作者 | 山竹

出品 | 鋅產業

在飛機經停阿拉斯加加油間隙，拿到了”通行證“的黃仁勛終于匆匆趕到，成了這次中國之旅最后一位登機的乘客。

對于中國市場，英偉達掌舵者黃仁勛有著一肚子的期待和憂慮。

就在前不久的一檔播客節目中，黃仁勛曾公開表示，如果DeepSeek這一中國領先的大模型率先在華為芯片上完成優化并高效運行，將是“對我們國家而言可怕的結果”。

黃仁勛這里提到的“我們國家”指的是美國，在此之前，美國已經禁止英偉達向中國出售“先進的人工智能芯片”，而在黃仁勛給出上述論斷之前，已經有媒體爆出DeepSeek這代旗艦模型V4將全面遷移至華為昇騰950PR。

DeepSeek模型與華為芯片的深度適配正在加速中國本土算力棧的成熟，也在削弱英偉達長期構建起的生態優勢。

這是老黃最不想看到的。

實際上，早在去年黃仁勛就曾多次公開表示，受美國禁令影響，英偉達在中國AI加速器市場的份額已經從約95%驟降至0%，“我們已經100%退出了中國市場。”

與此同時，黃仁勛也一再強調，中國AI的發展“無論有沒有英偉達都會前進”。

從英偉達“退出”中國市場之后，中國AI市場的表現來看，也確實證實了黃仁勛的判斷。

不過，作為全球AI雙主線之一，中國AI市場是英偉達無法放棄的那個市場。

而深知中國AI市場重要性的黃仁勛，也就更需要這次破冰之旅。

01 AI之戰，改變算力格局

在這場全球AI競賽中，中美雙線主戰場格局已經悄然確立。

美國擁有OpenAI、Anthropic等在基礎模型上有先發技術優勢的公司，中國憑借全球最活躍的用戶基礎、海量的數據和最具潛力的應用市場，形成了獨特的后發競爭力。

在用戶、市場、創業團隊三重驅動下，中國大模型迅速崛起，字節跳動豆包、阿里通義千問、DeepSeek，以及中國大模型“四小龍”、“六小虎”共同將國內大模型的熱情具象化。

這其中，2025年初問世的DeepSeek，是中國大模型的一個轉折點，也是全球人工智能技術發展的一個轉折點。

如果說在此之前，全球大模型團隊信奉的是Scaling Law，是暴力美學和大力出奇跡，那么，在DeepSeek問世后，大家開始意識到，原來大模型訓練還有其他路徑。

初代DeepSeek通過重新設計訓練流程、以少量的SFT數據外加多輪強化學習，在提高模型準確性的同時，顯著降低了內存占用和計算開銷，從而極大地降低了大模型的使用成本。

如果說ChatGPT是大模型來臨在西方的一個劃時代標志，那么，DeepSeek則是大模型落地在東方的工程實踐開端。

在此之后，我們能夠看到的是，全球大模型生態像是被加入了一勺“老干媽”，開始興奮起來，智能體在B端開始得到推廣應用，甚至催生出了大模型一體機這樣一類獨特的時代產物。

C端也相繼出現了一些智能體應用，其中成為爆款產品的，一個是由中國團隊孕育而出的Manus，另一個是由美國開發者開發的OpenClaw。

大模型的戰事升級，尤其是大模型從基模訓練到應用落地的轉變，也在悄悄影響著全球算力生態結構。

首先是在大模型傳播鏈路中，相當一部分算力需求從訓練開始向推理開始轉移，市場需要的不再僅僅是高性能的GPU，異構算力成為主流趨勢，這也讓CPU芯片巨頭英特爾迎來了新的轉機；

其次是大模型在國內大型國央企的推廣應用，催生了對國產算力的需求，而英偉達在一紙禁令之下，更是加大了國產算力的需求，華為、寒武紀、中芯國際等在過去兩年里的產能需求不斷攀升，就連國內幾家互聯網巨頭，也在一邊真金白銀在投資國產GPU四小龍，一邊在自研AI芯片。

一場自云計算“去IOE”之后的又一場國產化戰役就此浮出水面，這其中尤以DeepSeek V4遷移至華為昇騰950PR影響最為深遠。

英國路透社在4月底的一篇報道中就曾指出，在DeepSeek V4遷移至華為昇騰950PR消息一經公布后，國內包括字節、阿里、騰訊在內的互聯網巨頭都開始與華為接洽，商談芯片訂單事宜。

這時，距離黃仁勛公開表示英偉達已經（被迫）全面退出中國市場，僅僅只有幾個月。

這樣的替代進程，尤其是開發者與模型廠商逐步轉向本土技術棧，讓英偉達原本基于CUDA建立起的技術護城河，面臨著前所未有的危機。

更重要的是，想要取代英偉達，成為下一個英偉達的，不只有華為，國產GPU四小龍的崛起，無一不是以蠶食英偉達市場份額、乃至取代英偉達為終極目標，這些“中國版英偉達”也將成為英偉達再次回到中國市場的直接競爭對手。

也是英偉達曾經在中國AI芯片市場獨占95%市場份額時，不曾覺得會是威脅的競爭對手。

而在這個英偉達無法進入的全球第二大AI市場，正在構建著一個與英偉達無關的AI生態，這是如今的英偉達無法接受的。

02 英偉達，無法再一家獨大

英偉達，依然是AI算力領域的絕對頭部，甚至沒有之一。

即便是DeepSeek V4用上的華為昇騰950PR，雖然性能已經是英偉達H20的2.87倍，但仍不及英偉達H200。

這也是英偉達曾經能在中國AI市場占據超95%份額的主要原因。

不過，也正是由于英偉達過于強大，甚至比當年的英特爾更甚（英特爾當年尚有AMD“制衡”），尤其是CUDA生態的強大，讓全球科技巨頭對它是又愛又怕。

愛它帶來的算力強大，又怕它一家獨大，自己的命運被這家公司握在手中。

因而，在國外，肉眼可見的是，無論是谷歌、亞馬遜等科技巨頭，還是OpenAI、Anthropic這些AI獨角獸，這些算力應用大戶，或在自研芯片，或在找英偉達之外的供應商進行合作。

不將自己綁定在一家供應商身上，哪怕這家供應商能夠提供全球最好的產品，這似乎成了進入全球產業大分工時代后一個不成文的規定。

尤其是，在算力成本越來越成為頭部科技公司的一項巨額開支時，自研芯片項目提上日程也就順理成章。

例如，谷歌早在2013年就啟動了自研TPU項目，在前不久的Cloud Next大會上，第八代TPU也正是亮相。

值得注意的是，同樣是意識到了智能體規模化應用帶來的推理需求暴增，谷歌在第八代TPU中首次分拆出兩條獨立產品線——用于模型訓練的TPU 8t，以及用于實時推理的TPU 8i。

摩根大通在研報中給出的分析是：

TPU 8t采用Virgo Network fabric將集群擴展到單集群百萬芯片以上，峰值性能約為上一代Ironwood的3倍，旨在壓縮萬億參數級大模型的訓練時間；

TPU 8i采用boardfly網絡拓撲，片上SRAM提升約3倍，核心目標是突破智能體推理在規模化時遭遇的延遲與內存瓶頸。

至于另外一家科技巨頭、也是云計算巨頭，亞馬遜自研芯片始于2018年，隨后幾年發展迅猛，從2025年底AWS CEO Matt Garman在re:Invent 2025上公布的數據來看，AWS已經部署了超100萬顆Trainium系列自研芯片，這項業務每年為AWS帶來了數十億美元的營收。

在2026年4月底新一季的電話會議上，亞馬遜CEO Andy Jassy更是直言稱，亞馬遜自研芯片業務在數據中心領域已經達到全球前三，如果獨立運營，年營收將會達到500億美元。

再看全球AI獨角獸，OpenAI早在2023年就啟動了自研芯片項目，Anthropic則在前不久對外宣布，承諾未來五年向谷歌云支付約2000億美元，用于采購5GW的TPU算力和云服務。

在此之前，風頭已經蓋過OpenAI的Anthropic，分別拿了谷歌、英偉達、亞馬遜的投資，并與三者均保持著AI芯片采購關系。

這樣看來，我們不得不說，當年英特爾能夠容忍AMD的存在，除了可以避免觸及美國反壟斷法律外，某種意義上而言，也為英特爾后來在全球持續擴張自己商業帝國，避免了不少麻煩。

03 英偉達，如何重新匹配中國市場？

再次來到北京，黃仁勛心情極好，在南鑼古巷一路吃了炸醬面、喝了蜜雪冰城，甚至還品了老北京豆汁兒，網上一時間還傳出了黃仁勛南鑼古巷復刻路線。

黃仁勛之所以能有如此好的心情，與他此次作為美國總統中國之行隨行人員取得的成果不無關系。

據路透社援引知情人士消息稱，美國商務部已批準阿里、字節、騰訊、京東、聯想等約10家中國企業購買英偉達H200芯片，每家最高可購買7.5萬顆H200芯片。

對于英偉達而言，這無疑是一個天大的好消息。

我們在前文中提到過，即便是現在，英偉達H200依然是一顆很能打的芯片，也是國內不少科技巨頭曾經夢寐以求的芯片。

然而，這時這顆芯片在補齊進入國內市場的手續后，國內科技巨頭或許要面臨另一個頭疼的問題。

能買到H200，要不要買？

當然要買。

但買來后，該如何使用呢？

我們在前文中也提到過，為了降本增效，國外科技巨頭都在自研芯片，如果再看國內市場，在經歷過芯片禁令后，國內科技巨頭自研芯片的動力更甚。

百度自研芯片早在2011年就已經開始，當時同樣是為了降低芯片使用成本，阿里自研芯片則是從2018年開始，如今在國內AI算力熱潮中，兩家公司不約而同將AI芯片業務分離出來，其中，百度的昆侖芯也即將在港股上市。

那么，國內科技巨頭自研芯片布局，會對英偉達帶來怎樣的影響呢？

如今的模型與AI芯片的優化是雙向的，大模型的訓練與推理需要與具體芯片架構深度磨合，模型開發者會針對芯片的內存帶寬、Tensor Core、互聯拓撲、量化支持等特性進行優化，包括算子融合、并行策略、混合精度等。

這反過來也會推動芯片架構針對主流模型負載進行迭代，形成正向循環。

英偉達CUDA的成功，正是因為它與全球領先模型共同演化，積累了海量優化庫和最佳實踐。

更進一步的是，芯片研發路徑有時會出現“模型驅動定制”的獨特模式——針對特定大模型或負載場景，開發專用優化甚至定制芯片能極大提升能效和性能，谷歌在第八代TPU中拆分出針對訓練和推理場景的芯片也是類似的原因。

正因如此，如果英偉達長期缺席中國市場，必將無法參與中國領先模型的聯合打磨，無法在這一全球最大應用市場積累針對性優化，這將導致其芯片在未來中國場景下的競爭力下降。

優秀的模型也能反向驅動芯片架構演進，而本土模型-芯片的閉環迭代或將催生出更適應中國數據和應用的新路徑。

這一路徑背后的邏輯是：

中國擁有全球約一半的AI研究人員、龐大的終端消費者和產業場景，應用創新速度極快，DeepSeek等模型的低成本高性能路徑，進一步降低了AI落地門檻，讓更多中小企業和行業參與了進來，算力需求隨之從集中訓練擴展到分布式、邊緣與智能體持續運行，這要求芯片不僅性能強大，還需成本可控、易部署和生態友好，國產算力方案正是圍繞這些需求在演進。

實際上，諸如DeepSeek V4率先在華為昇騰950PR上實現生態適配這樣的國產模型率先在國產芯片上適配的模式，未來或將不是個例。

在這樣的局面之下，英偉達如何在國內繼續保持自己的生態優勢，成了一個值得黃仁勛思考的問題。