美国搬出算力远程访问禁令,围追堵截中国AI;模型企业能抗住吗?国产算力的卡点在哪里?

美国再次出手限制中国AI发展,16日,美国商务部出台了《应对先进半导体的远程访问》新规,这个规定把限制的禁令从实物的芯片,延伸到跨境算力服务。举个例子,在东南亚有一个数据中心,用的是英伟达的芯片,这些芯片本身没有来到中国,这是符合之前美国出口禁令的。但是现在禁令进一步延伸到:如果有中国的企业通过远程云服务的接口,调用这些算力达到了聚合算力的触发门槛,也是不允许的。这个门槛压得很低、这条红线卡的极死,想调用这些卡做基座大模型的训练是不可能的,大规模的推理也会受限。

训练和推理是算力卡的两大应用场景:让模型变的更聪明,推动模型迭代的训练场景;把模型训练好了以后,用模型来解决问题,就是推理场景。训练场景对于卡并行计算的效率要求更高,当下,国内模型在国产算力不足的情况下,训练时会倾向于用海外卡,而推理时用国产。所以对于AI模型来说,对训练的影响更大,美国的这个禁令的目的就是进一步卡住中国大模型的迭代。

今年中国大模型的快速发展,与美国模型的差距快速收窄,美国人一定是感受到了压力。所以他们想要通过卡住中国大模型迭代的方式,给自己的发展争取时间,强化美国AI企业对全球算力供应链的规则制定权;扼杀竞争者,是他们的常规操作方式,会出现这一幕并不意外,这个事情,再次强化了AI硬件、算力芯片,必须实现国产替代,必须实现自主可控,这一点不能有任何的犹豫,不能抱任何的幻想。

面对这波冲击,中国的独立模型公司会感受到直接、巨大的压力。训练成本会上升,如果拿不到足够的训练端的算力,那么想迭代基座大模型就很难。

但是,这真的会卡住中国AI的发展吗?

我的判断是:不会卡死,但是会增加我们追赶的难度。同时,祸福相依,长期看,谁好谁坏还不一定呢。

我们国产卡单卡性能比英伟达的卡的确有明确的差距,但是,我们已经摸索出一条用集群补充单卡性能不足的路线——就是超节点。而且今年国产模型已经实现了与国产芯片的适配,DeepSeek V4在7月份就已宣布全面适配华为昇腾芯片,推理侧彻底跑通,训练侧是部分环节使用国产芯片,证明了国产芯片可用,能用。

但是问题也很突出。

根据相关报道中提及的说法,华为950超节点在任务层面可以平替英伟达GB200 NVL72等同类超节点系统,所有后者能做的任务前者都能做,代价是4张华为卡的算力约相当于1张英伟达卡,在芯片迭代节奏上落后约两年。

如果用昇腾这类国产卡来做训练,用卡量是海外卡的4倍,成本增加了不说,关键是没有这么多卡可用。我们的“产能”不够,产能不足背后也是层层围堵造成的,从产品到设备、材料都紧缺。

“产能”的卡点主要有两个:一个是算力卡里面需要高带宽存储芯片、HBM不够用。HBM国产替代的比例很低,之前我们是从韩国进口的,但是美国从2025年开始限制韩国向我们提供这个芯片,而国产的HBM3明年才能开启批量投产。

第二个是先进产能不足,从制造到封装都缺先进产能,就是大家常听到的7nm、5nm技术。这里的卡点主要是设备,EUV光刻机我们没有,用DUV多重曝光良率就低;即便基于当前的制程向前推进,在全球扩产的背景下,其他的设备和零部件也是紧缺的,交货周期很长,想扩产得等。

美国人也正是看到了这个软肋,铁了心要卡我们。

但是这个事儿,并非只对我们不利。

美国限制我们的同时,也在加速美国硬件在中国市场的“自我出清”。

当“通过任何渠道获取美国算力”的预期被彻底打消后,国产替代将从“备选”变为唯一选项,这会推动国产算力生态以超常的速度自我完善。这一后果,恰恰是美国管制设计者需要面对的战略悖论。短期达成了封锁目标,长期却让出了市场,市场的缺失会进一步影响他们技术标准的话语权。

国内大模型大多数在训练的初期都是用英伟达的卡,从英伟达的卡转移到国产卡的成本很高,但凡能用英伟达的卡,就不太愿意费劲折腾;现在彻底把这扇门关上了,大家心里也就认了,一起形成合力,把国产算力卡的生态搞起来。生态建立的过程是艰难的,但是建好了以后是有长期红利的。

AI的竞争才刚刚开始,真正的分水岭不在这一轮管制,而在未来两年,我们能不能把这套生态彻底跑通。