中国头部 AI 公司仍依赖英伟达国产芯片替代成本高

据《南华早报》（SCMP）报道，尽管美国持续收紧对华高端 AI 芯片的出口管制，中国头部 AI 公司在训练大模型时仍普遍以英伟达 GPU 为主力硬件，向国产芯片过渡所面临的成本、性能和生态适配问题，使多家企业推迟了切换计划。这一话题也在科技评论人 Zitron 于 CNBC 发布的视频节目中被讨论，该节目同时涉及英伟达的业绩、尚未盈利的 AI 实验室以及所谓「更大 AI 泡沫」的讨论。

现状：英伟达仍是中国 AI 训练的首选

SCMP 在报道中指出，包括 DeepSeek、阿里巴巴、字节跳动在内的多家中国 AI 公司，目前仍将英伟达芯片作为大模型训练的核心算力来源。即便在美国多次更新出口管制、限制 H100、H20 等型号对华销售的情况下，这些公司仍倾向于继续采购合规版本的英伟达产品，或在海外数据中心使用受限硬件。

报道分析称，这一选择背后是务实的工程考量：

英伟达 GPU 在算力、显存和互联带宽上仍具有代际优势
CUDA 生态经过多年沉淀，中国 AI 团队的代码、框架和优化均围绕其构建
国产芯片（如华为昇腾系列）虽然在持续追赶，但单卡性能与软件栈成熟度仍有差距

转型为何迟迟难以推进

报道将「切换成本」作为核心障碍之一。SCMP 援引行业观察指出，从英伟达平台迁移到国产芯片并非简单的硬件替换，而是一次涉及整个 AI 基础设施的重构：

模型需要重新适配硬件特性，训练脚本与算子库往往要大幅重写
推理与训练框架（如 PyTorch、DeepSpeed）的兼容性需要逐层优化
在国产芯片上达到同等训练效果，可能需要更多卡数和更长时间，直接推高电力与运维成本

这些成本对于仍在大规模训练下一代基础模型的厂商来说，是短期内难以承受的。

行业层面的讨论

与 SCMP 报道同步，Zitron 在 CNBC 发布的视频节目把视角扩大到全球 AI 产业，探讨了英伟达在 AI 浪潮中的位置、多数 AI 实验室仍未盈利的现实，以及「更大 AI 泡沫」的可能性。两条信源共同指向一个核心观察：无论是地缘政治背景下的中国 AI 芯片选择，还是资本市场对 AI 回报的预期，硬件成本与商业可持续性正在成为制约行业扩张的关键变量。