為何此刻重要
中國兩大消費型網路與雲端公司正採取關鍵行動，確保人工智慧供應鏈。阿里巴巴與百度已開始使用自家設計的處理器訓練部分模型，降低對輝達晶片的依賴。輝達晶片一直是現代 AI 的核心基礎。這項轉變反映兩股強大力量同時發揮作用：美國持續收緊對輸往中國的先進半導體出口管制，以及中國國內推動關鍵基礎設施優先採用國產技術。
目錄
兩家公司都採取審慎漸進的做法，而非一下子全面轉換。阿里巴巴以自家加速器執行規模較小的訓練工作，同時保留輝達硬體處理要求最高的任務。百度則正以最新的昆侖 P800 晶片測試新版本的文心模型；文心是其生成式 AI 服務背後的技術。對規模最大、最複雜的訓練作業，兩家公司仍仰賴輝達，因為這類任務最仰重效能、軟體成熟度與多晶片互連能力。
這對中國資料中心的實際影響可能相當深遠。過去得排隊等候進口 GPU 的企業，如今有了另一條擴增 AI 運算能力的途徑。國產晶片若已足以勝任愈來愈多工作負載，就能降低供應風險、讓專案按期推進，並使支出符合國家科技目標。若這些部署順利，將能驗證多年來對本土 AI 晶片的投資成果，並加速中國雲端服務商在旗下運算設備中混用國外與國產硬體的趨勢。
阿里巴巴與百度正在打造什麼
阿里巴巴透過平頭哥半導體累積了自研晶片經驗。平頭哥先前曾推出用於推論的含光 800 AI 加速器，以及採用 Arm 指令集的伺服器 CPU。員工內部稱為「真武」的最新 AI 訓練處理器，目前已用於阿里雲內部訓練較小型的模型。曾使用這款晶片的人士表示，在不需要最先進互連能力或最大記憶體容量的工作中，其實際效能可與輝達 H20 相比。至於前沿模型訓練，阿里巴巴仍仰賴輝達系統，同時在大規模部署中驗證新晶片的能力。
百度的昆侖專案是中國歷史最悠久的自研 AI 加速器系列之一。早期昆侖晶片著重於推論，也就是執行已訓練完成的模型。百度正以昆侖 P800 對新版本文心模型進行訓練實驗，驗證穩定性、吞吐量與軟體堆疊的成熟度。百度的核心優勢在於垂直整合：公司自行打造文心模型、營運大型雲端叢集，並掌握飛槳框架，因此能更自由地共同設計硬體與軟體，以提升效率。
美國出口規定如何重塑市場
自 2022 年起，華府逐步收緊管制，當年針對 AI 加速器的效能門檻首次限制美國業者可向中國出貨的產品。特別為中國市場推出、降低互連頻寬的 GPU 等迂迴做法，曾讓部分供應維持一段時間。此後數年公布的新措施逐步堵住這些管道。輝達 H100 與更新的 Blackwell 系列等頂級平台，在中國仍無法取得。輝達曾推出效能較低、旨在符合美國規定的 H20，但產業研究指出，這類晶片的出貨如今也須取得出口許可，規定自 2025 年 4 月起生效，增加中國買家採購美國晶片的阻力與不確定性。
中國大型雲端與網路平台以雙軌策略因應：能從海外取得的產品照常採購，同時大舉投資國產加速器。政策環境也有利於本土方案。政府與關鍵基礎設施客戶愈來愈偏好在中國設計、由中國提供支援的硬體，促使雲端服務商證明中國加速器能以可接受的成本與穩定可預期的效能，處理正式上線的工作負載。
輝達也意識到競爭格局正在改變，客戶有誘因分散採購來源。該公司發言人承認這項現實，同時強調輝達有意持續服務全球開發者。
競爭無疑已經到來。我們將持續努力，贏得各地主流開發者的信任與支持。
國產晶片與輝達的差距有多大
答案取決於工作類型。使用過阿里巴巴最新加速器的工程師表示，在部分訓練任務與較小型模型上，其效能可與輝達 H20 相當。對一個新興平台而言，這是實質進展。但在規模最大的模型與最緊湊的訓練時程中，輝達仍具優勢，原因包括更高的峰值運算能力、更快的多 GPU 互連、成熟的編譯器堆疊，以及廣泛的最佳化函式庫生態系。中國以外的最先進模型訓練，仍以 H100 與最新 Blackwell 設計等晶片為標準。
訓練與推論是不同的工作
AI 訓練是透過多次處理資料、調整數十億個參數來教會模型的過程。這會把硬體的運算能力與記憶體頻寬推向極限，也需要加速器之間具備極高速的連線，讓數千顆晶片能有效同步。推論則發生在訓練完成之後。模型已經學會內容，系統會即時為使用者生成輸出。推論講求低延遲、成本效益與節能。擅長推論或訓練較小型模型的晶片，在執行為期數月的大型模型訓練時仍可能力有未逮，因為晶片間通訊網路與軟體協調機制會成為瓶頸。
軟體堆疊與晶片同樣重要
輝達的主導地位從來不只來自晶片。CUDA 平台、cuDNN 與 TensorRT 等函式庫，以及實力雄厚的合作夥伴工具生態系，讓開發流程更簡便、效能更可預測。中國平台則正為國產加速器打造自有軟體堆疊。百度的飛槳與阿里巴巴的雲端工具鏈已支援自家晶片，兩家公司也能針對自有模型調整核心程式與計算圖編譯器。這種掌控力有助提升效率，但第三方開發者將程式移植到國產硬體時，也可能需要一段適應期。若阿里巴巴與百度能讓轉換過程在各自雲端服務中變得順暢，客戶或許會更在意價格、供應狀況與服務水準，而非晶片上的品牌標誌。
商業策略與市場反應
中國網路業龍頭有望在不完全依賴進口的情況下確保 AI 運算能力，相關訊號受到投資人歡迎。新部署消息傳出後，阿里巴巴與百度股價上漲，反映市場預期更具韌性的供應基礎將有助支撐產品規畫、降低延誤風險。若國產晶片已足以承擔大部分訓練工作，且在國內資料中心更容易採購與擴增，也能降低長期營運成本。
這套策略的考量不只在成本與供應。阿里雲與百度雲的企業及公部門客戶，往往偏好本土設計的硬體。提供採用國產加速器的運算服務，有助爭取敏感工作負載，同時符合監管機關對安全與資料在地化的偏好。不過，兩家公司看來都打算務實地混用硬體：最棘手的問題交由輝達系統處理；對效能相當、成本更具吸引力的眾多工作，則改用國產晶片。
供應鏈與製造限制
打造具競爭力的 AI 加速器，只是挑戰的一部分。製造、封裝與記憶體供應同樣重要。現今效能最高的晶片採用先進製程節點，並仰賴靠近處理器封裝的高頻寬記憶體堆疊。中國晶圓代工業者已有所進展，但製程仍未達到海外最先進水準。透過巧妙設計、優良封裝與高效率軟體，多少能彌補部分差距，但峰值效能與能源效率仍會受到影響。
高頻寬記憶體供應也是另一項限制，因為訓練大型模型需要龐大的記憶體頻寬與容量。雲端服務商會將工作分散到更多晶片、最佳化精度格式，並依各平台優勢安排工作，以因應這些限制。在這種情況下，即使國產加速器的理論峰值效能不及最頂尖的外國產品，只要能與雲端軟體堆疊良好整合且容易取得，仍足以承擔相當一部分工作。
對開發者與客戶的意義
阿里巴巴與百度的客戶會關注三件事：取得運算資源所需時間、可靠性，以及特定訓練作業或推論工作負載的總成本。若國產加速器能縮短排隊時間，並透過熟悉的框架提供穩定效能，許多團隊就能順利轉用。模型開發者可能需要重新調校核心程式，或採用特定廠商的工具來發揮最高吞吐量，但這在高效能運算領域相當常見。短期內，可能會出現混合叢集與排程政策，將工作分派給當下最合適的硬體：規模最大的前沿模型訓練仍會使用輝達系統，愈來愈多一般工作則交由阿里巴巴與百度晶片執行。
接下來值得關注的事
未來一年有兩個重要進展值得關注。第一是美國加速器輸往中國的許可制度。產業研究人員表示，輝達 H20 與 AMD MI308 等產品將自 2025 年 4 月起納入管制。第二是阿里巴巴與百度的晶片能否在真實環境中大規模處理正式上線的訓練工作，而不只是通過實驗室測試。知名模型的基準測試、客戶案例，以及採用國產加速器的雲端執行個體售罄速度，都將提供線索。也要留意這些晶片周邊的軟體生態系成熟速度，包括熱門框架與第三方工具的支援情形。此外，隨著新專案啟動，也應觀察其他中國平台，包括自研加速器或向國內供應商採購的業者，如何在進口 GPU 與本土選項之間分配資本。
重點整理
- 阿里巴巴與百度已開始以自研晶片訓練 AI 模型，同時保留輝達系統處理要求最高的工作。
- 阿里巴巴最新的加速器用於規模較小的訓練工作，員工表示它在部分任務上的效能可與輝達 H20 相當。
- 百度正以昆侖 P800 測試新版本文心模型，並運用其對飛槳框架的掌控。
- 美國出口管制限制中國取得輝達頂級產品；產業研究指出，H20 輸往中國在 2025 年將新增許可要求。
- 輝達表示，競爭升溫之際仍會持續努力，爭取開發者信任。
- 國產加速器已足以承擔愈來愈多工作負載，但在前沿規模訓練方面，輝達仍居領先地位。
- 軟體生態系是關鍵因素，阿里巴巴與百度正為自家硬體調校工具鏈。
- 投資人反應正面，認為供應風險降低，AI 產品規畫也將更有掌控力。
- 製造與記憶體供應仍受限制，但巧妙設計與雲端整合可彌補部分不足。
- 中國雲端服務預料將採用混合叢集，由排程器在國產晶片與進口 GPU 之間分派工作。
