鈦媒體近日刊發巨潮WAVE的深度評論，系統梳理了中美AI競賽中因高階算力短缺引發的產業困境。文章指出，以Anthropic為代表的美國AI公司已推出引數規模達10萬億的模型Mythos，其訓練成本估算高達100億美元，而中國當前最強模型DeepSeek V4 Pro總引數量為1.6萬億，兩者相差約6倍。有研究顯示，中國前沿模型能力落後美國約8個月，創新工場董事長李開復在接受採訪時更將差距評估為15個月。

評論認為，這種代際差的根源在於高階AI訓練晶片的缺失。美國科技巨頭正進行一場“富裕仗”：Meta計劃到2026年底部署超120萬張高階GPU，年投入超1450億美元；谷歌擁有的AI算力相當於500萬塊輝達H100，佔全球總量四分之一。亞馬遜、微軟、Alphabet、Meta四家公司今年資本開支高達7250億美元，同比猛增77%。相比之下，晶片禁令後中國可用高階晶片僅為美國的八分之一，美國資料中心數量是中國10倍有餘。據中國資訊通訊研究院測算，美國算力規模為2400 EFLOPS，中國為1053 EFLOPS，差距超過兩倍。

文章進一步分析，AI訓練晶片需支撐萬億級引數的動態更新，對計算能力、頻寬、通訊效率及萬卡叢集穩定性要求極高，而國產GPU目前主要參與相對邊緣的推理任務。例如，字節跳動旗下豆包計劃採購天數智芯5萬塊晶片用於推理運算，但在訓練這一算力金字塔頂端，國產晶片僅能承擔“打雜”角色。輝達憑藉CUDA生態擁有超400萬開發者，全球95%以上的AI模型基於其生態開發，這構成了國產GPU最難逾越的壁壘。

儘管如此，國產替代正在區域性突破。華為昇騰910B算力可達640TOPS，接近輝達A100水平；智譜聯合華為昇騰完成了首個依託國產晶片全程訓練的SOTA多模態模型GLM-Image；摩爾線程與北京智源研究院基於國產算力叢集，成功訓練了具身智慧大腦模型RoboBrain 2.5。這些案例驗證了國產GPU從推理側向訓練側逐步適配的可行性。

評論最後指出，中國AI產業需在高階晶片進口受阻的現實下，採取“中西結合”兩條腿走路的策略，同時給予國產算力晶片足夠的資本與政策耐心。文章以韓國儲存晶片產業熬過至暗時刻最終擊敗日本的歷史為參照，認為憑藉巨大市場、人才儲備與資本實力，國產GPU已開始展露適配性，但這場關於國運的AI對弈絕非一朝一夕之功。