华为到底行不行？人民大会堂现场，面对全球记者，英伟达CEO黄仁勋直接给出了答案。而更让人震惊的是，IDC最新数据显示：华为昇腾第一季度出货量已经超过英伟达，中国AI芯片国产份额从0%飙升至41%。
 
人民大会堂那天的灯光很亮。记者抛了个问题给黄仁勋：英伟达会不会把芯片卖给华为？
 
他停了一下，表情有点微妙，然后说：“真是一个奇怪的问题。”
 
说完这七个字，就在随行人员的簇拥下快步离开了采访区，没再多停留。
 
为什么说“奇怪”？倒也不是礼貌不礼貌的问题，更像是，这个问题本身已经不太成立了。
 
2020年前后，英伟达在中国AI芯片市场基本是压倒性的存在，份额一度超过95%。做云计算、训练模型，绕不开它的A100、H100，很多公司就是“能用就先用英伟达”，没太多选择空间。
 
那时候的华为，在AI算力这一块确实还更依赖外部生态，整个行业也普遍认为，这条路就是靠英伟达一路走下去。
 
但后面的变化大家也都看到了。一轮一轮的出口限制下来，高端GPU被卡住，供应链也跟着收紧。外界当时的判断很直接：这基本是断供级别的打击，很多人甚至说中国AI可能要被拖慢好几年。
 
结果走向有点出乎意料。
 
华为没有停在原地，反而是把资源全压了进去，几年时间硬是把昇腾这条线从“能用”推到了“能打”。
 
到现在再回头看，昇腾在国内AI算力市场的存在感已经完全不同了。今年一季度的数据里，国产AI加速卡的份额已经到了四成多，英伟达在中国的比例从高点一路回落到五成出头。

在一些对安全和可控要求更高的行业，比如运营商、金融、政企，华为的占比甚至更高，七八成并不夸张。
 
技术路线也不只是“追赶单卡性能”这么简单。

比如他们的超节点方案，把很多芯片组合成一个更大的计算单元，像CloudMatrix384这种架构，384颗芯片一起协同，强调的是系统级算力和调度能力，而不是单颗芯片的极限参数。
 
在大规模训练场景里，有些测试结果显示，这类集群的有效算力表现已经可以和北美一些同类系统正面竞争，甚至在特定条件下有优势。

具体数字外界说法很多，这里就不展开了，但方向是很清楚的：不是单点突破，而是整体体系在往前推。
 
软件生态这块也在补。华为的CANN在做CUDA兼容适配，尽量降低迁移成本，让一些原本在英伟达生态里的模型和应用可以“搬过来继续跑”。

像DeepSeek这类模型也已经适配昇腾平台，国产模型+国产算力这条链路开始真正跑起来。
 
黄仁勋其实也不避讳谈这个问题。在一些财报电话会上，他提到过出口管制对中国市场的影响，也说过相关限制让英伟达在中国的份额明显下降，甚至接近“基本退出”的状态。

他同时也反复表达过担忧：限制措施可能不会阻止技术发展，反而会促使本地产业链加速成型。
 
但这些判断，在政策层面未必会被完全接受，美国的逻辑很简单，就是通过限制来减缓竞争对手的技术进步，只是现实反馈并没有那么线性。
 
回到那个采访问题，其实黄仁勋的“奇怪”大概就在这里。
 
不是不知道怎么回答，而是如果还用几年前的认知去看这件事，问题就成立；但如果用今天的现实去看，它已经不是“卖不卖”的问题，而是市场结构和技术生态都在重排。
 
说“不能卖”显得被动，说“没必要卖”又不符合现实的商业关系，所以他干脆用一句略带情绪的短句把话截住了。
 
华为和英伟达的关系，也确实从过去的“客户与供应商”，慢慢变成了更直接的竞争关系，在中国市场尤其明显。
 
至于未来怎么走，其实也不需要太早下结论。只是有一点比较清晰：AI这件事已经不只是买硬件了，而是算力、软件、数据、场景一起往前推的系统工程。
 
以前大家问的是“能不能买到卡”，现在慢慢变成了另一个问题，自己的体系能不能跑起来。