一句話總結：DeepSeek 創辦人梁文鋒認為，中國 AI 晶片在資源而非人才上與美國存在差距，但已進入關鍵轉折點，有望在一年內擺脫對 NVIDIA 的依賴。
核心要點
- 中國 AI 算力差距主要在資源而非人才，國產晶片替代出現歷史性窗口期。
- DeepSeek 算力僅能支撐約百億參數量級的模型，訓練更大規模模型需更多資源。
- 訓練 8,000 億參數模型需 5 萬顆 NVIDIA GB300 或 20 萬顆華為 950 晶片，顯示雙方算力差距巨大。
- 華為 Atlas 950 SuperPoD 性能與價格可完全取代 NVIDIA GB200 與 GB300 機架系統，技術落後約兩年。
- NVIDIA 的 CUDA 生態護城河正在快速瓦解，中國 AI 晶片替代已進入關鍵轉折點。
中國 AI 晶片的崛起與挑戰
DeepSeek 創辦人梁文鋒在近日的投資者交流會上，罕見談及中國 AI 算力的現狀與未來。他指出，中國在 AI 算力上的差距主要在資源而非人才，國產晶片替代已經出現歷史性窗口期。
目前，DeepSeek 的算力僅能支撐約百億參數量級的模型。若要訓練更大規模的模型，資源需求遠超現階段可取得的水準。梁文鋒估算，若要訓練一個活躍參數規模達 8,000 億的模型，需要大約 5 萬顆 NVIDIA GB300 晶片，或 20 萬顆華為 950 晶片，顯示雙方算力規模存在巨大落差。
華為晶片的性能與替代
梁文鋒進一步指出，華為 Atlas 950 SuperPoD 的性能與價格完全可以取代 NVIDIA GB200 與 GB300 機架系統。他強調，「四張華為晶片約等於一張 NVIDIA 晶片」，但整體技術仍約落後兩年。
然而，NVIDIA 的 CUDA 生態護城河正在快速瓦解。梁文鋒認為，中國 AI 晶片替代已進入關鍵轉折點，華為晶片的崛起將對 NVIDIA 造成重大挑戰。
供應與合作
在供應與合作方面，梁文鋒透露，DeepSeek 約有 2 萬顆 NVIDIA H100 等效 GPU，多數是在最近一兩個月內到位，且算力規模仍在快速擴張。此外，DeepSeek 已與華為合作，取得約 1.6 萬張 Ascend 950 卡，驗證模型在中國硬體上的運行效果。這批晶片約相當於 4 千張 NVIDIA GPU，雖不足以支撐下代模型，但可以協助華為跑通生態。
資料標註的瓶頸
梁文鋒再提到，DeepSeek 正加碼高品質資料標註，目前瓶頸不僅是資本支出，更多的是時間與積累方面的挑戰。OpenAI 與 Anthropic 更早就開始投入 AI，資料與訓練流程的長期布局仍然是 AI 競爭的重要部分。
從產業面來看，中國 AI 晶片的崛起不僅是一場技術競爭，更是資源與生態系統的全面較量。華為的進步雖然顯著，但要真正挑戰 NVIDIA，仍需克服技術與生態上的多重難題。
一句話結論
中國 AI 晶片的崛起已成為不可逆轉的趨勢，但要擺脫對 NVIDIA 的依賴，仍需時間與資源的長期投入。
行動呼籲
面對中國 AI 晶片的崛起，您認為 NVIDIA 如何應對才能維持其市場地位？歡迎在留言區分享您的看法，並關注我們的後續報導。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
中國 AI 晶片與 NVIDIA 的差距主要在哪裡？
中國 AI 晶片與 NVIDIA 的差距主要在資源而非人才，國產晶片替代已出現歷史性窗口期，但技術仍約落後兩年。
訓練 8,000 億參數模型需要多少晶片？
若要訓練一個活躍參數規模達 8,000 億的模型，需要大約 5 萬顆 NVIDIA GB300 晶片，或 20 萬顆華為 950 晶片。
華為 Atlas 950 SuperPoD 的性能如何？
華為 Atlas 950 SuperPoD 的性能與價格完全可以取代 NVIDIA GB200 與 GB300 機架系統，四張華為晶片約等於一張 NVIDIA 晶片。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。