对方所需的技术、市场和资源。