中国AI巨龙的「反围剿」：DeepSeek华为芯片集群如何系统性威胁英伟达护城河
中国AI巨龙的「反围剿」：DeepSeek华为芯片集群如何系统性威胁英伟达护城河
2026年9月7日，路透社Breakingviews专栏以一个战意十足的标题发出了最新评论：「China’s AI dragons breathe fire on Nvidia’s moat」（中国AI巨龙吐火，英伟达护城河冒烟）。
这不是情绪化的标题党，而是一个对当下正在发生的系统性变化的冷静描述。
触发这篇评论的事件，是Bloomberg 9月4日报道的一条消息：中国AI实验室DeepSeek计划为其内蒙古1GW数据中心订购至少16万颗华为Ascend 950DT加速器。如果这个订单最终落实，它将成为已知规模最大的华为AI芯片集群——一个装满不是英伟达芯片的巨型AI基础设施。
单独看这个数字，可能只是「中国公司买中国芯片」的常规新闻。但放在2026年全球AI基础设施竞争的背景下，它代表了一个深层的结构性转变：中国AI的算力自主化路径，已经从「探索可能性」进入了「规模化落地」阶段。
这条路，比大多数观察者预期的走得更快。
第一章：出口管制的意外效果
要理解这一切，需要从美国出口管制政策开始。
2022年10月，美国商务部出台了对中国AI芯片的出口限制，将英伟达A100和H100列入管制清单，要求获得许可证才能出口到中国。此后，限制范围持续扩大：针对A800、H800（专为中国市场降档的芯片）的限制，到2023年底也相继实施。到2026年，英伟达在中国市场可以销售的高端AI芯片实际上已经无存。
这个政策的初衷是明确的：通过切断中国AI实验室获取先进算力的渠道，减缓中国AI技术的发展速度，维持美国AI研究的竞争优势。
但政策有一个意想不到的效果：它强制中国AI生态系统加速了算力自主化进程，把本来可能「慢慢解决」的问题变成了「必须立即解决」的战略优先级。
如果英伟达的A100/H100仍然可以随意购买，中国AI实验室的算力路径可能会继续依赖英伟达，华为Ascend的商业化就会更慢、规模会更小。出口管制的「药方」，在短期内确实延缓了中国AI训练能力的扩张；但在中期，它可能加速了中国本土芯片生态系统的成熟。
2023年，华为Ascend 910B以其相对于被限制的A100的性价比开始被部分中国AI实验室采用。2024年，Ascend 910C进入市场，性能进一步提升。2025-2026年，Ascend 950DT的推出标志着华为芯片开始具备承担大规模AI训练工作负载的能力。DeepSeek的16万颗订单，是这条演化曲线的最新数据点。
第二章：16万颗芯片，到底代表多少算力？
让我们把这个数字具体化。
DeepSeek计划在内蒙古建设的数据中心规划算力为1GW（吉瓦），这个规模是极大的——全球目前最大的AI数据中心集群约为100-300MW量级，1GW是业界讨论中的下一代超大规模目标。16万颗Ascend 950DT，如果均匀部署，大约对应500-600MW的芯片算力（其余用于配套基础设施）。
Ascend 950DT的单颗算力（以BF16精度计）与英伟达H100有一定差距——各方评估从「相差20%」到「相差50%」不等，由于中国AI公司的基准测试缺乏透明度，精确数字难以验证。但即使假设每颗Ascend 950DT的有效算力只有H100的60%，16万颗 × 60% ≈ 相当于约9.6万颗H100的算力。
这个等效算力是什么量级？OpenAI训练GPT-4时使用了约2万-3万颗A100（GPT-4时代的旗舰），Meta训练Llama 3 70B使用了约1.6万颗A100。9.6万颗H100等效算力，可以支持训练一个远超当前任何公开模型规模的超大型模型。
当然，现实中训练效率还受到互联带宽、软件栈成熟度等因素影响，华为集群的实际利用率可能低于英伟达集群。但这个量级的数字说明了一件事：中国AI算力的量级问题，已经在很大程度上通过规模弥补了单颗性能差距。
这是「减量替代」逻辑的核心：当你无法买到最好的单颗芯片，你就买足够多的次优芯片，只要软件能充分利用，总算力可以接近。
第三章：DeepSeek的「算法效率」路线与「规模扩张」路线的汇合
DeepSeek在过去一年里以其「用更少算力训练更强模型」的技术路线震惊了业界。DeepSeek-V3和DeepSeek-R1在许多基准测试上与GPT-4o相当甚至更优，但使用的训练算力大约只有OpenAI同等模型的十分之一。
这个成就来自一系列技术创新：混合专家架构（MoE）的高效利用、强化学习训练流程的优化、推理阶段的蒸馏技术，以及为有限算力环境设计的训练策略。
但现在，DeepSeek在算法效率路线的同时，开始叠加规模扩张路线。这意味着什么？
如果同样的训练效率提升，配合10倍或100倍的算力规模，训练出的模型能力将有质的飞跃。DeepSeek-V3在「算法精简 + 有限算力」下已经媲美GPT-4o级别。如果在「算法精简 + 海量算力」的条件下训练，理论上可以达到GPT-6 Astra级别或更高。
这是中国AI基础设施扩张的战略逻辑：不是为了追上当前的英美AI进度，而是建立训练下一代模型的能力。16万颗华为芯片，是为了两年后的模型，而不是今天的模型。
第四章：软件生态——最后也是最难的壁垒
技术分析到这里，我们需要回答一个关键问题：华为芯片的算力量级接近了，但训练大模型还需要软件栈。CUDA生态在训练端的壁垒，在中国市场的语境下是否仍然成立？
答案是：在中国市场，这个壁垒的成立条件正在被逐渐侵蚀。
华为推出了CANN（Compute Architecture for Neural Networks）作为Ascend的软件平台，对标CUDA。CANN目前已经支持PyTorch和TensorFlow的适配层（通过ascend-torch和昇腾扩展），这意味着开发者可以用相对接近CUDA的接口编写Ascend代码。
更重要的是：中国AI生态系统正在主动绕开对CUDA的依赖。百度的PaddlePaddle、阿里的PAI平台、华为自身的MindSpore框架，都是以国产芯片为首选后端构建的，不需要经过CUDA路径。即使DeepSeek的代码库中有CUDA优化，其核心训练框架也已经在做Ascend适配。
换句话说，中国AI生态对CUDA的依赖，不是因为别无选择，而是因为在可以使用英伟达GPU的时候，CUDA是效率最高的路径。一旦无法使用英伟达GPU，这个生态正在积极地向国产软件栈迁移。出口管制加速了这个迁移过程。
这是英伟达CUDA护城河在中国市场面临的最大威胁：这个护城河建立的前提——大量的开发者代码库依赖CUDA——在中国这个「无法使用英伟达」的强制条件下，正在被系统性地拆解。
第五章：「减量替代」的时间线——华为追赶的路有多长？
批评者常常说：华为芯片就算规模再大，性能还是落后英伟达，这个差距无法弥补。
这个批评有一定道理，但忽略了时间轴。让我们看看华为芯片的性能演化：
- Ascend 910（2019年）：主要用于推理，训练能力有限
- Ascend 910B（2022-2023年）：首个被大规模用于中国AI训练的芯片，性能约为A100的60-70%
- Ascend 910C（2024年）：性能进一步提升，部分评估接近H100
- Ascend 950DT（2025-2026年）：被DeepSeek选为16万颗大规模订单的芯片，具体性能数据不完全公开
从910到950DT，约6年时间，华为从「勉强可用的AI训练芯片」演化到「被中国顶级AI实验室选择用于GW级数据中心」的主力芯片。
这条演化曲线是否会继续？受制于台积电代工限制（美国出口管制使华为无法使用台积电3nm/5nm工艺，只能依赖中芯国际的7nm及以下工艺），华为在芯片制造工艺上的差距短期内难以弥合。
但这里有一个关键的分离：制造工艺差距 ≠ 系统级算力差距。
芯片系统设计、内存带宽优化、多芯片互联拓扑、封装技术——这些维度上，华为有更大的自主空间。台积电7nm的华为芯片，如果在架构设计上足够精妙，仍然可以在特定工作负载上超越某些台积电5nm的竞争对手。英伟达H100本身就是台积电4nm工艺，但它的成功更多来自NVLink互联架构和软件栈，而不只是最先进的工艺节点。
路透社的评论正确地指出：「即使华为顶级芯片的单颗算力仍不及英伟达上代产品，中国厂商正在通过规模化部署和本土供应链缩小差距」。这里的「缩小差距」，不只是性能差距，还包括供应链可靠性差距——华为芯片不受出口管制，可以根据需要稳定供应；英伟达芯片即使性能更强，在中国也买不到。
第六章：对全球AI格局的含义——「双轨AI世界」正在形成
DeepSeek的16万颗华为订单，加上此前DeepSeek系列模型的一系列技术突破，正在加速一个「双轨AI世界」的形成：
美国轨道：基于英伟达GPU + CUDA生态 + OpenAI/Anthropic/Google模型，提供全球80%以上国家和地区的AI算力和模型能力支持。这条轨道的特点是：技术性能最高、软件生态最成熟、但受出口管制约束，在中国市场基本缺席。
中国轨道：基于华为Ascend + CANN/MindSpore/PaddlePaddle生态 + DeepSeek/通义千问/文心等模型，服务中国国内AI应用需求，并通过出口和国际合作向全球南方国家输出。这条轨道的特点是：技术性能追赶中、成本优势显著、软件生态建设积极、不受西方出口管制约束。
这两条轨道将在未来5-10年共存，并形成各自的生态系统。参与「中国轨道」的公司将不需要接入CUDA，不需要关心英伟达的生态。这意味着，英伟达CUDA护城河的有效范围，正在缩小为「美国及其盟友市场」。
对英伟达来说，这个市场仍然足够大——美国、欧洲、日本、韩国、台湾、澳大利亚等主要AI市场，加起来占全球GDP的约60%。短期内，这个护城河的经济价值并不会因为中国轨道的形成而崩溃。
但长期来看，这意味着英伟达失去了约20-25%的潜在AI基础设施市场（中国市场），而且这个失去是不可逆的——即使未来出口管制放松，中国AI生态已经建立的本土芯片依赖也不会轻易逆转。
第七章：不对称的博弈——中美AI竞争的真实格局
有一个误区值得纠正：很多人把「中美AI竞争」描述为一场双向的全面战争，仿佛中美两国的AI实力正在全线接近。
实际情况更加复杂。
美国的优势领域：顶尖模型能力（GPT-6 Astra、Claude Fable 5.1级别）、训练效率（英伟达GPU集群利用率）、AI应用的商业化生态（Salesforce Agentforce、Microsoft Copilot等）、AI安全和对齐研究（Anthropic、DeepMind等）。
中国的优势领域：成本效率（DeepSeek系列用更少算力训练高性能模型）、快速部署速度（本土监管流程更短）、特定垂直场景（中文NLP、工业AI、智慧城市）、不受出口管制的算力主权。
仍然存在明显差距的领域：中国在制造工艺（台积电级别的先进工艺不可获取）、高端芯片设计生态（EDA工具链仍有差距）、顶尖AI研究人才（全球顶尖AI研究者仍以美国为主要聚集地）上存在差距。
这不是一场简单的「谁更强」的竞争，而是两个生态系统在各自优势维度上的分化演化。中国不会在2028年在所有维度上追上美国AI；但美国AI也不会在2028年在中国市场内保持其当前地位。两件事可以同时为真。
结语：护城河的冒烟，和它意味着什么
路透社的标题说护城河在「冒烟」，不是在「燃烧」。
这个区别很重要：冒烟意味着有压力、有热度，但结构仍然完整。DeepSeek的16万颗华为芯片、中国算力自主化的加速，是对英伟达护城河的真实压力，但这个压力在2026年秋天还没有产生决定性的结构性突破。
英伟达在美国和盟友市场的主导地位仍然稳固；CUDA生态在可以使用英伟达的市场仍然是事实标准；短期内没有任何竞争者能在这个范围内取代英伟达。
但护城河的「烟」，代表了一个不可忽视的长期趋势：全球AI算力基础设施正在沿着地缘政治的断层线分裂成两个独立生态，而在「中国轨道」这个生态里，英伟达的CUDA护城河从根本上不再成立。
对中国AI来说，DeepSeek的16万颗订单是一个宣告：我们不再等待英伟达，我们正在建立自己的路。
对英伟达来说，护城河已经在冒烟。
而冒烟，是燃烧的序章。
附录一：华为Ascend技术路线的深度解析
理解这场硬件追赶战，需要对华为Ascend的技术路线有更深入的认识。
华为在芯片设计上走的是「达芬奇架构」路线，这是完全独立于英伟达CUDA编程模型的不同架构设计。达芬奇架构的核心单元是「AI Core」，专门为矩阵运算优化，类似于英伟达的Tensor Core但实现方式不同。
Ascend 910系列的主要规格：
- Ascend 910B：峰值算力约256 TFLOPS（BF16），内存带宽约2.0 TB/s，支持HBM2e
- Ascend 910C：峰值算力约320 TFLOPS（BF16），内存带宽约2.4 TB/s
- Ascend 950DT：具体规格未完全公开，但DeepSeek的大规模采购意味着性能满足大型模型训练需求
对比英伟达H100：峰值算力约500 TFLOPS（BF16），内存带宽约3.35 TB/s，支持HBM3。
差距是存在的，但有两个重要的补偿因素：
第一，华为的Atlas集群系统使用私有互联协议HCCS（Huawei Cache Coherency System），可以把多颗Ascend芯片连接成高效的训练集群，与英伟达的NVLink形成竞争。在大规模多机集群场景下，互联效率比单颗芯片性能更重要。
第二，中国AI实验室开发了针对Ascend架构的专用优化技术。DeepSeek在发表其训练方法论的技术报告中，提到了大量针对有限内存带宽和计算能力的算法优化，这些优化既适用于有限的英伟达A800，也适用于华为芯片。适应性强的算法，可以部分弥补硬件性能差距。
附录二：中国AI生态系统的全景——不只是DeepSeek
DeepSeek的16万颗订单吸引了最多关注，但中国AI芯片生态的建设远不止DeepSeek一家。
百度：文心大模型团队使用昆仑芯（由百度系投资）和部分华为Ascend，同时也使用了一些英伟达GPU（在出口管制生效前采购的存量）。百度的飞桨（PaddlePaddle）框架专门针对国产芯片优化，是中国使用最广的自研AI框架之一。
阿里巴巴：通义千问（Qwen）系列在多种硬件平台上训练，包括阿里云自研的含光800芯片、华为Ascend，以及部分英伟达GPU存量。阿里开发了「MaxCompute + 飞天」的分布式训练平台，支持混合硬件集群。
字节跳动：豆包（Doubao）团队对Ascend的采用相对谨慎，仍然大量依赖英伟达GPU存量，同时在布局海外数据中心（新加坡、马来西亚）来突破算力限制。
中小型AI实验室：大量中小型AI公司面临算力困境，不得不依赖国产芯片。这反而成了国产芯片商业化的重要驱动力，「别无选择」带来了真实的市场规模。
这个全景说明：中国AI算力自主化是多条路线并行的系统性工程，不只是一个DeepSeek的单点突破，而是整个生态系统在出口管制压力下的集体适应。
附录三：对全球AI公司的采购策略影响
DeepSeek华为订单的意义，不只局限于中国市场。它可能对全球AI公司的芯片采购策略产生影响：
对英伟达的直接影响：中国市场彻底失去（英伟达已基本退出），这约占英伟达数据中心收入的15-20%。短期内，这个缺口被美国和欧洲市场的旺盛需求弥补，英伟达的总收入并未受损。但中长期，中国市场的技术路线与英伟达解耦，英伟达的软件生态在这个市场从根本上失去了价值。
对AMD的战略机会：AMD在中国市场也受出口管制限制，但比英伟达受到的限制稍少（A800等降档产品曾出口，目前也基本停止）。AMD的机会更多在美国/欧洲市场，以低于英伟达的价格竞争部分AI训练市场份额。
对英特尔的影响：英特尔的Gaudi 3在中国曾有一定出货（相对较轻的管制限制），但随着政策收紧，也基本停止。英特尔目前的AI芯片战略主要聚焦美国/欧洲市场。
对云厂商的影响：AWS、Azure、Google Cloud在中国运营受限，其AI算力服务主要面向非中国市场。这实际上使三大云厂商与中国市场的竞争隔离——他们不需要考虑华为Ascend的算力竞争，只需关注英伟达主导的美国/欧洲市场格局。
附录四：地缘政治学视角——「算力版图」的地理分割
有一个更宏观的框架，可以把DeepSeek的16万颗华为芯片订单放入其中：「算力版图」正在沿着地缘政治边界分割。
这不是第一次技术资产沿政治边界分割：互联网有「防火长城」，半导体供应链有「可信供应商」名单，5G基础设施有「华为是否被允许」的争论。AI算力是下一个被地缘政治标注的技术战略资产。
从「算力版图」的视角来看，世界正在形成三个主要区域：
「美国阵营」：美国、英国、加拿大、澳大利亚（五眼联盟核心）+ 欧盟核心国家 + 日本韩国（半导体盟友）。这个区域使用英伟达/AMD/英特尔芯片，基于CUDA生态，接受美国出口管制规则的约束。
「中国阵营」：中国大陆 + 部分通过「双循环」战略与中国AI生态深度整合的国家（部分东南亚、中东、非洲国家）。这个区域使用华为Ascend + 国产AI框架，访问DeepSeek/百度/通义千问等模型，不受西方出口管制约束。
「中间地带」：绝大多数全球南方国家，既与美国有合作，也与中国有联系，目前倾向于「最低成本最优解」——中国算力云服务（如DeepSeek API）可能因价格优势渗透这些市场，而非美国的Azure/AWS。
英伟达的护城河，在美国阵营是稳固的；在中国阵营是事实上已经消失的；在中间地带，则取决于价格和访问便利性的竞争——这正是「算力版图」分割对英伟达最不确定的战场。
附录五：华为Ascend的软件生态建设——从CANN到MindSpore的全栈布局
软件生态的建设往往是芯片商业化成功与否的决定性因素。华为深刻理解这一点，因此在推出Ascend硬件的同时，构建了一套完整的软件生态体系。
CANN（Compute Architecture for Neural Networks）：这是华为对标CUDA的底层计算平台，为Ascend芯片提供编程接口和算子优化库。CANN 7.0已经支持了大量深度学习算子，并通过适配层支持PyTorch和TensorFlow。开发者可以通过PyTorch的torch_npu扩展直接调用Ascend算力，迁移成本相比直接改写CANN代码大幅降低。
MindSpore：华为自研的深度学习框架，内置了对Ascend架构的深度优化，包括自动并行、混合精度训练、算子融合等。MindSpore是中国高校和科研机构使用率最高的国产AI框架，在学术界的渗透有助于培养未来面向Ascend开发的工程师群体。
ModelArts：华为云的AI开发平台，提供从数据标注到模型训练、部署的全流程服务，底层对接Ascend芯片和CANN软件栈。对于不需要深入底层优化的企业用户，ModelArts提供了接近英伟达A100集群使用体验的「开箱即用」解决方案。
这套软件生态与CUDA相比仍有差距：开源社区规模更小、算子覆盖不完整、特定高性能优化（如FlashAttention、PagedAttention等被广泛使用的CUDA优化算法）的Ascend适配进度参差不齐。但这个差距的方向是收窄的，而不是扩大的。
更关键的是：对于在出口管制后别无选择的中国AI公司，软件生态的「不够完美」是一个可以通过工程努力修复的问题，而算力「买不到」是一个无法修复的问题。这就是为什么，即使华为的软件生态目前在绝对意义上不如CUDA，中国AI生态仍然在积极迁移——因为这是他们「能做到」的那个选项。
华为Ascend软件生态的成熟度，将是决定「中国AI轨道」发展速度的关键变量之一。值得持续关注。
附录六：投资视角——这场博弈如何影响资本配置
中美AI算力竞争的深化，对全球科技投资格局有直接影响，主要体现在以下几个维度：
英伟达的估值模型需要重新校准：如果全球AI算力市场的20-25%（中国市场）正在系统性地从英伟达迁出，英伟达的总体可寻址市场（TAM）需要相应调整。这不意味着英伟达的股价应该下跌25%，因为英伟达在剩余市场的份额可能继续增长；但长期增速预期需要包含中国市场缺失的影响。
华为供应链的投资机会：DeepSeek16万颗订单意味着华为Ascend的量产需求巨大。供应华为Ascend芯片封装、测试、散热、电源管理等环节的中国本土供应商，将迎来稳定且持续的订单增长。这类企业的投资价值在中国资本市场开始获得更多关注。
中国AI应用公司的算力成本降低：随着华为Ascend量产规模扩大、供应链成熟，国产AI芯片的采购价格有望逐年下降，对中国AI应用公司来说意味着算力成本结构的长期改善，有利于AI商业化盈利能力。
全球南方市场的AI基础设施投资：中国算力云服务（以华为云、阿里云、字节为代表）在全球南方国家的渗透，可能开辟一个「不需要通过英伟达」的新市场，这个市场的规模和增速值得持续追踪。
最后的思考：英伟达的危机感与华为的使命感
这场竞争有一个被低估的心理因素：华为的算力自主化，不只是一个商业选择，而是一个关乎国家战略的使命。
英伟达的每次芯片迭代，是为了市场份额和股东回报。华为的每次Ascend迭代，是为了证明中国可以在不依赖美国技术的前提下建立完整的AI基础设施——这是一个关乎「技术主权」的问题，不只是一个关乎利润率的问题。
使命感驱动的竞争者，往往比利润驱动的竞争者更难击败。
这是DeepSeek的16万颗华为订单之外，英伟达需要认真思考的更深层含义。
参考资料
- China’s AI dragons breathe fire on Nvidia’s moat - Reuters Breakingviews，2026-09-07
- DeepSeek said to order at least 160K Huawei AI accelerators for new data center: report - MSN/Bloomberg，2026-09-04
- DeepSeek’s 160,000-chip Huawei order puts PRC law over every API query - MSN，2026-09-05
- Nvidia is bolstering support for Chinese open AI models as it warns of White House crackdown - CNBC，2026-08-27
- NVIDIA (NVDA)’s $20 Billion Groq Bet Goes Live This Year With New AI Racks - Yahoo Finance，2026-09-06