众力资讯网

卡完芯片还不够,连算力都要卡!美国新规落地,中国AI只剩一条路

在阅读此文前,为了方便您进行讨论和分享,麻烦您点击一下“关注”,可以给您带来不一样的参与感,感谢您的支持。

本文章内容均有可靠的信息来源,相关信源加在文章结尾

2026年11月16日,美国商务部工业与安全局推出针对先进AI芯片远程访问的新规,11月19日规则刊登并生效。

这一次,美国不再只盯着芯片能不能出口,还把目光伸向了第三国数据中心,即便先进芯片没有运进中国,只要境外数据中心向中国相关企业提供达到规定门槛的计算能力,也可能需要获得美国许可。

这件事真正值得警惕的地方在于,美国正在把技术限制从硬件供应延伸到算力使用权。对中国大模型企业来说,海外算力获取的难度和不确定性可能进一步增加。

但换个角度看,这也把一个问题推到了台前,中国AI不能永远把希望寄托在海外芯片上。国产算力究竟发展到了哪一步?为什么有芯片、有超节点,却还不能完全替代?真正的突破口,恐怕不只在一张芯片上。

美国这次封锁不一样

过去,美国限制中国AI发展,主要抓住的是先进芯片出口。逻辑并不复杂,不让先进芯片进入中国,就尽可能压缩中国企业训练大模型的计算资源。

但云计算的发展改变了这种限制方式,假设一家中国AI企业不直接购买英伟达的先进GPU,而是在新加坡、马来西亚或者其他国家租用数据中心的算力。

芯片留在当地,服务器也在当地,企业通过网络远程调用计算资源。对于模型研发者来说,只要能稳定获得算力,芯片究竟放在哪个国家,并不一定影响模型训练。

美国显然不愿意继续留下这个空间,11月16日,美国商务部工业与安全局发布临时最终规则,明确提出要防止受限制国家通过第三国数据中心的远程计算安排,绕开现有先进计算技术管制。

这次规则最值得注意的是12,000,000的聚合总处理性能门槛,也就是12百万TPP。它不是简单计算一台服务器有多少张显卡,而是将单个数据中心,甚至通过网络连接、能够共享计算资源的多个数据中心纳入计算。

按照行业法律机构的近似换算,相关门槛大致相当于750张H100级别的GPU,或者约330张B200级别的GPU,具体数量会随芯片型号和计算口径变化。

更重要的是,规则并非只针对训练。美国监管文本关注的是达到规定规模的先进算力能否被用于训练或运行先进模型,这意味着符合条件的大规模推理业务也可能受到影响。

与此同时,美国还把部分先进芯片发往新加坡、马来西亚、泰国、印度尼西亚和巴西纳入新的许可要求。已经向相关中国企业提供大规模算力的境外数据中心,也面临在规则生效后90天内申请许可的要求。

在我看来,这次政策升级最值得警惕的不是多了几个出口限制国家,而是美国开始试图控制先进算力从哪里来、由谁提供、最终被谁使用。这是一种管制思路的延伸,过去盯着芯片的物理流向,现在进一步盯着芯片产生的计算能力。

对中国AI企业来说,过去还能通过境外云服务获得部分先进算力,今后这条路的不确定性明显增加。尤其是没有大型自有算力集群的独立模型公司,受到的冲击可能更直接。

美国的算盘并不难理解,AI竞争已经不只是比谁先发布一个模型,而是比谁能持续获得算力、持续训练模型、持续降低推理成本。谁能长期控制关键计算资源,谁就更有机会在未来的产业链和技术标准竞争中掌握主动权。

国产算力已经能上场

美国提高海外算力获取门槛,并不意味着中国AI就失去了发展空间。真正需要关注的是,中国国产算力已经走到了哪一步。

2026年4月24日,DeepSeek发布V4预览版本。华为宣布,基于昇腾950芯片的超节点能够支持V4系列模型。这件事的意义,不只是国产芯片又适配了一款大模型。过去,一些模型研发企业已经形成了对海外GPU和相关软件生态的使用习惯。

芯片、编译器、算子库、通信工具都围绕原有平台建立起来了。要换一套硬件,不是把显卡拔下来、换上国产卡就能解决问题。模型代码要调整,底层算子要适配,集群通信要重新优化,开发人员也要熟悉新的工具链。整个迁移过程需要时间、资金和工程经验。

但DeepSeek与华为的合作说明,国产芯片和国产模型已经开始形成更深层次的协同。国产算力不再只是提供一块硬件,而是在向模型训练、软件适配和系统优化延伸。

另一个值得关注的信号来自华为,2026年9月17日,华为轮值董事长徐直军公开表示,公司AI计算设备的产能还无法满足国内市场需求,暂时没有大规模拓展海外市场的计划。他还透露,昇腾950DT测试表现良好,预计更多国内模型企业将在2027年开始使用相关系统训练模型。

这说明国产算力已经出现了一个非常现实的变化,过去市场担心的是国产芯片能不能用,现在越来越需要面对的是国产芯片能不能稳定、大规模地供应。

我个人更倾向于认为,这比单纯比较某一款芯片的峰值性能更值得关注,因为大模型产业不是实验室里的单次测试,企业需要的是持续训练,需要的是成千上万张芯片组成的集群,需要的是出现故障之后能够及时维护,需要的是长期稳定的交付。

如果国产芯片性能达到要求,却没有足够的数量,企业照样无法完成大规模模型训练。因此,国产算力已经具备一定的替代基础,但从局部适配走向全面替代,中间还有一道供应能力的关口。

国产算力的短板

很多人谈到国产AI芯片,第一反应就是单卡性能和英伟达还有多大差距。这个问题当然重要,但如果只盯着单卡性能,就很容易忽略国产算力真正面临的困难,一块芯片能不能设计出来,和整个产业能不能持续、大规模地生产这种芯片,是两回事。

中国已经探索出一条重要的技术路径,就是通过超节点和集群协同,把大量国产芯片连接起来,用系统级能力弥补部分单卡性能差距。但这里有个现实问题,集群不是简单把芯片数量堆上去就能获得同等算力。

芯片之间需要高速互联,内存需要持续供给数据,软件需要协调任务分配,整个系统还必须控制功耗、散热和故障率。任何一个环节出现短板,都会影响最终的训练效率。

所以,国产算力真正需要突破的,是一整套系统能力。最先需要解决的,就是高带宽存储器HBM。HBM高带宽存储器,AI加速芯片的重要配套,为什么HBM这么重要?因为它可以把AI芯片理解成负责计算的大脑,把HBM理解成向大脑快速输送数据的通道。

计算能力再强,如果数据不能及时送到,芯片就可能出现等待,无法充分发挥性能。尤其是训练大型模型,需要反复处理海量数据,存储带宽和容量直接关系到整个系统的效率。

美国在2024年12月2日公布的新一轮半导体出口限制中,已经将部分先进HBM产品纳入管制范围。中国企业想获得高性能存储器,面临的外部供应约束进一步增加。

但国产存储也不是没有进展,2026年10月28日,路透社披露,中国长鑫存储正在推进HBM3E有限生产,已经向国内部分AI芯片设计企业送样。

第二个瓶颈,是先进制造和封装能力。AI芯片不是只靠设计图纸就能变成产品,从晶圆制造到先进封装,再到最终的服务器集成,每一个环节都需要成熟的工艺和设备支持。美国对先进半导体制造设备的出口限制,使中国企业在部分关键设备和技术环节面临更大压力。

特别是在先进制程方面,国产企业需要通过DUV多重曝光等工艺路线突破部分限制,但制造步骤增加,意味着成本、生产周期和工艺控制难度也会随之上升。

先进封装同样不能忽视,随着AI计算规模越来越大,单颗芯片已经很难满足所有需求,需要通过多芯片集成、高速互联和先进封装,把不同计算单元组合起来。如果芯片设计能力上去了,制造和封装能力却跟不上,最终能够交付的算力依然有限。

第三个瓶颈,是国产软件生态还需要进一步成熟,这恰恰是很多人容易忽略的地方,芯片能不能运行一个模型,与能不能高效率地训练一个大型模型,并不是同一回事。

模型框架、算子库、编译器、通信库以及开发工具,都需要围绕国产硬件进行适配。一个模型即便能够在国产芯片上运行,如果运行效率不高、集群通信不稳定、开发调试成本太高,企业仍然会面临实际困难。

这也是为什么DeepSeek与华为的合作具有重要意义,硬件厂商不能只负责制造芯片,模型企业也不能只负责开发算法。双方必须一起优化软件、硬件和集群架构,才能真正把国产算力的潜力发挥出来。

说白了,国产算力的突破不能只看芯片发布会上的参数,而要看它能不能稳定地承担真实的大模型训练任务。

HBM决定数据供给,先进制造决定芯片产能,封装和互联决定系统规模,软件生态决定最终效率。这些环节彼此关联,缺少任何一环,都可能拖慢国产替代的速度。因此,中国AI真正需要补齐的不是一个孤立的技术缺口,而是整条产业链的协同能力。

加快国产生态形成

看到这里,可能有人会问,美国这次把远程算力也纳入限制,中国是不是就只能被动承受?显然不是。美国的限制确实会增加中国AI企业的经营压力,但它无法替中国决定国产算力最终能发展到什么程度。

这里有一个值得琢磨的产业逻辑,如果海外先进GPU仍然能够稳定、方便地获得,很多企业其实没有太强的动力去承担迁移成本。

毕竟,原有的软件、模型和开发流程已经相当成熟,贸然换平台,既要投入资金,又可能影响研发进度。但当海外算力供应变得不确定,企业就不得不重新考虑长期选择,这会带来三个变化。

先看第一个,企业会更加重视国产算力的长期供应,对大模型公司来说,能够持续获得算力,比某个阶段临时获得一批高性能芯片更加重要。国产芯片即使暂时存在性能差距,只要供应稳定、软件持续优化,就有机会逐步进入企业核心训练体系。

还有,国产芯片厂商会获得更大的市场验证机会。过去一些企业不愿意迁移,现在却有更强的动力投入适配。更多真实业务进入国产平台,也能帮助芯片厂商发现问题、优化产品,形成硬件和软件共同进步的过程。

最后就是中国AI产业链,会形成更强的协同需求。芯片企业、存储企业、服务器厂商和模型研发公司,需要共同解决性能、成本和供应问题。过去各自推进的技术环节,必须更加紧密地结合起来。

中国拥有庞大的AI应用市场、制造业基础和模型研发力量。如果中国企业因为外部限制加快转向国产硬件,原本能够进入中国市场的美国技术和产品,就可能逐渐失去一部分长期市场机会。

结语

美国把芯片出口限制延伸到远程算力访问,说明中美AI竞争已经进入更深层次的较量。中国大模型短期内会面临算力成本和供应压力,但国产芯片已经开始参与真实模型训练,国产算力生态也在逐步形成。

接下来的关键,不是简单追赶某一款海外芯片,而是打通HBM、先进制造、封装、集群和软件生态。

美国想争取时间,中国更需要利用好时间。未来1—2年,谁能率先形成稳定、低成本、规模化的自主算力体系,谁才更有机会掌握AI竞争的主动权。

信源:突发!美国收紧远程算力

信源:美方正推动新法案阻止中国公司远程使用美国境外算力,外交部回应