中国AI借道东南亚访问NVIDIA算力：出口管制的新漏洞，RASA法案的真实战场
中国AI借道东南亚访问NVIDIA算力：出口管制的新漏洞，RASA法案的真实战场
2026年8月19日，CNBC发布独家报道，援引白宫官员信源：中国AI公司正在通过东南亚数据中心远程访问NVIDIA最先进的GPU算力，系统性绕过美国出口管制。
报道点名的公司是Moonshot AI——一家中国前沿AI实验室，其通过泰国设施使用NVIDIA GB300芯片（目前出口管制清单上的型号）进行AI训练和推理。白宫官员认为这是一个已知的、有规模的模式，而不是个例。
这个事件揭示了一个让华盛顿政策制定者陷入困境的根本问题：出口管制可以控制芯片的物理流向，但当算力可以通过网络传输时，控制物理所有权是否还有效？
事件本身：Moonshot AI与泰国数据中心
什么是GB300
NVIDIA GB300是Blackwell架构最新一代的数据中心GPU，拥有远超上一代的AI训练和推理性能。由于其明显的军事转用潜力，美国商务部将GB300列入出口许可证要求名单，对中国实体的出口受到严格限制。
东南亚的「中间地带」
但有一个漏洞：美国出口管制控制的是物理出口——谁拥有芯片。它没有控制的是算力访问权——谁可以通过网络使用芯片。
运作方式如下：
- 东南亚数据中心（泰国、新加坡、马来西亚）可以合法购买和使用NVIDIA GB300——这些国家不在出口管制名单上
- 中国AI公司（如Moonshot AI）向这些数据中心购买云计算服务，通过API远程访问算力
- 工作负载（AI训练/推理任务）在东南亚数据中心的GPU上实际执行，但受益者是中国公司
这在技术上完全合法——数据中心合规购买了芯片，提供的是商业云计算服务。美国现有法规没有禁止中国公司购买东南亚云服务。
RASA法案：已过众议院，参议院搁置
白宫和国会已经意识到这个漏洞。《远程访问安全法》（Remote Access Security Act，RASA）旨在将出口管制扩展到算力的远程访问，不只是物理芯片的所有权。这项法案已经通过众议院，但在参议院尚未排上议程。
参议院的搁置不是技术问题——是政治问题和产业游说问题。
结构性漏洞：为什么这个问题很难解决
RASA法案面临的挑战，揭示了这个监管困境的深层结构：
区分「合法跨境云计算」和「规避管制的算力访问」从技术上极难
企业跨境使用云服务是正常商业行为。一家中国企业使用AWS的新加坡区域存储数据，与Moonshot AI使用泰国数据中心训练AI模型，在网络层面的表现可能没有本质区别。
如果RASA要求监控所有来自中国IP的远程GPU访问，意味着：
- 云服务提供商需要对客户进行实质审查（不只是身份验证）
- 东南亚数据中心运营商需要成为出口管制的执行者
- 技术上需要能够追踪算力的「最终用途」，而不只是「访问者身份」
这些要求不是不可能，但代价巨大，而且会严重影响正常的跨境商业活动。
NVIDIA的两难
NVIDIA在这个问题上处于典型的两难困境：
一方面，其芯片被用于规避出口管制，可能引发监管风险；另一方面，限制东南亚数据中心对NVIDIA芯片的购买（或对使用限制施加压力）会直接损害NVIDIA在这个高增长市场的销售。
Forbes的分析指出，出口管制已经让NVIDIA、AMD和Intel在中国市场的长期地位受损。进一步扩大限制，可能在东南亚市场制造新的负面影响。NVIDIA的选择是：合规但不过度配合执法扩张，这是跨国公司在地缘政治夹缝中的标准操作。
东南亚国家的立场
泰国、新加坡、马来西亚等东南亚国家，都在积极吸引数据中心投资——这是其AI经济战略的重要组成部分。让本国数据中心成为中美科技战的监管前线，与这些国家的经济利益直接冲突。
因此，即便RASA通过，要将执法扩展到东南亚数据中心，还需要与这些国家谈判双边或多边协议——这是一个漫长的外交过程。
中国的双轨战略
Moonshot AI通过泰国访问GB300，不是中国AI算力战略的全貌，而是其中一个维度。更完整的图景是中国的双轨算力战略：
轨道一：自主研发 华为昇腾910C、DeepSeek的本土优化训练技术，代表了「算力自主」的路线。这条路的目标是：即便完全切断外部算力来源，中国AI仍然能运行。
轨道二：外部算力获取 通过东南亚云访问、允许少量H200入境等方式，在自主研发成熟之前，尽可能获取最先进的算力资源。
这两条轨道并行运作——自主研发是长期目标，外部访问是短期补充。具体的近期里程碑：DeepSeek于2026年8月13日正式发布V4 Pro，定价为其预算模型的14倍，标志着自主研发路线已具备商业级先进模型的交付能力。与此同时，东南亚访问路线在补充最先进算力方面仍然活跃。美国出口管制的设计，最初主要针对直接购买，对「外部访问短期补充」这个维度的覆盖是盲区。
这也是为什么，单纯升级出口管制的实体清单（不允许销售给特定公司），不能解决根本问题——中国的外部算力获取路径已经通过「可信中间商」（东南亚数据中心）绕过了实体清单的逻辑。
地缘棋局：东南亚成为AI算力的新前线
历史上，「离岸制造」是跨国公司规避贸易限制的经典策略：在税收或劳动力成本更优的地区设厂，产品通过第三方进入受限市场。东南亚成为中国制造业的重要「中间地带」，正是这个逻辑的体现。
现在，同样的逻辑正在数字化：AI算力的「离岸计算」——在没有出口管制的地区布置算力基础设施，服务受到出口管制限制的用户。
这个类比的深刻之处在于，它揭示了算力管制的根本性困难：
制造业的「离岸」可以被贸易政策逐步管控——你可以要求原产地证明，可以对「实质性转变」有明确定义。但算力的「离岸」更像是服务业的全球化——一个程序在哪台机器上跑，本来就没有地理边界，监管需要从「控制实体流动」转向「控制信息流动和服务访问」，这在技术和法律上都是全新领域。
洞察：管制边界的系统性迁移
这整件事最深的含义，不是某一家中国公司绕过了某一条规则，而是出口管制的有效性正在发生系统性的范式迁移。
冷战时期的出口管制，是控制物理物品的流向——核武器材料、军事装备、先进电子器件。这个逻辑在原子时代有效，因为物理物品必须跨越边界才能被使用。
但在AI时代，最有价值的资产不是芯片本身，而是芯片代表的计算能力——而计算能力可以通过网络以接近光速的速度传输。当算力变成一种服务（而不是一件产品），出口管制的物理边界逻辑就开始失效。
RASA法案是第一次尝试填补这个缺口。但即便RASA通过，问题不会消失——它只会推动中国AI公司发展更复杂的访问架构（多跳路由、算力混合使用等），在下一个层面制造新的监管难题。
从「谁拥有芯片」到「谁能用算力」的法律重构
RASA法案如果最终通过并实施，它需要解决一系列前所未有的法律定义问题：
1. 「受控算力」的界定 现有法规的对象是实物商品。RASA必须定义「受控算力访问」——什么样的云计算服务构成受出口管制约束的行为？是特定算力规模？特定芯片型号？特定任务类型（AI训练 vs 普通计算）？
每种界定都有漏洞：如果按芯片型号，中国公司可以使用混合架构（部分受限芯片+部分不受限芯片）；如果按任务类型，AI训练和普通机器学习的边界极难区分；如果按算力规模，可以用分布式小量多次访问规避阈值。
2. 执法主体的问题 谁来执法？美国商务部能对泰国数据中心有管辖权吗？如果要让东南亚数据中心承担合规义务，需要与这些国家签订双边协议——而这些国家的首要利益是经济发展，而不是配合美国的科技战略。
最可行的执法路径是通过NVIDIA和其他芯片供应商——要求它们在向特定地区销售时，合同中加入「不得向受制裁实体提供远程访问服务」的条款。但这需要芯片供应商成为监管的执行者，且面临「知道」与「无法知道」的实际困境。
3. 中间方责任的界定 如果泰国数据中心在不知情的情况下向Moonshot AI提供了服务（比如通过代理商订阅），责任在谁？这和传统出口管制中「中间商」的责任问题类似，但数字服务的中间链条更长、更复杂。
算力外包的更宏观图景
把Moonshot AI的东南亚访问放在更宏观的视角看：这是AI时代「算力离岸外包」的第一个大规模案例，但不会是最后一个。
随着全球AI竞赛加剧，越来越多的国家和公司面临算力可及性问题。当最先进的算力只集中在少数地区（美国主导的云厂商），而需求是全球性的，算力的跨境流动就有了强烈的市场驱动力。
出口管制在这个背景下，与其说是阻止算力扩散，不如说是在降低扩散速度、提高扩散成本。从历史上看，任何技术的扩散管制最终都难以根本阻止——核技术扩散了，互联网技术扩散了，加密技术扩散了。AI算力的管制，可能争取到若干年的战略窗口期，但无法永久阻断。
对政策制定者而言，这意味着：出口管制的价值不在于彻底阻止，而在于为本国的AI发展争取时间优势。而这个时间优势，正在被「算力离岸」策略系统性地侵蚀。
这是一场算力访问边界与监管跟进速度之间的永久性竞赛。RASA法案是这场竞赛中美国的一次移动，中国的下一次移动，已经在进行中。
参考资料：