中國AI大模型仍依賴輝達晶片，國產替代受軟體生態制約
Miles Bennett
中國最先進的AI大模型訓練仍以英偉達晶片為主，切換至國產晶片的核心障礙不在硬件本身，而在軟件生態遷移成本——這意味著北京的晶片自給戰略面臨一道比造晶片更難過的坎。
國產晶片替代走到哪了？
據南華早報援引多位中國大模型開發商內部人士透露，當前訓練最先進AI模型的主力仍是英偉達晶片。
這意味著→ 儘管國產硬件持續進步，實際生產環節的「主角替換」尚未發生。
一位熟悉行業的人士直言：用英偉達晶片訓練大模型，目前在中國AI開發者中仍是常態。
卡脖子的到底是甚麼？
核心障礙不是晶片性能，而是軟件生態。英偉達的CUDA（一套讓開發者調用GPU算力的編程平台）是AI開發的行業標準，絕大多數現有代碼都基於它編寫。
華為的替代方案叫CANN（神經網絡計算架構），而CUDA代碼無法直接在華為昇騰晶片上運行，需要大量重寫和優化。
簡單來說＝ 晶片可以換，但圍繞舊晶片寫的幾百萬行代碼不會自動跟著搬家——這才是真正的遷移成本。
遷移成本有多高？
上海某高校附屬研究機構的AI開發者王傑姆斯估計，將現有工作流遷移至華為昇騰晶片，時間和成本至少增加50%。
這意味著→ 對資源有限的團隊來說，「用國產晶片」不只是換一塊硬件，而是要把整條訓練流水線推倒重來。
這反映出一個更深層的問題：晶片架構切換構成的是工程瓶頸，而非單純的採購決策。
接下來看甚麼？
遷移成本能否隨國產軟件生態的成熟而下降，是判斷國產晶片能否實質性替代英偉達的關鍵驗證節點。
簡單來說＝ 硬件追趕是上半場，軟件生態追平才是決賽——目前決賽還沒開打。
Content is for reference only, not financial advice.