网通社科技快报

美国新规封堵离岸算力 中国AI加速国产芯片集群攻坚

美国于11月16日出台新规,首次将第三国数据中心向中国企业提供的远程算力服务纳入出口管制范围:若关联集群累计总处理性能(TPP)超过1200万且服务于中国实体,须事前申请许可,并设90天过渡期审查既有服务。此举直接封堵了此前依赖新加坡、马来西亚等地云服务商租用A100/H100集群进行大模型训练的“离岸算力”路径——芯片留境外、中国团队远程接入的规避模式失效。核心问题在于,中国AI产业长期依赖英伟达技术生态,即便物理芯片未入境,其架构、指令集、NVLink互联及CUDA软件栈仍受制于人。

国产替代已有多条路线推进:华为昇腾、寒武纪、沐曦、摩尔线程、壁仞等企业推出AI芯片,阿里、百度加速自研基础设施。但差距不在单卡峰值性能(如某厂商宣称FP16达150 TFLOPS),而在系统级能力:千卡集群训练中,因显存带宽、芯片间高速互联、编译器成熟度与故障恢复机制不足,国产方案有效算力利用率普遍不足40%,远低于英伟达的80%以上。

算法优化正部分缓解硬件压力:混合专家模型(MoE)、FP8低精度训练、FlashAttention与模型蒸馏等技术不依赖特定硬件,DeepSeek等实践表明可在有限算力下实现竞争力效果。但前沿模型训练仍需庞大算力支撑,国产芯片在制程、能效比、显存容量等方面仍需突破。

关键路径是构建“算法-硬件”协同演进:以先进算法缓解代差压力,再以国产硬件规模化反哺算法迭代;同时分层优化算力使用——预训练聚焦国产集群验证,微调与推理优先迁移至国产平台,尤其在边缘与端侧争取生态窗口。美国同步强化输出能力,拟将英伟达、微软、OpenAI等20余家列为“国家龙头企业”,打包输出芯片-模型-云服务技术栈,进一步挤压中国空间。算力自主已从技术选项升为产业生存命题,需紧急评估依赖程度、中期攻坚千卡稳定运行、长期构建全链条自主能力。