在當前全球 AI 競賽中，中國與美國的算力差距成為焦點。近日，DeepSeek 創辦人梁文鋒在一場投資者交流會上，罕見公開談及中國 AI 算力的現狀與未來。他指出，中國與美國的差距主要在資源而非人才，並強調國產晶片替代已出現歷史性窗口期。
現象觀察：中國算力的瓶頸
梁文鋒表示，DeepSeek 現有的算力只能支撐約百億參數量級的模型。若要訓練更大規模的模型，如活躍參數規模達 8,000 億的模型，需要 5 萬顆 NVIDIA GB300 或 20 萬顆華為 950 晶片。這顯示了雙方在算力規模上的巨大落差。
原因剖析：資源差距而非人才問題
梁文鋒進一步解釋，中國在 AI 算力上的瓶頸主要是資源不足，而非人才缺乏。他強調，國產晶片替代已進入關鍵轉折點，特別是華為 Atlas 950 SuperPoD 的性能與價格已可完全取代 NVIDIA GB200 與 GB300 機架系統。他指出，「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，中國在 AI 算力上的差距主要在於資源分配，而非人才不足。華為等國產晶片的崛起，正在逐步打破 NVIDIA 的壟斷地位，但技術積累仍需時間。
影響評估：供應與合作的挑戰
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，驗證模型於中國硬體的運行效果。這些晶片約相當於 4 千張 NVIDIA GPU，雖不足以支撐下代模型，但可以協助華為跑通生態。
趨勢預測：NVIDIA 的 CUDA 生態護城河快速瓦解
梁文鋒認為，NVIDIA 的 CUDA 生態護城河正在快速瓦解。他指出，中國 AI 晶片替代已進入關鍵轉折點，國產晶片的性能和成本優勢日益顯著。他預測，中國有望在一年內擺脫對 NVIDIA 的依賴，實現自主可控的 AI 算力。
此外，梁文鋒提到，DeepSeek 正加碼高品質資料標註，目前瓶頸不僅是資本支出，更多的是時間與積累方面的挑戰。OpenAI 與 Anthropic 在 AI 投入方面起步較早，長期的資料與訓練流程布局仍是 AI 競爭的重要部分。
對一般人來說，中國在 AI 算力上的快速進步，意味著未來的科技競爭將更加激烈。國產晶片的崛起，將為中國企業提供更多的選擇，降低對外依賴。
面對中國 AI 算力的快速發展，讀者不妨思考：在這個變幻莫測的科技時代，如何抓住新的機遇，提升自身的競爭力？
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
中國與美國在 AI 算力上的差距主要在哪裡？
中國與美國在 AI 算力上的差距主要在資源而非人才。中國目前的算力瓶頸是資源不足，而國產晶片的崛起正在逐步解決這一問題。
華為 Atlas 950 晶片的性能如何？
華為 Atlas 950 晶片的性能與價格已可完全取代 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 如何應對算力不足的問題？
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，以驗證模型於中國硬體的運行效果。
※ 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。