在中美科技競爭日益激烈的背景下，中國 AI 算力能否迅速追趕上美國成為了一個重要議題。DeepSeek 創辦人梁文鋒近日在投資者交流會上，罕見地披露了中國在 AI 算力方面的最新進展與挑戰。
現象觀察：中國算力與美國的差距
梁文鋒指出，中國在 AI 算力方面與美國的差距主要在資源而非人才。他強調，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，所需的資源遠超現有水平。他進一步估算，若要訓練一個活躍參數規模達 8,000 億的模型，需要 5 萬顆 NVIDIA GB300 晶片或 20 萬顆華為 950 晶片，這顯示雙方的算力規模存在巨大差距。
原因剖析：國產晶片的替代窗口期
梁文鋒認為，中國 AI 晶片的替代已經進入了關鍵轉折點。他指出，華為 Atlas 950 SuperPoD 的性能與價格可以完全取代 NVIDIA GB200 與 GB300 機架系統，且「四張華為晶片約等於一張 NVIDIA 晶片」，但整體技術仍落後約兩年。他甚至直言，NVIDIA 的 CUDA 生態護城河正在快速瓦解，中國 AI 晶片的替代已成為可能。
“根據 DeepSeek 的估算，若要訓練一個 8,000 億參數的模型，需要 5 萬顆 NVIDIA GB300 晶片，而華為 950 晶片則需要 20 萬顆。這顯示了雙方在算力上的巨大差距，但也表明中國晶片的替代已成為可能。”
影響評估：供應與合作的現狀
在供應與合作方面，梁文鋒透露，DeepSeek 約有 2 萬顆 NVIDIA H100 等效 GPU，多數是在最近一兩個月內到位，且算力規模仍在快速擴張。此外，DeepSeek 已與華為合作，取得約 1.6 萬張 Ascend 950 卡，這些晶片約相當於 4 千張 NVIDIA GPU，雖然尚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 算力的未來
梁文鋒再提到，DeepSeek 正加碼高品質資料標註，目前的瓶頸不完全是資本支出，更多的是時間與積累方面的問題。他認為，OpenAI 與 Anthropic 更早就開始投入 AI，資料與訓練流程的長期布局仍是 AI 競爭的重要部分。
從產業面來看，中國 AI 算力的追趕之路充滿挑戰，但國產晶片的替代窗口期已現。隨著華為等企業的技術進步，中國有望在未來一年內逐步擺脫對 NVIDIA 的依賴，這將對全球 AI 市場格局產生重大影響。
面對中國 AI 算力的快速崛起，您認為台灣企業和研發機構如何應對？歡迎在留言區分享您的看法。
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。根據 DeepSeek 創辦人梁文鋒的說法，中國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，所需的資源遠超現有水平。
華為晶片能否完全取代 NVIDIA 晶片？
華為 Atlas 950 SuperPoD 的性能與價格可以完全取代 NVIDIA GB200 與 GB300 機架系統，且「四張華為晶片約等於一張 NVIDIA 晶片」，但整體技術仍落後約兩年。
DeepSeek 在 AI 算力方面的最新進展是什麼？
DeepSeek 約有 2 萬顆 NVIDIA H100 等效 GPU，多數是在最近一兩個月內到位，且算力規模仍在快速擴張。此外，DeepSeek 已與華為合作，取得約 1.6 萬張 Ascend 950 卡。
※ 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。
About the Author
