美国对华AI的封锁，正从单一芯片禁运演变为覆盖硬件、模型、知识产权的全栈式“脱钩”。
当地时间4月1日，美国商务部国际贸易署正式启动“美国人工智能出口计划”。这份出口管制文件背后是一套严密的“排华”技术联盟架构。从硬件制造来源、AI模型知识产权到开源算法的国籍，该计划设置层层关卡，试图在全球范围内构建排除中国企业的AI技术栈。
然而，外部的极致施压，往往是内部替代加速的催化剂。4月2日，工信部办公厅发布通知，正式开展普惠算力赋能中小企业发展专项行动，着力解决企业算力获取难、成本高、落地慢等问题。与此同时，以中科曙光为代表的国产算力厂商接连推出40卡超节点新品、IB高速网络及全栈存储方案，进一步补全了国内对抗外部封锁、实现系统级赶超的技术拼图。
摩根士丹利预测，到2027年，中国AI芯片自给率将攀升至82%。在外部压力与内部利好下，算力、网络与存储作为智算基础设施的“铁三角”，其国产化进程或将从“单项选择题”升级为“全栈式必选”。中国AI产业链协同整军备战，有望加速迎来替代窗口期。
▌AI算力：从“买显卡”到“建系统”，国产超节点加速海外算力替代
在英伟达高端芯片获取难度日益加大、成本持续高涨的现实下，单纯依赖单卡算力堆砌的道路已经越走越窄。中国AI产业需要寻找一种新的算力获取范式，即通过系统架构创新来弥补单点性能的不足。
事件分析：根据美国人工智能出口计划向业界征集的“预设联合体”提案，其制度设计包含“全栈AI技术包”，如AI优化硬件及基础设施（包括芯片、服务器、加速器、数据中心存储、云服务及网络设备等），首当其冲成为本次计划的管制重点。
业内认为，随着美国禁令升级，英伟达高端芯片面临严格的许可要求，并且进口成本压力进一步加大。与此同时，国产算力卡的性能正在快速追赶，但在单卡绝对算力上与国际顶尖水平仍有差距。这种倒逼机制，促使中国算力市场将目光从“单卡峰值”转向“集群有效算力”。
市场趋势：行业内部已形成共识：超节点（SuperPod）与超集群是未来中国AI算力的主要形态。通过高速互联将数十甚至数百张国产算力卡紧密耦合，形成逻辑统一的“算力共同体”，不仅能够弥补单卡短板，更能在大模型训练与推理中展现出超越线性增长的效能。
对应方案：中科曙光近期发布的scaleX40超节点，正是这一趋势的典型代表。作为世界首个无线缆箱式超节点，scaleX40在16U空间内集成了40张GPU，实现了FP8 28PFLOPS的算力密度，单机部署密度是传统8卡机的2.5倍。
从采购成本与适配部署来看，这一定位精准切中了“刚需市场”痛点。在256卡以上的大规模集群与32卡的入门级方案之间，40卡的超节点提供了适配千亿参数模型微调与推理的“甜点区”算力，更好地兼顾了性能、成本与部署灵活性。
根据工信部最新发布的“普惠算力赋能中小企业发展专项行动”，国产普惠算力或成为突破美国高端算力封锁的主要路径，scaleX40超节点的易用性特征，有力呼应了这一政策趋势。面对NV卡替代压力，国内市场开辟出一条从“买不到”到“够用”、“好用”的现实路径。
▌高速网络：国产IB全栈自研破局，打通AI算力“大动脉”
在大规模AI集群训练中，通信时间占比可达30%以上，且规模越大占比越高。如果说算力芯片是大脑，那么高速网络就是连接大脑的神经系统。长期以来，InfiniBand（IB）市场被英伟达（Mellanox）垄断，这不仅带来了高昂的成本，更潜藏着供应链“断供”的致命风险。
事件分析：在此次美国人工智能出口计划中，网络设备被明确列为全栈技术包的“第一层”，与服务器、AI芯片等被一同列为战略级管控范围。未来，国内若没有自主可控的高性能网络，即便堆叠再多的国产算力卡，也会因通信延迟和拥塞导致大规模集群算力利用率下滑。
市场趋势：在英伟达高端技术缺席以及“超节点+大集群”发展需求下，“以网强算”成为国产算力系统化赶超的重要途径。目前，随着集群规模向万卡、十万卡跃升，RoCE的调优复杂度已接近临界点，曾被诟病「封闭昂贵」的IB架构成为必须自主突破的关键一环。
对应方案：今年3月，中科曙光发布首款国产原生支持RDMA网络的scaleFabric产品，从底层112G SerDes IP、交换芯片到上层管理软件100%自研。这意味着，国内终于拥有了自主可控的高端IB网络，国产化核心技术链条补齐了一块重要拼图。
在性能方面，scaleFabric端到端时延低至0.9微秒，单子网互联规模高达11.4万卡（是传统IB的2.33倍），全面对标英伟达NDR产品，且网络总成本可降低30%；生态方面，scaleFabric兼容CUDA及主流通信库，这意味着在外部生态“断链”的风险下，国产方案能够无缝承接现有大模型训练任务，无需大量代码重构。
公开资料显示，该网络产品已支撑郑州国家超算互联网核心节点3套万卡集群稳定运行超10个月，且36小时内即可完成3万卡集群的网络部署上线。在“美国AI出口计划”试图通过封闭生态锁死中国AI发展的背景下，国产IB网络正在实质性突破又一“卡脖子”环节。
▌存储：降低单一硬件依赖，三级协同下的先进存力范式升级
在AI大模型训练中，“算得快”往往受限于“数据喂得慢”。当算力与网络都在提速时，存储若成为瓶颈，将导致昂贵的算力资源处于闲置等待状态。当前，“算力狂奔、存力不足”的矛盾广泛存在，构建自主可控的高性能存储配套体系成为必选题。
事件分析：从美国的新一轮管制可以看出，“数据中心存储”同样位于全栈AI技术包的核心管控领域，AI技术竞争的焦点正在从高端芯片等单点环节，向包括存储在内的全栈能力扩散，“卡脖子”风险也已从GPU蔓延到了供应链的每一个角落。
市场趋势：存储作为智能基础设施的主要支撑系统，目前面临AI训推带来的新挑战：在训练环节，存力平台的挑战主要表现在超大规模集群下的并发读写带宽需求；在推理环节，为了进一步优化用户体验，推理的响应速度和结果的精准度均对“存算协同”提出更高要求。
叠加美国新一轮管制升级，国产AI基础设施正基于芯片级、系统级和AI应用级的协同设计，让存力深度介入AI流水线，满足其极致性能要求。打造高效协同的存算一体化系统，不仅是提升算力ROI的经济需要，更是当前降低单一硬件依赖、构建全栈国产化体系的安全需要。
对应方案：作为国内最早开始存储技术自研积累的厂商，曙光存储在新一轮存力范式革命中，成功完成了芯片级与固件级的全栈国产化布局，一方面确保数据链路无后门、不断供，另一方面实现“算存传”一体化协同，意在安全高效地释放集群算力潜能。
其中，曙光将自研的ParaStor存储与scaleFabric网络深度结合，通过“超级隧道”技术为计算节点开辟专属数据通道。该技术解决了RDMA网络拥塞和PCIe通道竞争问题，单节点可提供220GB/s带宽与千万级IOPS，单节点即可支撑数十块GPU的满血运行。
在大模型训练中，曙光算存传一体化方案可通过“以存代算”卸载部分开销，提升GPU有效利用率。实测数据显示，该方案在气象模拟等科学智能场景中性能提升了约2倍。并且，在scaleX40超节点应用中，其训推效率、带宽、算力利用率均得到显著提升。
▌结语：
美国商务部的AI出口计划，虽然在短期内筑起了技术高墙，但从国内厂商的积极应对来看，中国AI产业正在走出一条独特的系统化赶超路径。
回顾“算力-网络-存储”这套“铁三角”方案，国产AI产业进阶逻辑越发清晰：我们不再追求单一产品环节对海外巨头的追随式模仿，而是通过全栈一体化的系统工程，充分释放规模化算力的真实效能，在综合维度上实现对海外技术垄断的高位破局。
从“点状替代”到“系统赶超”，中科曙光展现的不仅仅是一家企业的技术储备，更是中国算力产业在“十五五”规划开局之年，应对极限施压的底气。当自主可控的全栈方案经过长期验证并实现规模化落地，中国AI的发展命脉将牢牢掌握在自己手里。
声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。