求关注 求转发

2022年，英伟达在中国AI训练芯片市场的占有率超过90%。

2026年，黄仁勋在面向美国两党议员的一次专项竞争研究访谈中，亲口给出了最新数字：0%。

三年多时间，从九成到零。一家公司在全球第二大AI市场的存在感，被四轮政策文件抹得干干净净。2022年10月第一刀砍下来，A100和H100对华出口冻结；2023年10月补刀，把降规版的A800和H800也堵死；2024年12月再收口径，几乎封死所有变通路径；2025年5月最后一击，连专门为合规而生的H20也被列入禁令。英伟达为此一次性计提了55亿美元的库存减值。

这个”0%”需要限定条件。

它指的是受管制的高端AI训练GPU新增出货。毕竟机房和云厂商的服务器里仍运行着早前采购的旧卡，且灰色渠道的交易也依然存在——东南亚中转、第三方贸易商倒手，这些在业内是公开的秘密。从统计口径上说，”零”描述的是合法渠道的新增销售，它精确地反映了政策的封堵效果，但它并不等于中国AI算力一夜之间蒸发。

数据本身可信，给出数据的人则需要多看一眼。英伟达是这轮管制中受损最重的美国企业之一，黄仁勋每一句话都带着几百亿美元的切肤之痛。

一

当一家公司的市场份额从90%跌至0%，问题的性质就变了。

美国出口管制的设计逻辑很清晰：切断高端算力供给，拉长中国AI从研发到部署的时间线。GPU是训练大模型的硬通货，没有足够的卡，模型规模上不去，迭代速度跟不上，美国就能在前沿AI领域维持代差。逻辑本身没毛病。

但这个逻辑成立有一个隐含前提——被断供的一方会因此”慢下来”。

现实走了另一条路。

中国的AI产业在2022-2025年间面临的处境是这样的：大模型训练不能停。百度、阿里、字节、腾讯在大模型赛道上砸了重注，云服务客户的算力需求在爆发式增长，谁先停下来谁就被竞争对手吃掉份额。对大厂而言，发展AI的宏大战略已被极度压缩成眼下的生存危机：下个季度该拿什么服务器来交付业务。

断供掐住了唯一的外部供给，但需求端的发动机没有熄火。

两股力量对冲之下，只有一条路能走通：国产替代。华为昇腾从备胎转正，寒武纪、壁仞、沐曦拿到了此前根本拿不到的测试机会和订单。在断供压力下，即便国产芯片仍有差距，陷入绝境的采购方也只能硬着头皮使用。市场准入的门槛，被管制政策从外面一脚踹开了。

这就是黄仁勋说”适得其反”时背后的逻辑链：管制消灭了中国市场对英伟达的依赖，而依赖恰恰是英伟达最深的护城河。一旦客户开始使用英伟达的卡，其开发过程就会与CUDA生态深度绑定，从而在下一次采购时继续购买该品牌。这是一个自我强化的锁定循环。管制把这个循环从外部硬生生掰断了。

黄仁勋在访谈中说“让美国芯片公司在中国开展业务是非常有意义的”。这实际上也点明了美国AI政策深层中“安全逻辑”和“竞争力逻辑”互相冲突的现实。

安全逻辑说”断供能延缓对手”；竞争力逻辑说”退出市场就等于交出全球生态覆盖率”。两个目标指向完全相反的动作，而过去三年，安全逻辑一路碾压竞争力逻辑，碾到今天英伟达在中国一块钱新芯片都卖不出去。

这事也不只是英伟达一家的遭遇。AMD的MI系列、Intel的Gaudi加速器，同样被管制挡在中国市场门外。高通在手机芯片领域面临类似困境。整个美国半导体产业的对华收入在大面积的收缩。

二

美国侧的账本已经不需要多说——英伟达 55亿减值只是开胃菜，整条对华AI芯片供应链的收入归零才是正餐。AMD中国区AI加速器业务在2025年同比萎缩超过70%。Intel的Gaudi系列原本指望中国市场消化产能，如今几乎找不到合规买家。这些钱从美国公司的报表上消失后，背后庞大的算力需求已然转向了其他供应商。

中国侧发生了什么？

华为昇腾910C和910D在2025年下半年开始规模化部署。阿里云将部分大模型训练负载从英伟达 A100/H100集群迁移到昇腾集群上；字节跳动的火山引擎在2025年底启动了基于国产芯片的推理服务集群扩容。这些迁移并非停留在示范阶段，而是直接进入了真实的生产负载切换进程。

但真正让人意外的是另一条线。

2025年初DeepSeek-R1发布时，全球AI圈的反应是困惑：一家中国公司，在算力受限的条件下，怎么训出了接近GPT-4水平的推理模型？答案在技术路线上——MoE（混合专家）架构的深度优化、训练流程的工程创新、以及对推理效率的极致压缩。中国团队在被卡住算力之后，走出了一条”以算法换算力”的路。这早已跨越了潜力的范畴，成为伴随论文成果、跑分数据及真实用户反馈落地的客观事实。

我个人认为，这才是管制最深层的”适得其反”：它没有阻止中国AI能力的进步，反而迫使中国AI走向了另一条全新的发展路线。如果英伟达的卡管够，中国团队大概率会继续沿着”堆算力”的美式路线走——毕竟那条路已经验证过了，何必费事另辟蹊径。管制切断了这条舒适路线，逼出了一套更节省算力的技术方案。而这套方案一旦成熟，反过来会削弱”算力优势=模型优势”这个前提本身。

话说回来，中国侧的短板也得讲清楚。

CUDA生态仍然是最大的软件层瓶颈——英伟达花了十几年建起来的开发者生态、工具链和代码库，不是三五年能复刻的。制程工艺上，国产AI芯片的先进制程节点仍依赖非美系但同样受限的供应链（主要是ASML的光刻机）。HBM高带宽内存的供给同样紧张，三星和SK海力士的对华出货受到越来越严格的审查。壁仞和沐曦的产品在实验室跑得通，但大规模量产的良率和稳定性还没经过足够长时间的验证。

说”中国AI芯片已经追平”是不诚实的。但说”管制成功延缓了中国AI发展”，同样缺乏事实支撑。现阶段两者的技术差距依然存在，但这段距离正在被以极快的速度不断压缩。

三

这次访谈，黄仁勋说了这样一句：“核心在于确保自身AI生态在全球范围内的主导地位。”

这话从一个刚丢了中国市场的CEO嘴里说出来，分量不一样。他在强调：英伟达最为核心且难以撼动的资产，其实是全球几百万AI开发者写代码时第一反应调用的那套CUDA框架。芯片是消耗品，每一代都会被新一代替代；但生态是基础设施，一旦开发者的肌肉记忆、代码库、调试工具全部长在你的平台上，迁移成本就是天文数字。

CUDA在中国的统治地位，此前正是建立在英伟达硬件垄断的基础上。使用A100往往意味着开发者必须依赖CUDA编写算子，一旦习惯了这套框架，后续的硬件采购往往也会被顺理成章地锁定在英伟达。这个飞轮转了十几年，几乎所有中国AI团队的底层代码都泡在CUDA里。

管制把硬件切断了。飞轮的动力源没了。

现在中国AI团队面对的现实是：手里的新卡是华为昇腾，跑的是自研的CANN框架；或者是寒武纪的思元，用的是自家的MLU-OPS。开发者正在被迫学习新的工具链，被迫把旧代码往新平台上迁。这个过程痛苦、低效、充满bug——但它正在发生。每迁移一行代码，CUDA在中国的”黏性”就弱一分。

管制政策的设计者大概没想到这一层：你封死了英伟达的芯片，等于同时松动了英伟达软件生态在中国的地基。因为没有理由继续为一块买不到的卡维护一套代码习惯。

两党温和派近期推动的政策”校准”讨论，我怀疑部分动力正来自这个认知——美国在芯片层面的”封堵”可能正在芯片之外制造一个更大的损失：全球AI开发者生态的碎片化。一旦中国的几百万开发者全面脱离CUDA生态，全球AI生态就裂成两块，美国技术标准的覆盖范围永久性收缩。这个损失比几百亿美元的芯片销售额大得多，而且不可逆。

黄仁勋看到了这一点。他对管制的担忧指向了这样的终局：管制卡住了芯片，但正在丢掉生态；丢掉生态的代价，比丢掉芯片市场的代价高一个量级。

问题是，这个逻辑要传导到华盛顿的政策制定层，需要穿透”国家安全”这面高墙。在当前的政治气候下，没有哪个议员愿意站出来说”我们应该把先进芯片卖给中国”——哪怕经济逻辑完全站得住脚。

所以局面卡在这：美国知道继续封堵会丢生态，但政治上没人敢松手；中国知道替代之路还长，但已经没有回头的选项。两边都被锁在各自的轨道上，谁也下不来。

结语

CUDA这道墙到底能撑多久？不知道，但有一件事比较确定：随着管制的每多执行一天，被无形中推离CUDA生态的中国开发者只会越来越多。