黃仁勳談顯卡被禁售：中國會支持自己技術華為創下最佳業績

💡NVIDIA 中國 GPU 限制推動 AI 基礎設施轉向華為—供應鏈規劃關鍵（32字元）

⚡ 30-Second TL;DR

有什麼變化

NVIDIA 推出針對中國 AI 市場的 H20 和 H200 GPU

為什麼重要

這預示中國 AI 晶片本土化加速，可能提高區域 AI 團隊使用 NVIDIA 的成本並限制存取。從業人員或需轉向華為昇騰等替代方案進行訓練。

下一步行動

針對中國合規 AI 訓練工作負載，基準測試華為昇騰 910B 對比 H20。

誰應關注：Enterprise & Security Teams

AI-generated analysis for this event.

•NVIDIA 為了符合美國商務部出口管制規定，針對中國市場推出的 H20 晶片在記憶體頻寬與算力上進行了大幅度閹割，導致其在處理大規模語言模型訓練時的效率顯著低於國際版 H100。
•華為昇騰（Ascend）系列晶片（如 910B）已逐漸成為中國本土 AI 算力基礎設施的核心，並透過與中國軟體生態（如 MindSpore 框架）的深度整合，降低了對 NVIDIA CUDA 生態系統的依賴。
•美國政府對高階 AI 晶片的出口限制已促使中國雲端服務供應商（CSP）加速轉向「去 NVIDIA 化」策略，將採購預算轉向國產晶片，以規避未來可能進一步收緊的制裁風險。

📊 競品分析▸ Show

特性	NVIDIA H20 (中國特供版)	華為昇騰 910B	備註
算力 (FP16/BF16)	約 148 TFLOPS	約 280-300 TFLOPS	華為在理論算力上具優勢
記憶體頻寬	900 GB/s	1200 GB/s	華為記憶體頻寬更高
生態系統	CUDA (強大但受限)	CANN/MindSpore (本土化)	NVIDIA 軟體優勢仍存
供應穩定性	受美國出口管制影響	自主可控	華為具備供應鏈韌性

•NVIDIA H20 採用 Hopper 架構，但為了符合美國出口管制（針對算力密度與傳輸速率的限制），其互連頻寬（NVLink）被大幅削減，限制了多卡並行運算時的擴展性。
•華為昇騰 910B 採用達芬奇架構（Da Vinci Architecture），專為矩陣運算優化，特別是在處理 Transformer 模型時，其硬體加速單元能提供較高的能效比。
•中國本土晶片廠商目前面臨的主要技術瓶頸在於先進封裝技術（如 CoWoS）的產能限制，這影響了高頻寬記憶體（HBM）與運算晶片的整合效率。