中國 AI 算力與美國之間的差距究竟有多大？DeepSeek 創辦人梁文鋒日前在投資者交流會上直言，中國 AI 算力的短板主要在資源而非人才，並指出國產晶片替代已經迎來了歷史性的窗口期。

現象觀察：中國算力依賴美國晶片

梁文鋒表示，DeepSeek 目前可用的算力僅能支撐約百億參數量級的模型。若要訓練更大規模的模型，所需的資源遠超現階段可取得的水平。他估算，若要訓練一個活躍參數規模達 8,000 億的模型，需要大約 5 萬顆 NVIDIA GB300 晶片，或 20 萬顆華為 950 晶片，這顯示雙方算力規模的落差非常大。

原因剖析：資源而非人才

梁文鋒指出，中國 AI 算力與美國的差距主要在資源而非人才。他表示，中國在人才培養和技術研發方面並不遜色，但由於資源限制，特別是高端晶片的供應，使得中國在大規模模型訓練上受到了制約。他進一步解釋，華為 Atlas 950 SuperPoD 的性能與價格完全可以取代 NVIDIA GB200 與 GB300 機架系統，「四張華為晶片約等於一張 NVIDIA 晶片」，但整體技術仍約落後兩年。

從產業面來看，中國 AI 晶片的崛起並非偶然。雖然目前技術仍有差距，但在資源和政策支持下，中國有望在未來一年內大幅縮小與美國的差距。建议關注中國晶片企業的技術進步和市場表現。

影響評估：NVIDIA 护城河快速瓦解

梁文鋒強調，NVIDIA 的 CUDA 生態護城河正在快速瓦解，中國 AI 晶片的替代已進入關鍵轉折點。供應與合作方面，DeepSeek 約有 2 萬顆 NVIDIA H100 等效 GPU，多數是在最近一兩個月內到位，且算力規模還在快速擴張。DeepSeek 已與華為合作，取得約 1.6 萬張 Ascend 950 卡，驗證模型於中國硬體的運行效果。這批晶片約相當於 4 千張 NVIDIA GPU，雖不足以支撐下一代模型，但可以協助華為跑通生態。

趨勢預測：中國 AI 晶片的未來

梁文鋒再提到，DeepSeek 正加碼高品質資料標註，目前瓶頸不完全是資本支出，更多是時間與積累方面。OpenAI 與 Anthropic 更早就開始投入 AI，資料與訓練流程長期布局仍是 AI 競爭的重要部分。他認為，隨著中國在 AI 晶片和算法上的不斷進步，未來一年內有望逐步擺脫對 NVIDIA 的依賴。

如果往後推演，中國在 AI 晶片領域的崛起將對全球市場產生重大影響。美國在這一領域的主導地位可能會受到挑戰，而中國企業將在全球競爭中佔有一席之地。

讀者們，面對中國 AI 晶片的快速崛起，你認為這將如何影響全球科技格局？歡迎在留言區分享你的看法。

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

中國 AI 算力與美國的差距主要在哪裡？

中國 AI 算力與美國的差距主要在資源而非人才。中國在人才培養和技術研發方面並不遜色，但高端晶片的供應成為主要制約因素。

華為晶片與 NVIDIA 晶片的性能比較如何？

華為 Atlas 950 SuperPoD 的性能與價格完全可以取代 NVIDIA GB200 與 GB300 機架系統，四張華為晶片約等於一張 NVIDIA 晶片，但整體技術仍約落後兩年。

DeepSeek 目前的算力情況如何？

DeepSeek 目前可用的算力僅能支撐約百億參數量級的模型，若要訓練更大規模的模型，所需的資源遠超現階段可取得的水平。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。