在中美科技竞争持续深化的背景下，中国企业正显著加大对本土AI加速器的投入，英伟达在中国市场的份额预计将进一步萎缩。彭博行业研究7月7日发布的调查报告显示，这一趋势正重塑中国AI基础设施建设格局，并反映出中国推进国产替代的战略正取得实质性进展。

调查覆盖60名来自软件、金融、制造和零售行业的高管。受访企业高管预计，未来12个月内将把46%的AI加速器预算投向本土产品，高于目前的30%。同时，高达80%的受访高管表示，今年AI基础设施总支出已超出预算，主要原因是AI项目成本高企。

这一转变有望利好中国头部AI基础设施建设商及其核心供应商，包括腾讯、阿里巴巴和华为。同时，多家受访企业正对海光信息和寒武纪生产的AI加速器进行评估。报告指出，中国推动本土AI芯片替代外国芯片的努力正在取得进展，这可能利好华为和海光等国内厂商。

尽管英伟达产品仍受欢迎，但其在中国市场的份额正面临收缩压力。此前，中国官方已劝阻部分企业采购英伟达专为中国市场定制的H20芯片，并要求国内科技企业避免购买更先进的H200芯片。

为系统性降低对外依赖，中国计划在未来五年内投入约2万亿元人民币，在全国大规模建设数据中心，并明确要求核心技术（包括AI芯片）至少80%由包括华为在内的本土供应商提供。

然而，报告同时警示，全球高带宽存储芯片（HBM）短缺可能制约中芯国际等企业的扩张步伐，而长鑫存储等本土存储厂商有望在这一结构性短缺中获益。行业竞争的瓶颈正从单纯的算力比拼，逐步转向能否稳定供应支持高速数据传输的高带宽存储芯片。

结合当前AI硬件国产化与全球供应链现实，我谈谈分析：

1. 中国模型（如DeepSeek）算力非常节省，究竟是真实技术突破，还是主要通过蒸馏外国模型实现？

我认为主要是真实的技术与工程创新驱动，同时辅以行业常见的蒸馏/合成数据技术，并非主要依赖蒸馏外国闭源模型。

DeepSeek（尤其是V3和R1系列）在架构层面有明显突破：稀疏MoE（混合专家）设计、高效注意力机制（如MLA）、训练流程与数据优化等，大幅降低了训练和推理所需的计算资源。这使得它在算力受限环境下仍能达到接近国际前沿模型的性能，体现了中国团队在算法效率和系统工程上的扎实积累。

当然，在后训练阶段（特别是R1的推理能力强化），DeepSeek确实使用了知识蒸馏和合成数据生成技术——从自身较强模型或其他开源模型生成高质量思维链（CoT）样本进行微调。但这在全球开源AI社区是标准做法，并非中国独有。

总体判断：DeepSeek的“省”更多来自系统性效率工程，而非单纯“偷”外国模型。它证明了在硬件受限时，软件算法创新能有效缓解算力瓶颈。这也为国产芯片适配创造了有利条件——多家国产加速器已宣布支持DeepSeek模型，形成“国产模型+国产算力”的闭环尝试。

2. 中国企业弃用英伟达GPU，是否能真正绕开CUDA生态，实现硬件与软件的全面国产化？

短期内难以完全绕开，中长期可逐步降低依赖，但“真正”全面国产化仍面临生态瓶颈，进程不会一蹴而就。

英伟达CUDA生态经过近20年积累，拥有海量优化库、工具链、开发者社区和预训练模型，成为事实上的行业标准。迁移成本高、性能风险大，这是全球AI开发者共同面临的现实。

国产方案各有侧重：

• 华为昇腾：通过CANN架构和MindSpore框架构建相对独立生态，已支持较多主流模型，但在易用性和模型覆盖广度上仍有差距。

• 海光信息DCU：采取务实“类CUDA兼容”路径，代码迁移成本相对较低，是当前较为现实的过渡方案。

• 寒武纪等：自研SDK（Neuware），强调训推一体，但开发者基数仍较小。

现实中，许多中国企业采用混合部署策略：关键训练或高性能场景仍使用NVIDIA（或存量硬件），推理和特定政务/云场景逐步转向国产。DeepSeek等高效模型的适配正在帮助国产芯片加速落地。

结论：弃用NVIDIA能有效降低地缘政治和供应链风险，推动国产硬件放量，但软件生态的成熟需要时间和持续投入。完全绕开CUDA并实现无缝替代，预计还需数年努力。海光等“兼容而非硬刚替代”的务实路径，可能是当前最聪明的选择。

3. 因硬件限制，中国企业大量在马来西亚建设数据中心，这一现象的原因及可能产生的影响？

这是美国出口管制下的典型“曲线救国”策略，短期有助于维持AI发展势头，但也带来多重复杂影响。

美国对华先进AI芯片（尤其是高性能NVIDIA GPU）的出口限制，使国内获取充足高端算力困难。国产芯片在超大规模前沿模型训练的成熟度和生态支持上尚未完全跟上。为继续训练大模型，中国部分企业选择在马来西亚等第三国租赁或建设数据中心，利用当地相对不受限的英伟达集群进行训练，再将模型参数带回国内（此前有中国企业工程师携带硬盘赴马来西亚租用NVIDIA服务器训练的报道）。马来西亚的优势在于电力成本较低、土地资源充足、政策支持数字基建，且靠近新加坡，便于区域布局。

^{图：位于马来西亚柔佛州新山市努沙再也科技园区的万国数据中心 由中建三局承建 来源：CNBC}

影响（多维度分析）：

对中国：积极——短期有效补充算力缺口，保障大模型研发进度，避免因硬件短缺导致创新放缓。消极——部分资本和运营资源外流，未从根本上解决国内芯片自主问题；可能在一定程度上降低国内替代的紧迫性压力。

对马来西亚：显著利好。吸引大量中国及全球数据中心投资，推动电力、通信等基础设施升级，创造就业和技术转移机会，助力其成为东南亚AI/数据中心枢纽。但也面临能源消耗激增和环保压力。

地缘政治与供应链：美国已注意到此类规避行为（马来西亚政府正在核查相关案例），未来可能扩大出口管制范围或加强第三方审查，增加不确定性。这也加强了中国与马来西亚的经济联系，但中美博弈可能向东南亚延伸。这也暴露了国内全栈AI能力（尤其是高端GPU + 软件生态）的短板，客观上会倒逼更快迭代。但若过度依赖海外算力，可能延缓国产化进程。数据安全、知识产权保护和跨境合规风险也值得重视。但马来西亚等“中立”国家在全球AI地缘格局中获得新角色，但也可能成为大国博弈的焦点。

总体判断：马来西亚布局是当前硬件限制下的务实选择，为中国AI发展争取了时间窗口，但也再次提醒我们——真正的竞争力最终取决于国内从芯片到软件、从硬件到生态的完整自主能力建设。它是“走出去”多元化的一部分，未来需与国内产能提升形成互补，而非长期替代。