Scmp报道，美国的出口管制，本来是要压制中国的人工智能雄心。但两年多过去，结果开始变得耐人寻味。

2023年以来，美国商务部针对中国的芯片出口限制一轮接一轮地收紧，从H100到A100，再到下调算力门槛，英伟达面向中国市场推出的每一款"阉割版"产品，都在不久后被新的禁令堵死。到2025年初，连H20这款专门为中国合规设计的低配版GPU，也难逃出口管制的封锁。

但中国AI产业的发展并未因此停摆，反而走出了一条不完全依赖英伟达的新路径。

GPU之外，ASIC正在崛起

这场芯片独立运动的核心，是一场关于芯片架构路线的辩论：是继续追求通用GPU，还是转向高度专用的ASIC（专用集成电路）？

通用GPU的优势显而易见，可以训练任意类型的模型，软件生态成熟，工程师容易上手。英伟达的CUDA生态经过二十年积累，是业界事实上的标准。这也是为什么华为的昇腾系列芯片，面临的最大挑战不只是芯片本身的性能，而是如何让开发者迁移出CUDA的舒适区。

ASIC的逻辑则截然不同。它不追求通用性，而是针对特定任务进行极度优化。如果一家公司的AI应用场景相对固定，比如大规模推理部署，而非频繁切换模型结构的实验性训练，ASIC往往能在同等功耗下提供远高于GPU的效率。

阿里巴巴、百度、字节跳动，这些中国科技巨头早已在自研芯片上重注押注。阿里巴巴的含光800系列，百度的昆仑芯，字节跳动据报道也在大力推进内部芯片研发。这些芯片的目标，并非复制英伟达，而是深度嵌入自家的AI推理流水线，用定制化换取效率，用效率换取成本优势。

DeepSeek效应，改写了这场竞赛的规则

2025年初，DeepSeek发布的R1模型在全球引发了一场关于AI效率的深刻反思。

这家杭州AI公司用远比主流认知低的算力成本，训练出了在关键测试中可与GPT-4系列媲美的模型，其核心在于算法层面的极致优化，而非硬件层面的算力堆砌。这对整个行业的示范意义是双重的：一方面，它证明在算法上的投入可以有效弥补硬件的差距；另一方面，它也意味着中国AI企业在被限制顶级算力的情况下，仍然有可能在模型能力上与美国对手保持相当的竞争力。

DeepSeek的模型开源策略进一步扩大了这一效应，全球开发者可以基于其架构进行二次开发，这实际上也在推动国产芯片生态获得更广泛的软件适配机会。

华为的昇腾910B和910C系列目前被认为是中国国内最接近英伟达H100性能水准的替代产品，但由于无法使用台积电的先进制程，采用中芯国际14纳米至7纳米工艺生产的芯片在能效比上仍存在一定差距。不过，多家中国大型AI云服务商已经开始将昇腾纳入主力算力池，部分原因是别无选择，另一部分原因则是昇腾的供货稳定性在国产替代这一政策优先级下得到了有效保障。

脱钩的代价与收益

对这场变化保持客观评估，需要同时看到两面。

短期内，出口管制确实给中国AI基础设施建设造成了实质性障碍。H100级别的算力缺口，意味着部分超大规模模型训练在成本和时间上付出了额外代价，这是客观事实，也是美国出口管制政策设计者希望达到的效果。

但从更长的时间维度看，这套政策同样在无意间加速推动了中国芯片产业的本土化进程。一个更完整的国产AI芯片生态，包括芯片设计、配套软件工具链、云端部署支持，正在以政策压力为催化剂加速成型。

业内人士普遍认为，当前中国国产AI芯片与英伟达顶级产品之间的性能差距大约在两代左右，但这个差距正在被持续压缩，时间窗口的问题正在从"能否追上"转变为"何时追上"。

英伟达在中国市场依然有着巨大的需求，也依然在寻找合规的供货路径。但中国AI产业正在做的事情，不再是等待英伟达，而是认真尝试不需要英伟达的未来。