英伟达的H100、H200、B200，一块卡十几万人民币，贵就贵吧，关键是有钱也买不到。美国对华出口管制一轮比一轮紧，高端AI芯片基本上算是断了供。国内做模型训练的团队，手里那点存货用一块少一块，急得跟热锅上的蚂蚁似的。
但危机这个词，拆开来看就是危险加机会。英伟达卡不到货，国产芯片厂商反而迎来了历史性机遇。
华为昇腾是冲在最前面的。昇腾910B、910C这些型号，单卡算力已经能摸到H100的脚跟。虽然软件生态还差一截，CUDA用了十几年攒下的护城河不是一两年能填平的，但好在能用。国内几个大模型厂商，包括华为自己的盘古，都在用昇腾集群做训练。有句话说得好：能用就是胜利，好用可以慢慢来。
寒武纪、海光、天数智芯这些厂商也都吃到了红利。订单量暴增，产线拉满，融资也顺畅了很多。以前投资人问国产芯片，第一句就是"你跟英伟达比差多少"。现在不问这个了，问的是"你们产能能扩多快"。市场需求倒逼供给，整个国产算力产业链都被带动起来了。
不过也得泼点冷水。国产芯片的硬件规格追上得挺快，软件生态依然是最大短板。CUDA那个生态，全球几千万开发者用了十几年，各种框架、库、工具链都围绕它建立。国产芯片要自建生态，等于从头搭一座城，工程量巨大。很多开发者吐槽，用国产芯片写代码，三分之一时间在调环境，三分之一时间在等编译，真正跑模型的时间反而最少。
这个问题各家都在想办法。华为推MindSpore框架，寒武纪搞自己的开发工具链，海光兼容CUDA做迁移。路径不同，目标一致：降低开发者迁移成本。但生态建设是慢功夫，急不来。英伟达也不是一天建成的，国产芯片给点时间，会有起色的。
从更宏观的视角看，芯片管制这件事，短期内确实卡了脖子，长期看反而加速了国产替代。就跟当年的航天、高铁、北斗一样，外部环境越恶劣，内部突破的动力越强。现在国内AI芯片的年出货量增速超过三位数，这个势头保持下去，三五年后格局可能完全不一样。
资本市场也给出了反应。A股那批AI芯片概念股，从去年开始股价就蹭蹭往上涨。有些公司估值高得离谱，业绩还没见影，市值先破千亿。这里面有泡沫，但也有真实的预期。国产算力是个确定性的趋势，只要方向对，短期波动不重要。
对AI行业从业者来说，国产芯片的崛起意味着什么？意味着选择变多了，成本下降了，供应链安全提升了。以前所有团队都盯着英伟达，现在可以根据场景选不同的芯片。推理任务对算力要求没那么高，国产中低端芯片完全能胜任。训练任务虽然还得用最好的，但至少不是只有一条路可走。
有个在智算中心工作的朋友跟我说，他们去年上的还是英伟达集群，今年新扩建的全部用的国产芯片。理由很简单：政策导向加成本优势。国产芯片采购有补贴，维护成本也低，综合算下来比买英伟达便宜一大截。至于性能差距，通过堆数量来弥补，反正训练任务本来就需要大量卡并联。他算了一笔账，同样建一个千卡集群，国产方案总成本大概只有英伟达的六成，省下来的钱够养一整个运维团队。
当然，完全替代英伟达短期内不现实。在最高端的训练场景，国产芯片和H100、B200之间还有明显差距。但这个差距在缩小，而且缩小速度比很多人预期的快。技术迭代这东西，一旦进入正循环，加速度会很惊人。
未来几年，AI芯片市场大概率会呈现"双轨制"格局：高端训练用英伟达，中低端推理和训练用国产。这个格局对国产厂商来说已经足够了，先把基本盘守住，再往高端渗透。罗马不是一天建成的，国产算力的崛起，也不会一蹴而就。但至少，春天是真的来了。不管是做模型的、做应用的，还是做基础设施的，现在都可以把目光从英伟达身上挪开一点，看看身边这些正在长大的国产选手。它们也许还不够完美，但它们在长大，而且长得很快。
热门跟贴