在阅读此文前,为了方便您进行讨论和分享,麻烦您点击一下“关注”,可以给您带来不一样的参与感,感谢您的支持。
本文章内容均有可靠的信息来源,相关信源加在文章结尾
2026年11月16日,美国商务部工业与安全局公布先进半导体远程访问新规,并于11月19日刊载联邦公报、生效。这次美国盯上的不只是直接出口到中国的芯片,还包括放在第三国数据中心、通过网络提供给中国企业使用的先进算力。
过去,芯片只要没有直接运进中国,就可能避开部分实体出口限制;现在,美国连芯片最终由谁使用、提供了多少算力都要纳入审查。这意味着美国对华AI封锁正在从芯片实物延伸到算力服务。
短期内,中国大模型训练成本可能进一步增加,但真正决定这场竞争走向的,是国产算力能不能建立起一套自主、稳定、可规模化的产业体系。
美国这次卡的不是芯片,而是芯片背后的算力使用权
这项新规最值得关注的,是美国把第三国数据中心也纳入了监管范围。
按照美国商务部公布的规则,当受控先进计算产品被用于向总部或最终母公司位于中国等受限制地区的企业提供算力,并达到规定的性能门槛时,相关出口、再出口或境内转移就可能需要取得许可。
其中一个关键数字是1200万Aggregate TPP,也就是总处理性能门槛。有行业媒体依据英伟达公开规格换算,这一门槛大约相当于750张英伟达H100/H200 GPU的计算性能。美国还规定,多个通过数字网络连接的数据中心可以合并计算,避免企业通过分散部署来规避监管。
更值得注意的是,美国还将印尼、马来西亚、新加坡、泰国和巴西纳入部分先进半导体出口、再出口及境内转移的新增许可管理范围。
这并不是对五个国家全面禁止出口芯片,而是提高相关交易的审查要求。对于新规生效前已经提供的部分相关算力服务,美国设置了90天申请许可的过渡期。
在我看来,这次限制真正针对的是中国企业获取海外先进算力的渠道。过去美国重点管芯片能不能运进中国,现在又开始追踪芯片放在第三国以后究竟由谁使用。
数据中心、云服务商和芯片供应商都要承担更高的合规压力,即使第三国拥有先进芯片,也未必愿意冒着违规风险向中国企业提供服务。
中方已经明确表达反对立场,2026年11月17日,外交部发言人郭嘉昆指出,美方滥用出口管制,干涉中国与其他国家正常贸易和科技合作,属于典型的经济胁迫和“长臂管辖”,中方将采取必要措施维护自身正当权益。
同日,商务部表示强烈不满、坚决反对,并明确指出,如果美方一意孤行,中方将采取反制措施。这说明,美国的限制已经不只是企业之间的商业问题,而是进一步影响全球AI算力产业链的政策问题。
真正承受压力的,是需要大量算力训练模型的企业
要理解这项新规的冲击,必须分清训练和推理, 训练,就是让大模型通过海量数据和计算不断调整参数,提高模型能力;推理,则是模型训练完成后,接受用户指令并给出答案。
大家平时使用豆包、Kimi等产品,主要接触的是推理服务,而模型能力的提升,需要持续进行训练和迭代。
大规模模型训练需要大量芯片并行工作,对显存容量、HBM带宽、芯片互联和集群调度都有很高要求。部分中国模型企业过去在训练阶段使用海外先进芯片,推理阶段逐步转向国产芯片,这是一种现实的技术选择。
现在美国把第三国数据中心的远程算力也纳入许可管理,受到影响的就不只是芯片采购,还包括通过海外云平台获得算力的方式。
尤其是独立模型公司,它们不像大型互联网企业那样拥有充足的资金和自建数据中心的能力,很多企业需要向外部服务商租用算力。
一旦海外算力渠道收窄,企业面临的就是成本增加、供应不稳定和研发周期拉长。更麻烦的是,芯片迁移不是简单换一套硬件。算子、编译工具、通信库、内存管理和训练框架都要重新适配,需要投入大量工程人员和时间。
说白了,模型训练不是完成一次就结束了。一个大模型要保持竞争力,需要持续进行预训练、微调、强化学习和各种实验。
算力不足,受到影响的可能是后续一连串研发计划。美国希望通过收窄先进算力渠道,增加中国企业训练前沿模型的难度,这种政策意图相当明确。
美国能够提高企业获取算力的成本,却不能直接决定中国模型的技术上限。关键在于,我们能否把过去依赖外部芯片的部分训练任务,逐步迁移到国产算力体系中。
国产超节点已经找到一条绕开单卡差距的路
2026年7月9日,广东韶关上线粤港澳大湾区首个“国芯训国模”昇腾万卡智算集群,采用华为昇腾910C加速卡,部署30个超节点,总计11520张卡,总算力达到9000P(FP16)。
这意味着国产芯片已经能够组成万卡规模的计算系统,并开始承担大模型科研和产业应用任务。
DeepSeek的进展也值得关注,2026年4月24日,DeepSeek发布V4预览版,华为方面宣布昇腾超节点支持V4系列模型适配,并参与相关训练工作。
9月30日,DeepSeek又宣布开源面向昇腾平台的基础设施组件,涉及编译工具、计算库和分布式通信库。
这件事的意义在于,国产芯片不再只是承担相对成熟的推理业务,也开始进入模型训练环节。模型企业与芯片企业之间的合作,正在从简单的硬件兼容向底层软件、计算架构和开发工具协同发展。
华为也在持续推进超节点技术,2026年9月17日,华为全联接大会上,汪涛发布昇腾960超节点,最高支持4096张算力卡,通过高速互联、统一内存管理和液冷等技术,提高大规模计算系统的整体效率。
为什么超节点这么重要?因为AI训练不能只看单张芯片有多强。几千张芯片同时工作,需要不断交换参数和数据,如果芯片之间通信速度跟不上,即便计算能力很强,也可能因为通信瓶颈浪费大量资源。
超节点的思路,就是把多张芯片组织成一个协同计算系统,通过高速互联和统一调度,尽可能发挥集群整体性能。中国目前的技术路线,正是尝试通过系统架构创新,弥补部分单卡性能差距。
同样在2026年9月17日华为全联接大会期间,华为轮值董事长徐直军在媒体问答环节表示,昇腾AI计算产品需求已经超过自身产能,昇腾950DT正在推进,更多开发者预计从2027年开始使用相关系统进行模型训练。
这就说明,国产算力已经找到了一条可行的技术路线,但还没有完全解决规模化供应问题。
真正的胜负手,是把整个国产算力产业链打通
国产AI算力目前最需要补齐的短板之一,就是高带宽存储器HBM。它负责在AI芯片和内存之间高速传输数据,是大模型训练不可缺少的关键部件。美国在2024年12月进一步加强对先进HBM和半导体制造设备的出口管制,使中国企业获取相关产品的渠道受到限制。
2026年10月28日,路透社援引匿名知情人士报道,长鑫存储已经向国内AI芯片设计企业送出HBM3E样品,并计划推进小规模生产。
报道提及,样品良率约为20%至30%,SK海力士良率大约70%,该数据均为消息人士估算,两家企业均没有官方确认。这说明国产高带宽存储已经取得进展,但距离国际领先厂商的成熟水平还有差距。
先进制造同样是难题,先进制程涉及光刻、刻蚀、薄膜沉积、检测和封装等多个环节,任何一个关键环节受限,都可能影响整体产能。由于EUV光刻设备获取受限,部分先进工艺需要通过DUV多重曝光等方式推进,工序增加,也会带来成本和良率控制压力。
除此之外,还有软件生态。英伟达CUDA经过多年积累,已经形成成熟的开发工具、算子库和开发者体系。国产芯片即使硬件能够运行模型,如果每次迁移都需要大量重写代码、重新调试,企业使用成本仍然很高。
DeepSeek面向昇腾开源基础设施组件的价值,就在于把适配经验沉淀成可复用工具,让更多开发者能够降低迁移成本。
国家层面的布局也在推进。工信部2026年9月印发的信息通信行业发展“十五五”规划提出,有序部署万卡、十万卡及以上智算集群,加大国产算力芯片适配力度,并提出到2030年我国智能算力规模较2025年增长超过5倍。
在我看来,美国这次限制,短期确实会增加中国AI企业获取先进算力的难度,但也会进一步推动国产芯片、存储、制造、封装和软件企业形成合力。美国芯片企业也可能因此失去中国市场的一部分客户和开发者生态。
不过,市场空间能否转化为国产产业的长期红利,最终还得靠产品性能、稳定性和规模化交付来证明。
美国可以增加中国AI发展的难度,却不能替中国决定技术进步的上限。国产算力能否真正形成闭环,才是这场竞争的分水岭。
信息来源: