2025年5月8日，美国华盛顿国会山，参议院商务、科学与交通委员会一场听证会正在进行。
当天的主题很明确——“赢得AI竞赛：加强美国计算与创新能力”。
提问的人是参议员特德·克鲁兹，作为这场听证会的主席，他的立场一向鲜明，当天的问题带着很强的指向性：
“中美AI竞赛，到底谁领先？如果是美国领先，那么中国还要多久能追上？”
参议员特德·克鲁兹
被点名的是AMD董事长兼CEO苏姿丰。这位美籍华裔，拥有MIT电气工程博士的背景，掌管着全球重要的AI芯片企业，可以说仅次于英伟达。
在国会山的聚光灯下，在议员的目光下，她的回答没有迎合场内的情绪，也没有说绝对化的表态，只是平静地回答说：
美国当下在高端AI芯片上确实领先，但中国的追赶速度非常快；而且，就算没有最顶级的芯片，也能通过其他路径实现AI发展的目标。
AMD董事长兼CEO苏姿丰
当时很多人只当这是这位ceo的的谨慎措辞。
但是现在回去看，时隔半年后，站在2026年的节点回看中国AI的真实进展，才发现苏姿丰的判断有多精准。
她那时候的回答，不是模棱两可的应付，而是诠释了一个事实，做出了对未来准确的预测。
她早看透了，随缘，ai的 Gpu 芯片很重要，但是AI竞争从来不是单看芯片制程的高低，而是算力集群、人才储备、电力保障、应用市场等多方面的综合比拼。
她是最清醒的人之一。
先看国产算力硬件远远落后于英伟达，但是不断的有所突破，这是中国AI追赶的核心底气。
华为昇腾910系列芯片持续迭代，性能稳步提升，已经成为国内大模型训练的核心算力之一。
更关键的是华为打造的384节点超算集群，通过优化互联协议和调度机制，把大量芯片的能力整合起来，实现了“集群大于单卡之和”的效果。
其在不少行业大模型训练中，已经能稳定支撑高负载任务。
国产寒武纪的进展同样值得关注。
2026年，其思元690芯片进入量产交付阶段，在云端推理和部分训练场景中，绑定了国内多家互联网头部企业。
在边缘端，寒武纪的芯片也在智慧交通、电力巡检等领域落地，形成了“云端+边缘”的完整布局。
这些中国科技企业的实践证明，在先进制程受限的情况下，通过Chiplet封装、系统级优化和集群架构创新，照样能走出一条算力突围的路子。
这就是苏姿丰所说的其他路径！
苏姿丰当时提到的“其他条件”，如今正成为中国AI加速的关键支撑。
还有中国领先全球的特高压电网所组成充分的电力保障，让中国的ai也有了底气。
中国西部的算力基地依托丰富的清洁能源，不仅供电稳定，成本也具备优势，这为高耗能的AI训练提供了坚实基础。
其次是人才储备，国内高校持续扩招AI相关专业，加上海外人才回流，形成了从芯片设计到模型研发的完整人才链。
最核心的优势还是应用市场，让实验室的成果能快速的在市场上验证，找出缺陷，加以弥补，提高创新。
中国有着全球最大的数字经济应用场景，工业制造、金融风控、医疗诊断、政务服务等领域，都在大规模落地AI技术。
端侧AI手机、AI PC的快速普及，让AI真正走进了普通人的生活。
这种“应用倒逼技术迭代”的模式，形成了“数据—算法—算力”的正向循环，这是很多国家难以复制的。
当然，我们也得客观看待差距。
目前，在最顶级单卡的极限性能、底层软件生态的完善度，以及全球技术标准的参与度上，中国和美国头部企业还有一段距离，高端芯片供应链的自主可控也需要时间积累。
但这半年的变化已经说明，美国想通过芯片封锁遏制中国AI发展的想法，越来越难以实现。
苏姿丰半年前就点透了关键：AI竞争不是只拼3nm、5nm的制程，更拼工程化能力、场景落地能力和全链条的效率。
从华为的384节点集群到寒武纪的量产芯片，从充沛的电力保障到庞大的应用市场，中国AI正在用自己的方式稳步追赶。
这一切，都印证了苏姿丰的先见之明。她作为行业内的资深人士，早已跳出了“单芯片论英雄”的思维。
她看到了AI竞争的本质——一时的领先不算什么，完整的生态和持续的创新，才是决定长期胜负的关键。
#科技##芯片#
热门跟贴