🌍The Next Web (TNW)•較早收集於 16m
中國擬定 2950 億美元計畫建設 AI 資料中心
💡中國大規模推動與 Nvidia 脫鉤的舉措，可能會重塑全球 AI 供應鏈與硬體標準。
⚡ 30-Second TL;DR
有什麼變化
五年內投入 2 兆人民幣（約 2950 億美元）
為什麼重要
此政策轉向可能迫使中國的 AI 開發者轉向國內晶片替代方案，進而可能導致全球 AI 硬體生態系統的分裂。
下一步行動
監控華為昇騰（Huawei Ascend）等中國國產 AI 加速器的效能基準，以評估其在跨境部署中的潛在相容性。
誰應關注：Enterprise & Security Teams
關鍵要點
- •五年內投入 2 兆人民幣（約 2950 億美元）
- •推動 AI 硬體自主化的戰略布局
- •明確目標是在資料中心內逐步淘汰 Nvidia 晶片
🧠 深度解析
Web-grounded analysis with 27 cited sources.
🔑 增強重點摘要
- •中國的AI資料中心擴建計畫由國家發展和改革委員會等關鍵政府機構草擬，並將由中國移動和中國電信等國有電信營運商負責營運與互聯互通。
- •這項高達2兆人民幣（約2950億美元）的投資將主要透過主權債務融資，包括超長期政府債券和國家投資基金，並輔以銀行貸款和私人資本。
- •該計畫是中國今年稍早宣布的「六大網路」計畫的關鍵組成部分，該計畫涵蓋從水、電到運算等關鍵基礎設施的建設。
- •中國政府已於2025年11月發布指令，要求接受國家資金資助的數據中心必須使用國產AI晶片，並對完成度低於30%的項目要求拆除已安裝的外國晶片或取消採購計畫。
- •此藍圖明確要求至少80%的AI晶片及相關設備必須來自華為等國內供應商，並設定在2028年實現全網路整合的目標。
📊 競品分析▸ Show
中國AI資料中心晶片供應商與國際競爭者比較
| 特性/產品 | Nvidia (國際領先者) | 華為昇騰 (中國主要替代者) | 其他中國AI晶片廠商 (部分替代者) |
|---|---|---|---|
| 主要產品 | H100, H200, H20 (中國特規) | 昇騰910B/910C, 昇騰910D (規劃中), 昇騰950 (規劃中), 昇騰920 (規劃中) | 寒武紀思元系列, 摩爾線程 (GPU), 沐曦 (GPU), 海光DCU系列, 燧原科技 |
| 製程技術 | 4nm (H100) | 7nm (910B), 中芯國際N+2 (7nm, 910C/950), 6nm (920規劃中) | 各異，多數依賴成熟製程 |
| FP16算力 | 約480 TFLOPS (H100) | 280 TFLOPS (910B), 約320 TFLOPS (910C, 約H100的60%-70%) | 海光深算二號性能大幅提升 |
| 軟體生態 | 強大且完善的CUDA生態系統 | MindSpore與CANN (類CUDA框架，支援ACL介面，手寫CUNN核心) | 類CUDA軟體生態兼容主流框架 (海光), 積極建立開發者生態 |
| 產品特色 | 高性能、廣泛雲端及AI模型訓練 | 完整自主生態、能效最佳化 (910C功耗約250W), 異構計算支援 | 雲端AI、政府及大型企業 (寒武紀), 圖形渲染、科學計算及AI推理 (摩爾線程), 全棧GPU解決方案 (沐曦) |
| 市場應用 | 廣泛雲端及AI模型訓練 | 雲端AI、政府及大型企業，大模型訓練主要算力底座 | 雲端AI、邊緣AI、特定行業應用 |
| 對比Nvidia | 市場領導者，技術領先 | 性能仍有差距，但憑藉資源整合與在地市場優勢，在中國市場具領先地位 | 單卡性能仍落後一代，轉向差異化策略 |
🛠️ 技術深入
- 華為昇騰910B/910C晶片技術：
- 製程工藝：昇騰910B採用7nm工藝，昇騰910C進一步優化至中芯國際N+2工藝。
- 算力表現：910B的FP16算力為280 TFLOPS，INT8算力為140 TOPS。910C的FP16算力提升至約320 TFLOPS，接近Nvidia H100的60%-70%。
- 能效優化：910C透過動態電壓頻率調整（DVFS）和手寫CUNN核心，功耗降低至約250W，顯著低於H100的700W。
- 架構：基於達文西架構（Da Vinci Architecture），整合AI Core、AI CPU和DVPP模組，支援多任務平行處理。
- 軟體棧：採用MindSpore框架和CANN軟體棧，CANN優化算子調度，支援ACL介面，開發者可自訂高性能算子，並引入手寫CUNN核心針對Transformer模型優化矩陣乘法。
- 互連網路：支援RoCE v2（200Gbps頻寬），採用非均勻Bruck演算法，提升叢集通訊效率。
- 華為昇騰910D晶片：規劃採用4個裸晶片（chip die）設計，性能預計將大幅提升，可能超越Nvidia H100，並可能採用類似台積電CoWoS-L的先進封裝技術。
- 華為昇騰950晶片：採用雙晶片封裝及自主研發的HBM記憶體，基於中芯國際N+2（7nm）製程，FP8運算能力約為Nvidia H200的一半。
- Chiplet（小晶片）技術：中國正探索利用先進封裝技術，將成熟製程的小晶片組合成大算力晶片，以繞過部分光刻機限制。
- RISC-V架構：在AI推理場景中，RISC-V開源架構被視為擺脫x86/ARM授權風險的新路徑。
🔮 前景展望AI analysis grounded in cited sources
中國將顯著提升其在AI晶片供應鏈中的自主性。
國家級的巨額投資與政策指令，要求國有數據中心至少80%採用國產晶片，將強力推動本土供應商的發展和市場份額。
美國對中國的AI晶片出口管制將持續演變，可能出現更精準的限制或有限度的放寬。
美國商務部已多次調整出口管制規則，並曾批准Nvidia H20晶片出口，顯示其政策具有動態調整的特性，以平衡技術領先與市場競爭。
中國AI晶片產業將加速技術迭代，特別是在先進封裝和軟體生態方面。
面對美國的製程限制和Nvidia CUDA的生態優勢，中國廠商將被迫在Chiplet、RISC-V架構及MindSpore/CANN等軟體棧上投入更多資源以實現突破。
⏳ 時間線
2022-10
美國商務部實施針對中國的半導體出口管制，限制先進計算晶片和半導體製造設備的獲取。
2023-10
美國商務部修訂出口管制規則，堵塞漏洞並加強對高性能AI晶片的限制。
2025-04
美國商務部要求Nvidia H20晶片出口至中國須事先申請許可。
2025-07
美國政府批准Nvidia H20 AI晶片對中國出口，以維持Nvidia在中國市場的競爭力。
2025-11
中國政府發布指令，要求接受國家資金的數據中心禁用外國AI晶片，並要求完成度低的項目拆除外國晶片。
2026-01
中國工業和信息化部等八部門發布行動計畫，目標在2027年前實現關鍵核心AI技術的「安全與可靠供應」。
2026-06
中國擬定2950億美元計畫，在未來五年內建設AI數據中心，目標在2028年實現80%國產晶片採用率。
📎 來源 (27)
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： The Next Web (TNW) ↗