一个礼拜前的CES 2025上，英伟达创始人黄仁勋宣布Blackwell芯片已经处于全面投产阶段，其中GB200芯片可以为大语言模型推理负载带来30倍的性能提升，将成本和能耗降低25倍。

外界还在为这样的利好消息兴奋时，一份168页的“临时最终规则”迅速让市场添加了几分悲观情绪。

1月13日，白宫官网公布了针对人工智能的临时最终出口管制规则，以国家安全为由，将进一步限制人工智能芯片和技术的出口。有媒体将其形容为“人类史上首个全球AI出口管制规则”，直言中国的科技企业将受到冲击。

经历了2024年的铺垫后，2025年注定会上演一场AI全球竞赛。而在算力上被“卡脖子”的中国AI，又将何去何从？

01 “芯片新规”的影响有多大

“禁止中国获取先进GPU”，似乎算不上什么新闻，毕竟在过去三个月里，诸如此类的事件就发生了多次。

2024年11月10日，台积电被迫向中国大陆客户暂停供应7nm及以下更先进制程的代工服务，原因是收到了美方的要求。

2024年12月2日，美国宣布了新一轮对华出口限制措施，将140余家中国企业加入贸易限制清单，涉及半导体制造设备、电子设计自动化工具等多个种类。

既然“芯片限令”如此高频，为何市场依旧在新规出台后表现出了悲观情绪？英伟达和AMD的股价应声下跌3%和2%，甲骨文执行副总裁Ken Glueck直言“这项新规可能成为美国科技行业历史上最具破坏性的政策之一”。

原因在于，这份“临时最终规则”除了对AI芯片提出了全球许可要求，还对“模型权重”进行了管制（不仅定义了模型的决策机制，还决定了模型的性能和通用性）。

先来看AI芯片的部分。

新的禁令将全球的国家和地区分为三级：Tier 1的少数盟友可以不受限制地获取AI芯片，但必须严格遵守美国政府的安全要求；Tier 2的国家和地区，将面临以国为单位的总算力限制，2025年到2027年之间最多购买约32万块H100的算力；中国大陆在内的Tier 3的国家和地区，将被全面禁止进口先进芯片。

再来看模型权重管控。

企业不能在属于Tier 3的国家和地区部署高性能的闭源模型；在Tier 2的国家和地区进行部署时，必须严格遵守安全标准；如果需要对通用开源模型进行微调，且过程需要消耗大量算力，必须向美国政府申请许可；同时还增加了一条红旗警示，美国本土运营的IaaS提供商可能需要申请才能向客户交付大模型。

也就是说，国内的科技企业或将进一步面临GPU短缺的问题，特别是在“万卡智算集群”的趋势下，没有足够的算力供给，将直接影响大模型的训练，制约Agent、自动驾驶、具身智能、数智化转型等产业进程，继而削弱中国AI产业的竞争力，确保美国在人工智能领域的绝对优势。

而“模型权重”的管制，某种程度上为中国企业在海外训练的大模型带来了合规风险，在海外使用美国企业的云服务，不再是一种安全选项，甚至可能会对中国企业的出海进程增加不必要的麻烦。

“首个全球AI出口管制规则”的出台，既有对旧问题的加码，也带来了新的挑战。在找到新的解题方法前，焦虑情绪的出现是一种可以理解的常态。比较乐观的是，相关的替代方案早已经成熟。

02 独立自主的算力在“云端”

古代战争中，面对骑兵的速度和冲击力，步兵常常会结成方阵，比如汉代步兵对抗匈奴骑兵时使用的“拒马阵”。

正在发生的“AI争夺战”，有着相似的一幕。

典型的例子就是华为副董事长、轮值董事长徐直军在华为全联接大会2024主题演讲中提出的判断：“美国在AI芯片领域对中国的制裁长期不会取消，而中国半导体制造工艺由于也受美国制裁，将在相当长时间处于落后状态，这就意味着我们所能制造的芯片的先进性将受到制约。”

徐直军提出的对策，和步兵方阵异曲同工。

“人工智能正在成为主导性算力需求，促使计算系统正在发生结构性变化，需要的是系统算力，而不仅仅是单处理器的算力；我们的战略核心就是，基于实际可获得的芯片制造工艺，计算、存储和网络技术协同创新，开创计算架构，打造“超节点+集群”系统算力解决方案，长期持续满足算力需求。”

其实在2023年9月，华为云就上线了昇腾AI云服务，给出了满足算力需求的“中国方案”：通过整合大规模算力集群、计算引擎CANN、AI框架MindSpore、ModelArts AI 开发生产线和ModelArts Studio大模型即服务平台，为大模型的训练、推理，AI应用的开发和运行提供稳定可靠、自主可控的全栈算力保障。

其中一项关键技术是华为云的AI原生云基础设施CloudMatrix：将CPU、NPU、DPU、存储和内存等资源池化，形成了一个紧耦合的矩阵算力；再借助超高带宽Scale-Up网络，实现了资源的对等连接，既可以水平扩展，还可以垂直扩展；同时可以按需组合多样化算力资源，并根据应用需求灵活调整。

有了“阵型”后，战场上的对垒不再是一对一的单兵，而是比拼战术、装备和地形利用，一次又一次创造了步兵打破骑兵的战绩。

算力也是如此。

在大模型训练的过程中，芯片并不能直接和算力划等号，需要通过建立数据中心的方式将芯片集群，并解决算力适配、框架兼容、软件环境、数据传输、运维等一系列问题。

单单是在基础设施环节，就是大多数企业吃不消的。

同样的需求放在昇腾云上，得到的是“即开即用”的AI算力，而且有着自建数据中心无法企及的稳定性：目前业界万亿参数模型训练的平均无中断时长约2.8天，昇腾AI云服务可实现40天无中断；业界平均集群故障恢复时间约60分钟，昇腾AI云服务可以缩短到10分钟；大模型的资源开通时间也从月级缩短到了天级……

正如《芯片战争》作者Chris Miller的说法：“训练人工智能系统的云就是未来的工厂。”所谓的“芯片战争”早已演变为“云战争”。

也许针对中国企业的芯片禁令还将继续出现，然而“AI争夺战”的主战场早已转移到了云端，只需要一个指令，就能获得澎湃的AI算力，在算力上“卡脖子”迟早会成为伪命题。

03 向上生长的大模型新生态

有意思的是，白宫的“临时最终规则”发布后，最先表达不满态度的，居然是掌控着全球算力话语权的英伟达。

按照英伟达官方的回应：新规不但无法减轻任何威胁，反而只会削弱美国的全球竞争力，破坏使美国保持领先地位的创新能力。限制对主流计算技术的使用可能会阻碍国内外各行业的AI进步。

表面上的原因，新规可能会打压英伟达的出货量；深层次的原因，则是对独立于英伟达的大模型生态的担忧。

早在2023年初，芯片禁令的靴子还未落地时，科大讯飞就开始思考“怎么将大模型的能力架构在一个自主创新的体系上”。

科大讯飞董事长刘庆峰后来在一次主题分享中公开谈到：“在我们自己建算力集群之后，我们发现在华为云上做训练推理建设比自己做更轻松、效率更高，更能满足短时瞬间的规模化算力应用之后，释放波峰波谷（减少能耗闲置，算力削峰填谷），对整个行业都是效率最高的。”

根据科大讯飞官方给出的数据，基于自主算力训练的讯飞星火4.0 Turbo，在数学能力、代码等方面的能力超过了GPT 4o，并已完成超长思维链、树搜索和自我反思评价等算法验证。

做出同样选择的，还有腾讯音乐。

腾讯音乐旗下的天琴实验室，自研的MUSELight大模型框架与昇腾AI云服务深度合作创新，联合发布了行业领先的Stable Diffusion系列视觉大模型推理加速方案lyraSD。

相比传统AI算力解决方案，推理速度提升超过166%，性价比提升了35%，为微信、QQ音乐、全民K歌等平台带来了更高效的AI内容生成能力。

这些案例的背后，折射出的是中国科技企业的创新精神，站在新一轮技术革命浪尖的中国企业，没有被不公平的打压卡住脖子，而是用有限的资源，实现了一流的性能，让世界看到了解决问题的中国智慧。

更重要的是，昇腾云、科大讯飞、腾讯音乐、顺丰、知乎、奇瑞等产业上下游的玩家们，一同构筑起了中国的大模型生态，打通了底层算力到通用大模型再到行业应用的路径。

比如华为云已经在贵州贵安、内蒙古乌兰察布、安徽芜湖部署了三大AI算力中心，拥有超大电力、土地、网络等资源储备，能够进一步满足大模型训练、推理的算力需求。同时在华北、华东、华南等热点区域部署了30多个数据中心节点，通过华为云云边缘枢纽提供最低时延的AI训推服务。

再比如100+开源大模型已经基于昇腾云适配优化，企业可一键调用大模型能力，并且能够和云市场打通实现资产变现；而昇腾AI云服务AI Gallery百模千态专区的上线，再度缩短了大模型落地的路径，企业和开发者可以使用Maas的方式，快速构建自己的大模型应用，抓住新技术的红利期。

联想到“临时最终规则”中对基础IaaS服务的限制，探索出算力供给新范式的中国云厂商，无疑“等”来了海外扩张的机会。

04 结语

君子不立危墙之下。

AI作为一种通用的基础性使能技术，正持续催生新产业、新业态，改变我们的生活方式、生产方式、工作方式，甚至可能在接下来的几十年里，深度影响一个国家的竞争力，左右新的世界秩序。

幸运的是，华为云、科大讯飞等已经已经证明，AI算力供给不会受限于芯片，应用创新也不会受制于AI算力，为担心算力卡脖子的企业，找到了一条切实可行的解决路径。