深度求索梁文鋒評算力發展稱華為晶片一年內有望平替輝達產品

中國人工智慧新創企業深度求索創辦人梁文鋒近日針對底層算力硬體發展提出預測。他在受訪時明確指出，中國本土企業華為旗下的晶片產品，預計在一年內就能達到足以「平替」美國輝達（NVIDIA）晶片的水準。這項針對中美兩大晶片陣營技術落差的具體時間表，涉及了中國人工智慧產業在面臨美國出口管制下的供應鏈重組現況。

事件的討論起點源自於近期一則關於梁文鋒的訪談紀錄。梁文鋒在訪問中被問及當前訓練大型語言模型所面臨的硬體瓶頸。他坦言，受制於美國的晶片出口禁令，獲取高端輝達圖形處理器（GPU）的難度與成本不斷攀升，但他對中國本土算力的發展速度抱持高度信心，並給出了「華為晶片一年內可以平替輝達」的結論。

此言論隨後被轉發至微博等社羣平臺，並迅速擴散至各大科技論壇。輿論與業界之所以對這項預測進行拆解，核心在於梁文鋒的公司深度求索及其開源的大型語言模型，在過去一年內對全球人工智慧產業造成了實質的技術衝擊。因此，當該公司的領導者對基礎硬體的演進給出具體時間表時，具備較高的產業參考價值。

回顧這波算力供應鏈重組的背景，美國商務部工業與安全局（BIS）自2022年起多次收緊對中國的高階半導體與人工智慧晶片出口限制。包括輝達H100、A100以及隨後推出的降規版H800、A800等運算晶片，皆陸續被列入禁止輸往中國的清單。此舉迫使中國本土的雲端服務提供商與大型人工智慧實驗室轉向尋求替代方案。

在此情境下，華為的昇騰系列晶片成為中國業界目前最具規模的硬體選項。2023年底，華為發布了新款昇騰910B處理器，在部分基礎運算效能指標上被業界視為能與輝達A100一較高下。然而，要達到梁文鋒口中的全面「平替」，仍需克服多面向的工程挑戰。

針對「一年內平替」的技術可行性，產業內部存在多種不同尺度的衡量標準。根據多方硬體測評機構與開發者社羣的數據資料，硬體替代的難易度取決於應用場景。在推理階段，即模型訓練完成後提供用戶問答服務的階段，華為晶片憑藉較佳的能源效率比與在地化供應鏈，已初步具備承接大規模商用流量的能力。

相較之下，前置的大型語言模型訓練階段對叢集運算能力、記憶體頻寬以及軟硬體生態系的整合要求極高。輝達長期建立的CUDA（Compute Unified Device Architecture）平行運算平臺，擁有極深的開發者護城河。這意味著華為不僅需要提升單一晶片的物理運算速度，更需要確保其CANN軟體架構能無縫轉移現有基於輝達平臺的程式碼。

市場研究機構集邦科技（TrendForce）先前的供應鏈調查指出，中國大型雲端業者如騰訊、百度與阿裏巴巴，為了降低斷供風險，已大幅增加向中國本土晶片製造商的採購比例。這與我們先前觀察到的寶勝國際公告終止與耐克線上合作事件有相似的產業鏈重組邏輯，大企業正透過切割或分散單一供應商依賴，來重構自身的業務安全感與營運韌性。

檢視深度求索自身的發展歷程，該團隊在有限的高端算力資源下，透過演算法的創新實現了模型效能的突破。其開發的DeepSeek-V2與DeepSeek-V3模型採用了全新的多頭潛在注意力（MLA）架構，大幅降低了訓練過程中的顯存佔用與運算量。這種以軟體工程最佳化來彌補硬體效能劣勢的策略，某種程度也驗證了在非頂級輝達硬體叢集中，依然能訓練出達到國際第一梯隊水準模型的可行性。這也為華為等本土晶片爭取了寶貴的追趕時間。

從更宏觀的跨國企業動態來看，外國企業對中國本土算力的態度也正發生細微變化。部分跨國科技巨頭為了符合當地數據合規要求或節省營運成本，在中國境內提供的服務已開始評估或小規模導入中國本土晶片。這種地緣政治與商業成本的雙重考量，加速了中國本土算力生態系的成熟。這與日前小鵬汽車表態規劃進軍北美市場所顯示的跨國佈局策略相似，全球科技產業正在各國政策壁壘與市場效率之間，尋求全新的平衡點與商業模式。

然而，半導體實體製造的限制依然是客觀存在的物理關卡。目前華為的昇騰系列晶片主要由中國本土代工廠中芯國際（SMIC）生產。受限於極紫外光（EUV）微影設備的取得禁令，中芯國際目前多仰賴深紫外光（DUV）多重曝光技術來達成先進製程。這導致晶片生產的良率受限與單位成本偏高，直接制約了大規模部署算力叢集的經濟效益。

針對良率與產能問題，供應鏈內部訊息存在顯著出入。部分證券分析師樂觀估計中芯國際的先進製程良率已在過去一年內取得關鍵突破，能夠支撐華為未來一年的出貨目標。另一方面，國際牛渤爾市場研究機構的報告則指出，在缺乏EUV設備的情況下，量產7奈米或更先進節點晶片的良率極難超越業界標準，這將成為限制中國算力指數型增長的實體瓶頸。

華為官方對於其晶片業務的具體出貨量與良率數據始終保持不公開的態度，從未對外公開發布過昇騰910B或後續產品的精確銷售數額與效能跑分。這使得外界極難單從官方數據精確評估所謂「平替」的進度。

除了硬體良率，散熱與叢集串聯技術也是決定算力規模的關鍵。大型語言模型如GPT-4或同級別模型的訓練，動輒需要數萬張加速卡進行同步運算。輝達的InfiniBand網路技術在低延遲與高頻寬傳輸領域長期佔據主導地位。華為雖然具備通訊網路設備的深厚基礎，並推出了一系列叢集網路解決方案，但要讓數萬張本土加速卡構成的叢集，在連續數個月的模型訓練期內保持極低的當機率與極高的傳輸效率，仍需經過海量且長期的實戰測試。

針對梁文鋒的預測，輝達方面並未發表直接回應。輝達執行長黃仁勳先前面對媒體詢問時曾數度公開表示，中國是人工智慧領域極為重要的市場，本土競爭對手的出現是必然的現象。輝達的策略是持續推出效能更強、符合美國出口管制規定的降規產品，如專為中國市場設計的H20晶片，藉此維持市場佔有率並保留開發者生態系的使用者黏著度。

從市場實際採購數據觀察，目前中國市場呈現輝達特規晶片與本土晶片並存的雙軌狀態。對於資金充裕且對算力極致效能有高度需求的大型企業，依然會想盡辦法透過各種管道採購輝達H20或更高階的特規晶片。對於預算有限、受制於採購合規性要求或基礎推理需求的企業，採用華為等本土晶片已成為主流的降本增效方案。

梁文鋒的「一年平替論」能否如期兌現，仍需等待時間與後續產品迭代來驗證。但可以確定的事實是，這場圍繞著先進算力的供應鏈重組，已深刻改變了全球半導體產業的競合格局。各家企業皆在有限的硬體資源與演算法創新之間，尋求自身在下一波人工智慧浪潮中的立足點。