🇭🇰SCMP Technology•較早收集於 1m
中國晶片能取代 Nvidia 進行 AI 訓練嗎？
💡了解中國 AI 面臨的硬體瓶頸，以及其對全球供應鏈與模型開發的潛在影響。
⚡ 30-Second TL;DR
有什麼變化
中國 AI 模型效能極具競爭力，但缺乏用於預訓練的國產硬體。
為什麼重要
依賴外國晶片進行預訓練對中國 AI 公司構成戰略風險。未來國產硬體的突破對於實現真正的技術自主至關重要。
下一步行動
評估目前中國國產 AI 加速器在您特定推論工作負載下的效能基準，以優化硬體成本。
誰應關注：Researchers & Academics
關鍵要點
- •中國 AI 模型效能極具競爭力，但缺乏用於預訓練的國產硬體。
- •國產晶片目前已廣泛應用於模型推論任務。
- •預訓練仍是運算需求最高的階段，成為國產晶片的瓶頸。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 23 個來源。
🔑 增強重點摘要
- •美國的出口管制已導致Nvidia在中國AI晶片市場的市佔率從2022年的約95%驟降至2026年5月的近乎零，這促使中國科技巨頭轉向本土替代方案，華為成為主要受益者，其昇騰系列晶片銷量預計在2026年大幅增長。
- •中國政府正積極推動AI晶片國產化，要求所有獲得國家資金支持的新建數據中心項目只能使用國產AI晶片，並勸阻企業採購Nvidia的降級版H20晶片，目標是到2027年將AI晶片自給率提高到70%以上。
- •除了華為，寒武紀、壁仞科技、百度昆侖芯、天數智芯等中國本土晶片廠商正加速發展，並獲得字節跳動、騰訊等大廠的採購訂單，尤其在AI推論任務方面，國產晶片已能提供具競爭力的解決方案。
- •中國AI晶片產業面臨供應鏈挑戰，特別是在先進製程（如7奈米良率與產能）、高頻寬記憶體（HBM）供應以及EDA軟體方面高度依賴進口，這限制了國產AI晶片在訓練效能上與國際頂尖水準的差距。
- •儘管華為昇騰910C晶片在FP16算力上約能達到Nvidia H100的60%-70%性能，但中國企業正透過「軟硬協同」策略，如華為的MindSpore與CANN深度優化，以及DeepSeek的MoE架構和DualPipe演算法，來彌補單卡算力不足，並降低訓練成本。
📊 競品分析▸ Show
| 特點/廠商 | Nvidia (H100/H800) | 華為昇騰 (Ascend 910B/910C) | 寒武紀 (思元370/590) | 壁仞科技 (BR100) |
|---|---|---|---|---|
| 製程工藝 | 4nm (H100), Hopper架構 | 7nm (910B), SMIC N+2 (910C) | 7nm (思元370/590) | 7nm |
| FP16算力 | 約670 TFLOPS (H100), 280 TFLOPS (H800) | 280 TFLOPS (910B), 約320 TFLOPS (910C) | 思元590約為A100的80% | 1000 TFLOPS以上 (BR100) |
| INT8算力 | 約2000 TFLOPS (H100) | 140 TOPS (910B) | 256 TOPS (思元370) | 2000 TOPS以上 (BR100) |
| 架構 | Hopper | 達文西架構 (AI Core) | MLUarch03 (思元370), MLUv02 (思元270) | 壁立仞 (BIREN SUPA) |
| 互連技術 | NVLink | HCCS, PCIe | Chiplet | Chiplet, PCIe 5.0, CXL |
| 生態系統 | CUDA (壟斷全球近90% AI軟體開發) | CANN, MindSpore | Neuware, BANG Lang | BIRENSUPA |
| 主要應用 | AI訓練與推論 (高階) | AI訓練與推論 (推論市場為主) | 雲端AI訓練與推論 | 雲端AI訓練與推論 |
| 市場份額 (中國, 2025) | 約55% (Nvidia整體), H800/H20 | 近20% (華為, 2025年出貨81.2萬顆) | 約1% (2024年) | - |
| 成本 | 高 | 較Nvidia H100解決方案低60%-70% | - | - |
| 備註 | 受美國出口管制影響，中國市場份額大幅下降。 | 性能持續提升，主攻推論運算市場，並透過軟硬協同彌補單卡算力不足。 | 思元590性能約為Nvidia A100的80%，與H100仍有差距。 | BR100曾創全球算力紀錄，峰值算力達國際廠商在售旗艦產品3倍以上。 |
🛠️ 技術深入
- 華為昇騰系列 (Ascend):
- 昇騰910B/910C: 910B採用7nm工藝，FP16算力280 TFLOPS，INT8算力140 TOPS。910C進一步優化至中芯國際N+2工藝，FP16提升至約320 TFLOPS，接近Nvidia H100的60%-70%性能。功耗約250W (910C)，顯著節能。整合AI Core（基於達文西架構）、AI CPU和DVPP模組，支援多任務並行。
- 昇騰950: 採用雙晶片封裝及自主研發的HBM記憶體。基於FP8的運算能力約為Nvidia H200的一半。採用中芯國際N+2（7nm）製程，晶片面積約為910C的65%，主要受限於良率問題，限制在「半光罩」尺寸（約400-429平方毫米）。
- 軟體生態: MindSpore與CANN深度優化，支援從CUDA到CUNN的無縫轉換，降低開發者遷移成本。CANN支援ACL介面，可自定義高性能算子。
- 寒武紀思元系列 (Cambricon MLU):
- 思元370: 寒武紀首款採用chiplet（芯粒）技術的AI晶片，基於7nm製程，集成了390億個晶體管，最大算力高達256TOPS(INT8)。採用寒武紀最新智能晶片架構MLUarch03，支援FP32、FP16或BF16計算任務。
- 思元270: 採用寒武紀MLUv02架構，處理非稀疏AI模型的理論峰值性能提升至上一代思元100的4倍，達到128TOPS(INT8)；兼容INT4和INT16運算，理論峰值分別達到256TOPS和64TOPS；支持浮點運算和混合精度運算。
- 壁仞科技BR100:
- 於2022年發布，採用7nm製程，集成770億晶體管，使用Chiplet與2.5D CoWoS封裝技術。
- 峰值算力創全球紀錄，16位浮點算力達到1000T以上、8位定點算力達到2000T以上，單晶片峰值算力達到PFLOPS級別。
- 採用自主原創的「壁立仞」晶片架構，以數據流為中心，優化數據流，解決數據搬移瓶頸和並行度不足問題。
- 引入壁仞科技原創定義的TF32+數據精度，提供比Nvidia TF32更高精度與吞吐性能。
- 配套原創異構計算平台BIRENSUPA。
🔮 前景展望AI analysis grounded in cited sources
中國AI晶片市場將加速本土化，Nvidia的市場份額難以恢復至制裁前水平。
美國持續的出口管制和中國政府的強制國產化政策，將促使更多中國企業轉向本土晶片供應商，即使Nvidia的降級版晶片獲准出口，也難以改變這一趨勢。
中國本土AI晶片廠商將在AI推論市場取得主導地位，並逐步提升在訓練市場的份額。
國產晶片在推論任務上已具備競爭力且成本效益高，加上政府支持和大型科技公司的採購，將鞏固其在推論市場的地位；同時，透過軟硬協同和技術迭代，國產晶片正努力克服訓練瓶頸。
中國AI晶片供應鏈的瓶頸將從單一晶片性能轉向高頻寬記憶體（HBM）和先進封裝技術。
隨著國產晶片性能的提升，對HBM等關鍵零組件的需求將急劇增加，而這些領域目前仍高度依賴進口，成為新的供應鏈挑戰。
⏳ 時間線
2019-08
華為發布昇騰910 AI處理器，採用7nm增強版EUV工藝和達文西架構，宣稱性能超越Nvidia V100。
2021-11
寒武紀發布思元370，首款採用chiplet技術的AI晶片，基於7nm製程。
2022-08
壁仞科技發布首款通用GPU晶片BR100，採用7nm製程和Chiplet技術，宣稱創全球算力紀錄。
2022-12
寒武紀被美國列入實體清單，台積電斷供7nm代工，被迫轉投中芯國際14nm工藝。
2025-03
螞蟻集團宣稱使用華為AI晶片訓練模型，效能與Nvidia H800相當，成本降低20%。
2025-11
中國政府發布指導意見，要求所有獲國家資金支持的新建數據中心項目只能使用國產AI晶片。
2026-05
Nvidia執行長黃仁勳證實，公司在中國AI加速器市場的市佔率已從約95%驟降至近乎零。
2026-06
字節跳動與天數智芯洽談採購至少5萬張AI晶片用於推論工作，並評估百度昆侖芯。
📎 來源 (23)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： SCMP Technology ↗
每週 AI 簡報
每週一封，可隨時退訂。