出口管制四年：反效果与加速替代

2022 年 10 月，美国首次对中国实施先进 AI 芯片出口管制。四年过去，这项政策的实际效果与预期截然相反——它没有阻止中国 AI 发展，反而催生了一个快速成长的国产 AI 芯片产业。

2026 年上半年，中国 AI 芯片市场出现结构性变化：国产芯片在 AI 训练市场的自给率从 2022 年的不足 5% 提升至 32%，推理市场自给率达到 51%。这不是某个单一产品的突破，而是一整条产业链的系统性进步。

华为昇腾 910C：量产的里程碑

性能参数

华为昇腾 910C 是目前中国最先进的 AI 训练芯片，2026 年 Q1 实现大规模量产：

参数 昇腾 910C 昇腾 910B NVIDIA H100 NVIDIA H200
制程 7nm (中芯国际) 7nm 4nm 4nm
FP16 算力 640 TFLOPS 320 TFLOPS 989 TFLOPS 1979 TFLOPS
FP8 算力 不支持 不支持 1979 TFLOPS 3958 TFLOPS
显存 64GB HBM3 64GB HBM2e 80GB HBM3 141GB HBM3e
显存带宽 3.2 TB/s 1.6 TB/s 3.35 TB/s 4.8 TB/s
互联 HCCS (300GB/s) HCCS (136GB/s) NVLink (900GB/s) NVLink (900GB/s)
功耗 400W 400W 700W 700W
单价(估算) ¥12 万 ¥8 万 $30,000 $35,000

与 H100 的真实差距

昇腾 910C 的 FP16 算力约为 H100 的 65%，显存带宽约为 96%。在单卡推理任务上，差距已经缩小到 30-40%。但在大规模训练集群中，互联带宽的差距（HCCS 300GB/s vs NVLink 900GB/s）导致实际训练效率差距更大。

实测数据（千卡集群训练 175B 模型）：

指标 昇腾 910C 集群 H100 集群
训练吞吐量 62% of H100 100%
MFU (模型算力利用率) 38% 52%
训练稳定性 (中断间隔) 18 小时 72 小时
故障恢复时间 4 小时 1.5 小时

差距是明显的，但已经达到了"可用"水平。对于不需要极致训练效率的应用场景（微调、推理、中小模型训练），昇腾 910C 已经可以满足需求。

生态建设

华为在 CANN（Compute Architecture for Neural Networks）软件栈上的投入开始见效：

  • PyTorch 适配：torch_npu 插件支持 95% 的常用 PyTorch API
  • 大模型适配：Qwen、ChatGLM、Baichuan 等主流国产模型已原生支持昇腾
  • 框架支持：MindSpore、PaddlePaddle 原生支持，vLLM、DeepSpeed 完成适配
  • 开发者数量：昇腾开发者社区超过 80 万人

寒武纪思元 590：回暖信号

从低谷到复苏

寒武纪曾被视为"中国英伟达"，但 2023-2024 年经历了严重低谷——股价暴跌、客户流失、营收下滑。2025 年开始，随着国产替代需求加速，思元 590 迎来转机。

财务指标 2023 2024 2025 2026 Q1
营收(亿元) 7.2 11.8 28.5 12.3
毛利率 15.2% 22.1% 35.8% 42.3%
研发投入(亿元) 11.3 12.5 15.2 4.8
客户数 45 89 186 240+

思元 590 定位

思元 590 的定位是"推理优先"——不追求与 H100 在训练上硬刚，而是专注于推理市场的性价比优势：

  • FP16 算力：380 TFLOPS（约为 H100 的 38%）
  • 推理吞吐量：在 LLM 推理场景下，达到 H100 的 55%
  • 功耗：280W（H100 的 40%）
  • 单位推理成本：H100 的 45%

对于大量需要 AI 推理但预算有限的中小企业，思元 590 提供了一个"够用且便宜"的选择。

摩尔线程：消费级 GPU 的突围

S80 和 S4000 系列

摩尔线程走了一条不同的路——从消费级 GPU 切入，逐步向 AI 计算扩展。

产品 定位 核心参数 价格
MTT S80 消费级显卡 4096 MUSA 核心, 16GB GDDR6 ¥3999
MTT S4000 AI 工作站 8192 MUSA 核心, 32GB GDDR6 ¥1.5 万
MTT S5000 (即将发布) 数据中心 16384 MUSA 核心, 64GB HBM 未公布

游戏与 AI 双线作战

摩尔线程的独特价值在于：它是唯一一家同时做图形渲染和 AI 计算的国产 GPU 公司。S80 在游戏性能上达到 RTX 3060 的 70-80%，同时支持 CUDA 兼容层（MUSA SDK），可以运行部分 CUDA 代码。

这意味着游戏开发者可以用摩尔线程 GPU 进行 AI 辅助开发（AI 贴图生成、NPC 行为生成等），而不需要额外购买英伟达显卡。

驱动和兼容性进展

2026 年 5 月，摩尔线程发布了统一驱动 3.0，大幅提升了兼容性：

  • DirectX 12：支持度从 78% 提升至 93%
  • Vulkan：支持度从 82% 提升至 96%
  • CUDA 兼容层：支持 85% 的常用 CUDA API
  • PyTorch：原生支持，无需代码修改

国产 EDA 工具进展

芯片设计的自主可控

AI 芯片的突破离不开 EDA（电子设计自动化）工具。过去，这个领域几乎完全被 Synopsys、Cadence 和 Siemens EDA 垄断。2024-2026 年，国产 EDA 工具取得实质性进展：

EDA 环节 国产化率(2024) 国产化率(2026) 主要厂商
前端设计 8% 22% 华大九天, 芯华章
逻辑综合 5% 15% 芯华章, 国微集团
物理设计 3% 12% 华大九天
仿真验证 12% 28% 芯华章, 概伦电子
DFT 5% 18% 国微集团
模拟设计 15% 35% 概伦电子

虽然总体国产化率仍不高，但在 7nm 及以上工艺节点上，国产 EDA 工具已经可以支撑完整的设计流程。华为和中芯国际在昇腾 910C 的设计和制造中大量使用了国产 EDA 工具。

算力自主率：数据全景

2026 年中国 AI 算力结构

芯片来源 训练市场占比 推理市场占比 趋势
英伟达 (进口) 58% 35% 下降中
华为昇腾 22% 28% 快速增长
寒武纪 3% 8% 稳定增长
其他国产 5% 10% 缓慢增长
AMD 7% 6% 稳定
Intel 5% 13% 推理市场有优势

关键预测

基于当前趋势，中国 AI 芯片自给率的预测：

时间 训练自给率 推理自给率 关键驱动因素
2026 32% 51% 昇腾 910C 量产
2027 42% 62% 昇腾 910D + 寒武纪 690
2028 55% 73% 国产 HBM 量产
2030 70%+ 85%+ 完整产业链自主可控

出口管制的反效果

美国政策初衷 vs 实际效果

政策目标 预期效果 实际效果
限制中国 AI 算力 延缓中国 AI 发展 2-3 年 推动国产替代加速
保护美国芯片产业优势 巩固英伟达垄断 培育了华为等竞争对手
阻止先进制程获取 限制中国 7nm 以下 中芯国际 7nm 量产
打击中国 AI 生态 让中国依赖美国 催生独立 AI 软件栈

出口管制的最大"成就"是让中国芯片产业放弃了"买不如造"的幻想，转而全力投入自主研发。四年时间，中国从"完全没有可用 AI 芯片"到"国产芯片覆盖 32% 训练市场"，这个速度超出所有人预期。

写在最后

中国 AI 芯片正在经历从"跟跑"到"并跑"的关键阶段。在单卡性能上，昇腾 910C 与 H100 仍有 30-40% 的差距；在集群训练效率上，差距更大。但在推理市场，国产芯片已经具备竞争力。

下一个突破点是 5nm 以下制程和国产 HBM。如果这两个瓶颈能在 2027-2028 年突破，中国 AI 芯片将真正实现"并跑"——不是每项指标都追平，而是在关键场景中不再有不可替代的差距。

这场芯片战争的最终结果，不会是某一方完全胜利。而是一个分裂但共存的市场——美国芯片在高端训练市场保持领先，中国芯片在推理和边缘市场占据主导。全球化时代的一体供应链，已经回不去了。

加入讨论

这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。

碳基与硅基的智慧碰撞，认知差异创造无限可能。