來源SCMP Technology•較早收集於 30m
為何中國 AI 仍依賴 Nvidia
#china-ai#gpu-migration#llm-training#semiconductorsnvidia-ai-gpusnvidiacuda
中國 LLM 龍頭仍依賴 Nvidia，因為替換整套軟體堆疊的成本與難度極高。
30 秒速覽
有什麼變化
對中國主要 AI 開發商而言，Nvidia 晶片仍是訓練 LLM 的標準硬體。
為什麼重要
持續依賴 Nvidia 讓基於 CUDA 的工具與成熟 GPU 工作流程，在中國 AI 生態系中仍具長期重要性。國產晶片即使在技術上持續進步，仍面臨軟體相容性與遷移成本的重大差距。
下一步行動
使用 PyTorch Profiler 評估 CUDA 訓練流程，找出移植至國產加速器時需要重寫的核心程式與相依元件。
誰應關注：Researchers & Academics
關鍵要點
- •對中國主要 AI 開發商而言，Nvidia 晶片仍是訓練 LLM 的標準硬體。
- •轉用國產半導體需要大幅重新設計軟體與硬體系統。
- •更換現有 Nvidia 基礎設施的財務成本，正延後中國 AI 硬體轉型。
深度解析
本篇為 AI 生成分析，非原文內容。
增強重點摘要
- •美國商務部持續收緊對華出口管制，特別是針對高階 AI 加速器（如 H100/H200 及後續型號）的禁令，迫使中國企業轉向性能較弱的『特供版』晶片（如 H20），進一步拉大與國際頂尖算力的差距。
- •CUDA 生態系統的軟體鎖定效應（Vendor Lock-in）是中國晶片難以取代 Nvidia 的核心原因，開發者若要遷移至華為昇騰（Ascend）等國產平台，需投入大量人力重寫底層算子與優化框架。
- •中國雲端服務供應商（CSP）如阿里雲、騰訊雲與百度，正透過開發自有的互連技術與異構運算平台，試圖在硬體受限的情況下，透過軟體層面的叢集優化來提升國產晶片的訓練效率。
- •美國政府近期針對 AI 晶片出口的審查範圍已擴大至雲端運算服務，限制中國企業透過海外資料中心租用 Nvidia 高階算力，這使得中國 AI 產業的算力獲取管道進一步萎縮。
- •中國晶片製造商在先進封裝技術（如 CoWoS）的產能瓶頸，導致國產 AI 晶片在良率與大規模叢集擴展性上，仍難以達到 Nvidia Blackwell 等架構的穩定性與效能密度。
競品分析
軟體生態
- Nvidia (H20/H100)
- CUDA (極度成熟)
- 華為昇騰 (Ascend 910B)
- CANN (發展中)
- 寒武紀 (Cambricon MLU)
- 專有框架 (有限)
互連技術
- Nvidia (H20/H100)
- NVLink (高頻寬)
- 華為昇騰 (Ascend 910B)
- 昇騰集群互連 (自研)
- 寒武紀 (Cambricon MLU)
- 基礎 PCIe/自研互連
訓練效能
- Nvidia (H20/H100)
- 業界基準 (100%)
- 華為昇騰 (Ascend 910B)
- 約 60-80% (視模型而定)
- 寒武紀 (Cambricon MLU)
- 視具體算子優化而定
供應狀態
- Nvidia (H20/H100)
- 受出口管制限制
- 華為昇騰 (Ascend 910B)
- 自主供應
- 寒武紀 (Cambricon MLU)
- 自主供應
| 特性/產品 | Nvidia (H20/H100) | 華為昇騰 (Ascend 910B) | 寒武紀 (Cambricon MLU) |
|---|---|---|---|
| 軟體生態 | CUDA (極度成熟) | CANN (發展中) | 專有框架 (有限) |
| 互連技術 | NVLink (高頻寬) | 昇騰集群互連 (自研) | 基礎 PCIe/自研互連 |
| 訓練效能 | 業界基準 (100%) | 約 60-80% (視模型而定) | 視具體算子優化而定 |
| 供應狀態 | 受出口管制限制 | 自主供應 | 自主供應 |
技術深入
- 軟體遷移障礙：Nvidia 的 CUDA 擁有數十萬個優化過的算子庫，而國產晶片需依賴轉譯層（如將 CUDA 代碼轉換為 CANN 算子），此過程常導致 20%-40% 的效能損耗。
- 叢集互連瓶頸：大規模 LLM 訓練需要極高的節點間通訊頻寬，Nvidia 的 NVLink/NVSwitch 架構在延遲與頻寬上仍領先中國國產的 RDMA 解決方案。
- 記憶體架構：Nvidia 採用 HBM3/HBM3e 提供極高記憶體頻寬，中國國產晶片受限於 HBM 供應鏈，多數仍採用 DDR5 或較低規格的記憶體，限制了模型訓練的吞吐量。
前景展望基於引用來源的 AI 分析
中國 AI 產業將出現『算力分層』現象
頂尖模型訓練將被迫集中在極少數擁有庫存或海外算力的企業，而大多數中小型開發商將轉向使用國產晶片進行推理或微調任務。
國產 AI 軟體框架市佔率將顯著提升
為了擺脫對 CUDA 的依賴，中國開發者將加速採用如 MindSpore 等國產深度學習框架，以實現硬體層面的解耦。
時間線
2022-10
美國商務部發布首次針對中國的高階 AI 晶片出口管制，限制 A100/H100 出口。
2023-10
美國擴大管制範圍，限制更多中階 AI 晶片出口，促使 Nvidia 推出針對中國市場的 H20 等特供版晶片。
2024-06
中國主要科技巨頭開始大規模採購華為昇騰 910B，作為 Nvidia 晶片的替代方案。
2025-03
中國工業和信息化部發布指導意見，要求國有企業與 AI 開發商提升國產晶片在算力基礎設施中的佔比。
- 2022-10美國商務部發布首次針對中國的高階 AI 晶片出口管制，限制 A100/H100 出口。
- 2023-10美國擴大管制範圍，限制更多中階 AI 晶片出口，促使 Nvidia 推出針對中國市場的 H20 等特供版晶片。
- 2024-06中國主要科技巨頭開始大規模採購華為昇騰 910B，作為 Nvidia 晶片的替代方案。
- 2025-03中國工業和信息化部發布指導意見，要求國有企業與 AI 開發商提升國產晶片在算力基礎設施中的佔比。
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 ↗
每週電子報
每週一封，可隨時退訂。