国产AI走过算力“焦虑期”

2025年 7月，英伟达 CEO 黄仁勋在北京一场行业峰会上公开承认：“中国已具备足够算力基础，持续技术限制只会加速本土替代进程。” 这番表态背后，是美国对华 AI 芯片管制政策反复带来的市场变局 —— 从 4 月叫停 H20 芯片出口导致英伟达单季度减记 55 亿美元，到 7 月恢复销售却面临国产芯片抢占近三成市场份额的现实，短短三个月间，中国 AI 产业格局正在发生结构性重塑。在这场变革中，DeepSeek 通过技术创新突破算力桎梏、中科曙光构建开放生态打破垄断、信创芯片加速迭代实现性能追赶，共同编织出一条自主可控的智能计算发展路径。

英伟达在华困境与国产替代加速

“一天一个价，现款现货还要排队。”2025 年 4 月初，北京某 AI 服务器经销商这样描述英伟达 H20 芯片的市场行情。当时，美国政府突然要求 H20 芯片出口需单独申请许可证，引发市场恐慌性抢购，单台配置 8 颗 H20 的服务器价格从 100万元飙升至 140 万元。但好景不长，据英伟达 8-K 文件披露，截至 4 月 27 日，公司因 H20 相关库存和采购承诺减记 55 亿美元，两季度累计损失达 135 亿美元。中国区营收占比从 2024 年的 12.5%（171 亿美元）骤降至 2025 年二季度的 8.3%，市场份额被国产芯片快速侵蚀。

字节跳动的采购策略变化颇具代表性。2025 年该公司计划投入 400 亿元采购 AI 芯片，其中国产芯片占比达 60%（240 亿元），远超英伟达特供版的 160 亿元。这种转向背后，是国产芯片性能的快速提升 —— 华为昇腾 910B 推理效率已接近 H20，而价格仅为后者的 70%；寒武纪思元 590 在图像识别任务中处理速度超越 H20 15%。更深远的影响在于生态层面，截至 2025 年 7 月，华为昇腾云已适配 160 多个大模型，开发者数量突破 80 万，形成与英伟达 CUDA 生态分庭抗礼的态势。黄仁勋在 CNN 采访中无奈承认：“限制政策反而帮助中国建立了自主的 AI 生态，这是我们不愿看到的结果。”

雪上加霜的是，英伟达还面临反垄断调查的压力。2024年 12 月，中国市场监管总局因涉嫌违反《反垄断法》及2020 年收购迈络思时的限制性条件，对英伟达立案调查。根据 2020 年的监管决定，英伟达不得对 GPU 与网络设备进行捆绑销售，需保证与第三方产品的互操作性。但调查发现，部分中国企业反映英伟达在软件更新、技术支持等方面歧视使用国产网络设备的客户。与此同时，法国、欧盟等监管机构也在调查英伟达的反竞争行为，全球范围内的监管压力进一步削弱其市场主导地位。

尽管美国政府在 7 月批准 H20 恢复出口，英伟达也同步推出 RTX Pro 等新款特供芯片，但市场环境已今非昔比。中国《“十四五” 数字经济发展规划》明确要求，2026年数据中心国产芯片使用率需达到 40%，政策驱动下的替代进程不可逆转。某云服务厂商采购负责人表示：“我们现在采用‘国产为主、进口为辅’的策略，新建集群中国产芯片占比超过 50%，既能规避地缘风险，又能降低成本。” 这种理性选择，标志着中国 AI 产业正在从 “被动应对” 转向 “主动布局”。

DeepSeek的精度革命与国产芯片适配潮

2025年 8月 25 日，DeepSeek 在官方公众号发布 V3.1 版本大模型时，用置顶评论特别强调：“UE8M0 FP8 精度架构专为下一代国产芯片设计。” 这一细节揭开了国产大模型与芯片协同进化的新篇章。不同于英伟达 GPU 采用的 E4M3/E5M2 标准 FP8 格式，UE8M0 采用 “无符号位 + 8 位指数 + 0 位尾数” 的创新编码方式，通过牺牲部分小数精度换取更大的数值动态范围，完美适配国产芯片普遍强于整数运算、弱于浮点计算的硬件特性。民生电子研究院测算显示，这种定制化格式可使国产芯片的推理效率平均提升 40%，显存占用降低 50%，彻底改变了此前国产芯片运行主流大模型时 “算力跑不满、显存不够用” 的尴尬局面。

UE8M0格式的落地并非孤例。早在 2025 年 2 月，龙芯中科就联合太初元碁完成 DeepSeek-R1 7B 模型的适配工作，仅用 2 小时便在太初 T100 加速卡上实现本地化部署。搭载龙芯 3A6000 处理器的终端设备，可脱离云端完成文档处理、数据分析等 AI 任务，平均响应速度比依赖云端服务提升 3 倍。截至 8 月，已有 18 家国产 AI 芯片企业宣布支持 DeepSeek 系列模型，形成涵盖华为昇腾、寒武纪、海光信息等头部企业，以及沐曦、壁仞科技等独角兽的完整适配矩阵。其中，浙东南智算中心采用寒武纪思元 590 芯片，成功部署 DeepSeek V3/R1 6710 亿参数满血版推理服务，实测性能达到英伟达 H20 芯片的 85%，而硬件采购成本仅为后者的 60%。

金融领域的实践更凸显这种适配价值。某头部城商行在智能文档处理系统中，采用 “海光 DCU+DeepSeek 模型”的联合方案，实现 OCR 识别准确率 99.2% 的行业新高。压力测试显示，单张海光 DCU 卡在高负载下内存峰值仅 5.7GB，显存占用 10.8GB，稳定性优于同场景下的英伟达 A100。该银行技术负责人在《金融信创 AI 生态实践白皮书 (2025)》中指出：“国产算力与大模型的深度协同，使我们摆脱了对进口芯片的依赖，系统年维护成本降低 42%。” 这种 “软件定义硬件” 的创新模式，正在成为国产 AI 生态突破技术封锁的关键路径。

从单点突破到体系创新

国产算力的崛起并非简单的替代效应，而是建立在核心技术持续突破基础上的体系化创新。在芯片领域，华为昇腾 910C 采用中芯国际 7nm（N+2）制程工艺，拥有 530 亿颗晶体管，单卡半精度浮点（FP16）性能达 1200Tflops，实测运行 6710 亿参数大模型时，推理延迟仅比英伟达 H100 落后 0.03 毫秒，而单位功耗（0.52 TFLOPS/W）却比 H100（0.37 TFLOPS/W）高出 40%，一年可节省电费约 5 万元。寒武纪思元 590 同样采用7nm 制程，支持 FP16、BF16 等主流数据格式，兼容 PyTorch、TensorFlow 框架，在边缘计算场景的算力密度较前代提升 300%。

算法与模型层面的突破更为亮眼。幻方量化旗下的 DEEPSEEK 公司发布的开源模型 DeepSeek-V3，采用混合专家（Mixture-of-Experts）架构，拥有 6710 亿参数，每个词元激活 370 亿参数，在代码生成、数学推理等基准测试中超越多个海外开源模型，性能接近GPT-4。该模型的训练效率尤为突出，在 14.8 万亿词元的数据集上完成预训练仅用 266.4 万 GPU 小时，较同类模型减少 30% 的计算资源消耗。商业化应用也在快速推进，某法律科技公司使用DeepSeek-V3 处理海量法律文档，信息提取效率提升 4 倍；某科技企业的智能客服系统通过该模型优化，客户满意度提高 28 个百分点。

更具战略意义的是算力基础设施的开放生态建设。2025 年 9 月，中科曙光在智博会上联合华为、中兴、浪潮信息、科大讯飞等 20 余家产业链伙伴，发布国内首个 AI 计算开放架构，涵盖硬件接口规范、软件适配标准、算力调度协议三大核心模块。该架构支持多厂商芯片兼容，单集群可容纳数万颗 AI 加速芯片协同工作，峰值算力达每秒 10 的 22 次方次运算，能满足千亿级参数大模型的训练需求。中科曙光总裁历军在发布会上强调："AI计算的未来在于开放与协同。传统封闭架构不仅限制了技术创新的速度，也推高了企业的应用成本。" 这种开放模式已初见成效，依托该架构建设的 "AI 计算开放架构联合实验室"，已在金融风控领域实现跨机构数据协作效率提升 40%，模型准确率突破 95%。

结 语

站在 2025 年的时间节点回望，中国 AI 产业已走过 “卡脖子” 的焦虑期，进入 “体系化创新” 的新阶段。

但挑战依然存在。国家集成电路封测产业链技术创新战略联盟副理事长于燮康指出：“中国先进制程与国际领先水平仍有 3-5 年差距，高端芯片制造能力不足仍是短板。” 如何在保持开放协作的同时，突破核心制造技术，将是下一阶段的关键任务。值得期待的是，随着 AI 计算开放架构联合实验室等平台的运作，以及产学研用协同创新机制的完善，国产 AI 产业正从 “单点突破” 转向 “系统突破”，逐步形成可持续的技术创新能力。

英伟达的经历则成为全球化时代技术竞争的经典案例 —— 试图通过技术封锁维持垄断地位，最终却加速了替代者的崛起。黄仁勋的警告犹在耳边：“永久失去中国市场的风险真实存在。”

DeepSeek的UE8M0 格式证明，通过软件算法创新可弥补硬件性能差距；中科曙光的开放架构表明，生态协同能打破垄断格局；而信创芯片的加速迭代则显示，产业链自主可控已具备现实基础。这三大支柱相互支撑，正在构建一个 “模型 - 芯片 - 系统” 三位一体的国产 AI 生态体系。

一场静悄悄的产业革命正在中国上演。这场革命的最终目标，不仅是摆脱对单一技术来源的依赖，更是要建立一种新的产业发展范式 —— 以创新驱动发展，以开放促进协同，以生态赢得未来。