黄仁勋终于搭上了“顺风车”

作者 | 山竹

出品 | 锌产业

在飞机经停阿拉斯加加油间隙，拿到了”通行证“的黄仁勋终于匆匆赶到，成了这次中国之旅最后一位登机的乘客。

对于中国市场，英伟达掌舵者黄仁勋有着一肚子的期待和忧虑。

就在前不久的一档播客节目中，黄仁勋曾公开表示，如果DeepSeek这一中国领先的大模型率先在华为芯片上完成优化并高效运行，将是“对我们国家而言可怕的结果”。

黄仁勋这里提到的“我们国家”指的是美国，在此之前，美国已经禁止英伟达向中国出售“先进的人工智能芯片”，而在黄仁勋给出上述论断之前，已经有媒体爆出DeepSeek这代旗舰模型V4将全面迁移至华为昇腾950PR。

DeepSeek模型与华为芯片的深度适配正在加速中国本土算力栈的成熟，也在削弱英伟达长期构建起的生态优势。

这是老黄最不想看到的。

实际上，早在去年黄仁勋就曾多次公开表示，受美国禁令影响，英伟达在中国AI加速器市场的份额已经从约95%骤降至0%，“我们已经100%退出了中国市场。”

与此同时，黄仁勋也一再强调，中国AI的发展“无论有没有英伟达都会前进”。

从英伟达“退出”中国市场之后，中国AI市场的表现来看，也确实证实了黄仁勋的判断。

不过，作为全球AI双主线之一，中国AI市场是英伟达无法放弃的那个市场。

而深知中国AI市场重要性的黄仁勋，也就更需要这次破冰之旅。

01 AI之战，改变算力格局

在这场全球AI竞赛中，中美双线主战场格局已经悄然确立。

美国拥有OpenAI、Anthropic等在基础模型上有先发技术优势的公司，中国凭借全球最活跃的用户基础、海量的数据和最具潜力的应用市场，形成了独特的后发竞争力。

在用户、市场、创业团队三重驱动下，中国大模型迅速崛起，字节跳动豆包、阿里通义千问、DeepSeek，以及中国大模型“四小龙”、“六小虎”共同将国内大模型的热情具象化。

这其中，2025年初问世的DeepSeek，是中国大模型的一个转折点，也是全球人工智能技术发展的一个转折点。

如果说在此之前，全球大模型团队信奉的是Scaling Law，是暴力美学和大力出奇迹，那么，在DeepSeek问世后，大家开始意识到，原来大模型训练还有其他路径。

初代DeepSeek通过重新设计训练流程、以少量的SFT数据外加多轮强化学习，在提高模型准确性的同时，显著降低了内存占用和计算开销，从而极大地降低了大模型的使用成本。

如果说ChatGPT是大模型来临在西方的一个划时代标志，那么，DeepSeek则是大模型落地在东方的工程实践开端。

在此之后，我们能够看到的是，全球大模型生态像是被加入了一勺“老干妈”，开始兴奋起来，智能体在B端开始得到推广应用，甚至催生出了大模型一体机这样一类独特的时代产物。

C端也相继出现了一些智能体应用，其中成为爆款产品的，一个是由中国团队孕育而出的Manus，另一个是由美国开发者开发的OpenClaw。

大模型的战事升级，尤其是大模型从基模训练到应用落地的转变，也在悄悄影响着全球算力生态结构。

首先是在大模型传播链路中，相当一部分算力需求从训练开始向推理开始转移，市场需要的不再仅仅是高性能的GPU，异构算力成为主流趋势，这也让CPU芯片巨头英特尔迎来了新的转机；

其次是大模型在国内大型国央企的推广应用，催生了对国产算力的需求，而英伟达在一纸禁令之下，更是加大了国产算力的需求，华为、寒武纪、中芯国际等在过去两年里的产能需求不断攀升，就连国内几家互联网巨头，也在一边真金白银在投资国产GPU四小龙，一边在自研AI芯片。

一场自云计算“去IOE”之后的又一场国产化战役就此浮出水面，这其中尤以DeepSeek V4迁移至华为昇腾950PR影响最为深远。

英国路透社在4月底的一篇报道中就曾指出，在DeepSeek V4迁移至华为昇腾950PR消息一经公布后，国内包括字节、阿里、腾讯在内的互联网巨头都开始与华为接洽，商谈芯片订单事宜。

这时，距离黄仁勋公开表示英伟达已经（被迫）全面退出中国市场，仅仅只有几个月。

这样的替代进程，尤其是开发者与模型厂商逐步转向本土技术栈，让英伟达原本基于CUDA建立起的技术护城河，面临着前所未有的危机。

更重要的是，想要取代英伟达，成为下一个英伟达的，不只有华为，国产GPU四小龙的崛起，无一不是以蚕食英伟达市场份额、乃至取代英伟达为终极目标，这些“中国版英伟达”也将成为英伟达再次回到中国市场的直接竞争对手。

也是英伟达曾经在中国AI芯片市场独占95%市场份额时，不曾觉得会是威胁的竞争对手。

而在这个英伟达无法进入的全球第二大AI市场，正在构建着一个与英伟达无关的AI生态，这是如今的英伟达无法接受的。

02 英伟达，无法再一家独大

英伟达，依然是AI算力领域的绝对头部，甚至没有之一。

即便是DeepSeek V4用上的华为昇腾950PR，虽然性能已经是英伟达H20的2.87倍，但仍不及英伟达H200。

这也是英伟达曾经能在中国AI市场占据超95%份额的主要原因。

不过，也正是由于英伟达过于强大，甚至比当年的英特尔更甚（英特尔当年尚有AMD“制衡”），尤其是CUDA生态的强大，让全球科技巨头对它是又爱又怕。

爱它带来的算力强大，又怕它一家独大，自己的命运被这家公司握在手中。

因而，在国外，肉眼可见的是，无论是谷歌、亚马逊等科技巨头，还是OpenAI、Anthropic这些AI独角兽，这些算力应用大户，或在自研芯片，或在找英伟达之外的供应商进行合作。

不将自己绑定在一家供应商身上，哪怕这家供应商能够提供全球最好的产品，这似乎成了进入全球产业大分工时代后一个不成文的规定。

尤其是，在算力成本越来越成为头部科技公司的一项巨额开支时，自研芯片项目提上日程也就顺理成章。

例如，谷歌早在2013年就启动了自研TPU项目，在前不久的Cloud Next大会上，第八代TPU也正是亮相。

值得注意的是，同样是意识到了智能体规模化应用带来的推理需求暴增，谷歌在第八代TPU中首次分拆出两条独立产品线——用于模型训练的TPU 8t，以及用于实时推理的TPU 8i。

摩根大通在研报中给出的分析是：

TPU 8t采用Virgo Network fabric将集群扩展到单集群百万芯片以上，峰值性能约为上一代Ironwood的3倍，旨在压缩万亿参数级大模型的训练时间；

TPU 8i采用boardfly网络拓扑，片上SRAM提升约3倍，核心目标是突破智能体推理在规模化时遭遇的延迟与内存瓶颈。

至于另外一家科技巨头、也是云计算巨头，亚马逊自研芯片始于2018年，随后几年发展迅猛，从2025年底AWS CEO Matt Garman在re:Invent 2025上公布的数据来看，AWS已经部署了超100万颗Trainium系列自研芯片，这项业务每年为AWS带来了数十亿美元的营收。

在2026年4月底新一季的电话会议上，亚马逊CEO Andy Jassy更是直言称，亚马逊自研芯片业务在数据中心领域已经达到全球前三，如果独立运营，年营收将会达到500亿美元。

再看全球AI独角兽，OpenAI早在2023年就启动了自研芯片项目，Anthropic则在前不久对外宣布，承诺未来五年向谷歌云支付约2000亿美元，用于采购5GW的TPU算力和云服务。

在此之前，风头已经盖过OpenAI的Anthropic，分别拿了谷歌、英伟达、亚马逊的投资，并与三者均保持着AI芯片采购关系。

这样看来，我们不得不说，当年英特尔能够容忍AMD的存在，除了可以避免触及美国反垄断法律外，某种意义上而言，也为英特尔后来在全球持续扩张自己商业帝国，避免了不少麻烦。

03 英伟达，如何重新匹配中国市场？

再次来到北京，黄仁勋心情极好，在南锣古巷一路吃了炸酱面、喝了蜜雪冰城，甚至还品了老北京豆汁儿，网上一时间还传出了黄仁勋南锣古巷复刻路线。

黄仁勋之所以能有如此好的心情，与他此次作为美国总统中国之行随行人员取得的成果不无关系。

据路透社援引知情人士消息称，美国商务部已批准阿里、字节、腾讯、京东、联想等约10家中国企业购买英伟达H200芯片，每家最高可购买7.5万颗H200芯片。

对于英伟达而言，这无疑是一个天大的好消息。

我们在前文中提到过，即便是现在，英伟达H200依然是一颗很能打的芯片，也是国内不少科技巨头曾经梦寐以求的芯片。

然而，这时这颗芯片在补齐进入国内市场的手续后，国内科技巨头或许要面临另一个头疼的问题。

能买到H200，要不要买？

当然要买。

但买来后，该如何使用呢？

我们在前文中也提到过，为了降本增效，国外科技巨头都在自研芯片，如果再看国内市场，在经历过芯片禁令后，国内科技巨头自研芯片的动力更甚。

百度自研芯片早在2011年就已经开始，当时同样是为了降低芯片使用成本，阿里自研芯片则是从2018年开始，如今在国内AI算力热潮中，两家公司不约而同将AI芯片业务分离出来，其中，百度的昆仑芯也即将在港股上市。

那么，国内科技巨头自研芯片布局，会对英伟达带来怎样的影响呢？

如今的模型与AI芯片的优化是双向的，大模型的训练与推理需要与具体芯片架构深度磨合，模型开发者会针对芯片的内存带宽、Tensor Core、互联拓扑、量化支持等特性进行优化，包括算子融合、并行策略、混合精度等。

这反过来也会推动芯片架构针对主流模型负载进行迭代，形成正向循环。

英伟达CUDA的成功，正是因为它与全球领先模型共同演化，积累了海量优化库和最佳实践。

更进一步的是，芯片研发路径有时会出现“模型驱动定制”的独特模式——针对特定大模型或负载场景，开发专用优化甚至定制芯片能极大提升能效和性能，谷歌在第八代TPU中拆分出针对训练和推理场景的芯片也是类似的原因。

正因如此，如果英伟达长期缺席中国市场，必将无法参与中国领先模型的联合打磨，无法在这一全球最大应用市场积累针对性优化，这将导致其芯片在未来中国场景下的竞争力下降。

优秀的模型也能反向驱动芯片架构演进，而本土模型-芯片的闭环迭代或将催生出更适应中国数据和应用的新路径。

这一路径背后的逻辑是：

中国拥有全球约一半的AI研究人员、庞大的终端消费者和产业场景，应用创新速度极快，DeepSeek等模型的低成本高性能路径，进一步降低了AI落地门槛，让更多中小企业和行业参与了进来，算力需求随之从集中训练扩展到分布式、边缘与智能体持续运行，这要求芯片不仅性能强大，还需成本可控、易部署和生态友好，国产算力方案正是围绕这些需求在演进。

实际上，诸如DeepSeek V4率先在华为昇腾950PR上实现生态适配这样的国产模型率先在国产芯片上适配的模式，未来或将不是个例。

在这样的局面之下，英伟达如何在国内继续保持自己的生态优势，成了一个值得黄仁勋思考的问题。