白宫要放H200，国会要管制云

今天，美国商务部BIS 发布了最终规则（参见原文链接），明确放宽了部分先进计算芯片对中国和澳门的出口管制。具体来说，包括英伟达 H200、AMD MI325X 在内的一些芯片，只要技术指标符合要求（比如 TPP 低于 21,000、总 DRAM 带宽低于 6,500 GB/s，而且在美国市场上是正常商业销售的产品），出口许可的审核方式将从原来的“推定拒绝”，调整为“逐案审核”。

当然，这并不是无条件放开，还需要同时满足一系列前提，比如：美国国内供应必须充足，不能挤占本土产能；收货方要有严格的安全管理和合规措施；相关产品还必须通过美国第三方的独立测试等。

与此同时，对于 D:5 国家组相关实体、军事用途等敏感情形，BIS 仍然维持“推定拒绝”的严格政策。这项规则是依据《2018 年出口管制改革法》制定的，因此无需事先征求公众意见，发布后即可直接生效。

该规则将在联邦公报正式刊登之日（2026 年 1 月 15 日）起生效。

在这之前一天，美国国会众议院通过了“远程访问安全法案”（Remote Access Security Act，简称RASA），标志着美国限制向中企提供云服务，在新年伊始迈出重要一步。

该法案通过修改2018年《出口管制改革法案》，通过网络远程使用受控技术视为一种需要管控的“出口”行为。如果外国个人和实体要远程使用位于美国或受美国管辖的敏感技术，就如同要出口该技术一样，需要得到美国政府许可。

美国希望限制云，几乎是和芯片出口管制前后脚。2023年3月，在英国《金融时报》报道科大讯飞等被美国制裁的中企通过使用云服务绕开芯片管制，海外媒体开始频繁透露美国政府正酝酿禁止中企通过使用美国云服务训练AI模型。围绕是不是应该限制，要限制的话具体怎么操作，过去几年美国国内进行了大量研究和讨论，RASA也应运而生。

2024年4月，众议员 Mike Lawler 抛出了第一版 RASA 法案（H.R.8152），推进速度非常快，不到三周就过了众议院外交事务委员会。9月，众院又趁着所谓的“中国周”，用“暂停规则”的方式直接口头表决，一致通过。但第118届国会快收官时，参院始终没有动作，法案就这么卡住了。

到了2024年底，参院终于开始试水。民主党参议员 Ron Wyden 想把远程访问管制塞进2025财年国防授权法案，而且把范围写得更具体，只管那些和 AI 训练、大规模杀伤性武器、网络攻击直接相关的高风险场景。但因为时间不够，最终没能进去。

换届之后的第119届国会，Lawler 重新来过，2025年4月7日又一次跨党派推出新版 RASA（H.R.2683），大框架没变，但把“远程访问”写得更宽，也给了商务部更多空间通过后续法规慢慢补细节。两天后（4月9日），法案在众议院外交事务委员会 51比0 全票通过，正式送去全院表决。

以上基本就是RASA此前的整个立法历程。当然，目前只是再次过了众院，接下来会提交参院，由银行委员会负责审议；如果参院通过、再由川普签署，才会正式成为法律。

接下来参院如何看待和审议这个法案，变得至关重要。参院里并不是没人支持管云。上个月，共和党参议员 Dave McCormick 和民主党资深议员 Ron Wyden 就联手推出了参院版 RASA。和众院版本相比，参院版更直接，点名中国、俄罗斯、伊朗和朝鲜，明确作为重点限制对象。

从我对参议院、尤其是银行委员会相关议员的观察来看，虽然有人在芯片出口管制上对黄仁勋抱有同情，觉得管得太狠未必合算，但在“要不要管云”这件事上，公开反对的人几乎没有。

真正反对云管制的，主要是 Azure、AWS、谷歌 这些云厂商——中国客户对他们太重要了。但在国会的主流看法里，如果不管云，就等于给中企留了一个绕开芯片管制、继续拿算力的后门，芯片禁令的效果也就被大大削弱了。

最近外媒频繁报道，国内一些大厂开始跑去新加坡、日本等第三国用“新云”，绕开芯片限制拿算力。这些消息，很可能也刺激了国会，解释了为什么众议院这次会这么坚决地推进“远程访问安全法案”。众院几乎是全票共识，在这种情况下，同样是民选机构的参议院，压力不会小。

有人会说，中美现在在“贸易休战”，而且川普4月还想访华，政府未必愿意让国会通过这么一部法案。我只能说，这种情况有可能，但不可靠。川普完全可以说：这是国会的事，我挡过但没挡住。更现实的是，如果国会在他访华前把法案通过了，后面制定细则就交给商务部，反而成了他手里的谈判筹码，看情况再决定松还是紧。

所以现在很难判断这部法案最后会不会成法。但这些年看国会，我越来越有一种感觉：很多涉华法案，前期像“老牛拉车”，推进很慢、反复被摁住，看着像要死掉；可实际上是在一点点攒共识、攒势能。等政治窗口一到，要么搭上国防授权法这种“立法便车”，要么干脆走简化程序，突然就冲过去了。之前限制美国对华投资的反向CFIUS（2025年全面境外投资国家安全法，COINS Act），就是典型例子，当初被华尔街和参院核心议员强力阻击，结果上个月还是成功捆绑国防授权法快速通过。

所以总体趋势并不乐观，风险已经逼近，这件事值得高度警惕，也需要提前做好准备。

我现在真正担心的是：如果 RASA 这次在国会闯关成功，哪怕商务部还要花时间去细化规则，市场本身可能已经先怂了。在海外给中企提供训练算力的云服务商，很可能会出现明显的“寒蝉效应”——不一定等规则落地，就开始担心合规风险，甚至主动暂停合作、撕毁合同。更极端的情况是，美国把手伸到非美国云：你要是继续给中企算力，我就限制你拿美国芯片。如果规则定得过于宽泛，这甚至可能影响到中企目前高度依赖美国云服务的非AI类海外业务。毕竟美国出各类法规殃及池鱼的事情不是出了一次两次了。

一旦走到这一步，国内可能会第一次真正面对自2022年以来的算力短缺，而且对中美AI竞争的影响会非常深远。过去这几年，中国公司训练大模型的算力，主要靠三条路：一是2022年管制前或窗口期合法买到的英伟达芯片（比如 H800）；二是国产 AI 芯片，比如 华为 Ascend、寒武纪 MLU；三是远程接入海外云拿 GPU 算力。

但第一条路现在基本已经走到头了。数据中心里的 GPU 长期高负载运行，利用率常年在 60%–70%，单卡功耗动辄 700W，热应力非常大。业内普遍的经验是，GPU 在数据中心的“有效寿命”也就 1–2 年，最多 3 年。算到现在，早期那批卡能用的已经不多了，这个渠道几乎可以忽略。

第二条路，也就是国产 AI 芯片，确实是未来最大的希望，这几年进步也非常快。但现实问题是，芯片和大模型之间的适配需要时间，尤其在早期阶段，工程成本高、体验也未必顺手，很难立刻无缝顶上。

除了性能外，产能是最关键的。关于这块的公开信息不太多。根据美国相关智库统计，美国2025年B300 等效芯片的产量大概是367 万颗，华为产量在 4 万到14.6 万颗 B300 等效芯片之间，仅占美国总产量的1%至4%。伯恩斯坦对华为之外其他中国国产芯片厂商的数据，认为其总产量仅为华为的 50%，或2025 年美国总产量的0.5%至2%。

我看到过各种行业分析和投行研报的数据，经常天差地别。但在这方面，相比三天两头冒出来的各种“突破”、各种“好消息”，我还是更相信常识。

首先，用于大模型训练的高端GPU一定是短缺的，这一点相信很少人会质疑。

其次，用于生产高端GPU的半导体制造设备，是被美国管制的，特别是比较关键的光刻机，这导致我们只能以比较低的良率去生产芯片。如果去年有人告诉我国产高端GPU的产能只能满足我国AI算力需求的20%，今年就突然变成了90%，那我一定是要打一个大大的问号的。毕竟，半导体技术的进步有其内在规律，如果我们没有彻底地改变技术路线，天上不可能掉下管制的设备，良率也不可能神奇超越物理规律飞速提升。

另外，那么高的产能，配套的那些同样被美国限制的东西，比如CoWoS，比如HBM，又是从哪里来的呢？

而这大概率也意味着，通过渠道三海外云服务获取的算力，恐怕要占到我国AI算力总需求的相当比例。如果这条路被堵，对整体算力供给的冲击，会比很多人想象得要大。

川普政府要对中国放开H200，如果中企可以恢复采购，上述算力缺口自然可以得到弥补，我们对远程云算力的依赖也会大为降低。根据我和不少业内人士的交流，只要能买到实体芯片，很多公司根本不愿意再用云来拿算力，尤其是大厂，更倾向于自己建数据中心。因为云这种形式缺陷太明显：

第一是太贵。业内普遍的说法是，用云算力的成本往往比自己买芯片高一倍甚至更多。中企辛辛苦苦赚来的钱，大量流进了 英伟达 生态下的美国云服务商口袋里，而这些钱又会被拿去反哺研发和模型训练，继续拉大与中国模型和企业的差距。

第二是不安全、不可控。一旦出现像 RASA 生效这样的情况，外国云服务商出于合规或地缘政治风险考虑，随时可能撕合同、断服务，对国内大模型公司来说几乎是致命一刀。更不用说长期、大规模依赖美国云本身就存在安全隐患——美国国会一些机构和专家早就指出，让中企用美国云，既能赚钱，也有条件掌握中企的大模型训练情况。拜登政府时期甚至一度考虑用行政令，强制美国云企业承担这种监控义务，只是后来没继续推进。

有人会说，那不用美国云，用新加坡、日本、欧洲那些所谓的“小云”“新云”不就行了？但你别忘了，这些地方大多是美国盟友，而且 100% 依赖英伟达芯片。在美国的压力下，它们并不一定可靠；在实际资源紧张时，算力会不会优先给中企，也要打一个大大的问号。

所以，看到白宫正式放开H200，国会却在推进管云，我甚至暗自庆幸：中企终于可以摆脱美国的GPU云，用更充足的算力、更低的成本研发大模型，甚至在海外也自建数据中心，跟美国企业正面硬刚了，这对中国AI可是指数级的赋能。

但问题的确也不简单。如果国内完全放开 H200，对国产芯片的冲击一定不小，可能会拖慢我们推进国产替代、解决“卡脖子”的节奏。这种事，国家肯定要从中美长期博弈的角度去看——谁也说不准，今天解禁，明天关系一变，会不会又被一刀切掉；更别说还有在芯片里加定位、带来网络安全风险这些隐患。所以到现在，国家态度有点模糊，其实也很正常，这本来就是个需要反复权衡的大决策，后果会影响下一阶段中美科技竞争的走向。

我真正担心的是最坏的组合：如果最后决定不让 H200 进来，国内算力只能继续依赖海外云；但美国又很快通过立法把远程云这条路直接掐断，那就等于一下子没卡可用，算力缺口会立刻显现。对国内 AI 技术、产业发展意味着什么，对中美 AI 竞争意味着什么，其实不用多说，大家都明白。

前几天，清华大学基础模型北京市重点实验室办了个 AGI-Next 前沿峰会。被调侃为“基础模型四杰”的智谱唐杰、Kimi杨植麟、阿里巴巴林俊旸、腾讯姚顺雨，还一起做了个圆桌讨论。

讨论中，主持人问了阿里的林俊旸一个问题：三到五年后，最领先的AI公司是一家中国公司的概率有多大？林俊旸的回答是：“我觉得是20%吧，20%已经非常乐观了，因为真的有很多历史积淀的原因在这里。”我相信这个20%的评估可能出乎很多人的预料，尤其是这几年那些对中国开源模型抱有很大信心的观察者字。

林俊旸接着说：“如果从概率上来说，我可能想说一下我感受到的中国和美国的差异，比如说美国的Compute（算力）可能整体比我们大1-2个数量级，但我看到不管是OpenAI还是其他，大量的Compute投入到的是下一代的Research当中去。”

他还提到，中国在AI领域赶超美国的一个关键点，是中国的光刻机到底能不能突破，如果最终算力成了瓶颈，我们能不能解决算力问题。

其实，类似观点在其他严肃的研究成果中也曾出现。比如上个月 DeepSeek V3.2 的技术报告，就非常直接地否定了现在国内挺流行的两种说法：第一，算力不再是问题：恰恰相反，报告明确指出，总训练 FLOPS 不足，正在限制模型“世界知识”的广度；第二，中国一线开源模型正在快速追平美国一线闭源模型：报告同样说得很清楚，差距不是在缩小，而是在拉大，尤其在复杂任务上，美国模型明显更强。

这类信息我一般都会特别留意。现在 AI 太热了，市面上各种人，不管到底懂不懂，都在不断输出观点，结果就是各种脱离技术和产业现实的判断满天飞。相比那些武断地说“scaling law 没用了”“中国不需要那么多算力”“现在模型已经够用了”的说法，我更愿意相信真正站在一线、自己在做模型和系统的人。

这一点，其实也和美国那边的判断是对得上的。虽然川普本人对芯片管制没那么执着，甚至愿意拿出来谈交易，但长期研究 AI 和算力的美国专家心里非常清楚。前段时间传出美国可能允许 B30A 对华出口后，美国进步研究所就发了一份很扎实的报告：如果 2026 年美国全面禁止对华 AI 芯片出口，美国的 AI 计算能力将是中国的 31 倍；而如果允许 B30A 出口，这个优势会迅速缩小到不到 4 倍。这本身就说明，算力到底有多重要，美国的专家是一点不含糊。

该报告还很直白地指出：美国现在拥有的算力优势，不只是“更快一点”，而是会持续放大差距。算力更多，意味着美国能训练更强的模型，也更有条件去探索新的 AI 研究范式；还能同时养得起更多前沿 AI 公司，因为每一家都要烧大量计算资源。更重要的是，在算力充足的前提下，美国公司可以在推理阶段“花更多时间去想”：对每一次模型调用，用更长的推理链、更慢的思考方式，做出更强的复杂判断，甚至发展更强的自主代理能力，这些都会反过来继续抬高模型上限。

也正因为这样，在川普打算放开 H200 的消息传出后，曾在美国商务部工作的 Chris McGuire 给了一个非常形象的评价：这就像“给老虎喂最好的肉”。本来是想靠卡算力把老虎饿住，结果反而让它吃饱、长壮，获得了训练下一代模型的能力；等老虎真的强到一定程度，第一个被反噬的，可能就是喂它的人——在 AI 竞争中反过来击败美国。

总体来看，我越来越觉得，2026年中国 AI 在与美国的正面竞争中，形势会非常复杂、也非常严峻，而且这是一场我们输不起的仗。

过去两年，中国 AI 企业主要靠“软件压榨硬件”在追赶美国：量化、剪枝、投机采样，把有限算力用到极致，就像技术高超的赛车手，开着改装民用车，勉强跟上法拉利，没有被彻底甩开。但必须承认，这条路是有天花板的。模型从 FP16 压到 Int4 还能接受，再往下性能就明显塌陷，能省的基本都省完了。到 2026 年，美国 B200/B300 集群带来成倍跃升的算力和带宽，在绝对硬件优势面前，所有省算力的技巧恐怕都会被碾压，美国也可以直接跑更复杂、更先进的模型结构。

应用层面也是同样的逻辑。2026 年之前，AI 主要是聊天、画图、写文案，低精度还能凑合；但从 2026 年开始，AI 很可能加速进入科学研究、复杂代码、人形机器人、金融风控等高复杂度场景，对模型能力和稳定性的要求会越来越高。如果中国 AI 因为算力不足，在模型能力上被美国拉开代差，就很难支撑 AI 在全社会的广泛落地，更谈不上真正实现 AI+ 的产业赋能。受影响的不会只是上层应用，而是整个 AI 产业链，包括最底层的硬件。

这几年参加一些业界讨论，我常有一个强烈感受：有些观点把 AI 人为割裂成两块——一块是 AI 硬件，尤其是集成电路；另一块是 AI 模型和应用，仿佛彼此相对独立，甚至利益不一致。但事实并非如此。AI 本身是一个完整的技术栈，就像黄仁勋常说的“五层蛋糕”：能源、芯片、系统、模型、应用，任何一层塌了，整体都会受影响，绝不能把 AI 矮化成“只是大模型应用”。

AI 不只是消费芯片，它本身也在制造芯片需求。过去几年，AI 直接催生了大量新的集成电路增量：GPU、AI ASIC、NPU、HBM、高速互连、光模块、电源与功率管理芯片、专用推理芯片、边缘 AI 芯片等。传统软件升级，对芯片需求的拉动可能有限；但 AI 的一个新能力、新应用上线，往往意味着推理算力、显存、带宽、互连需求成倍增长。

换句话说，AI产业本身能不能起来，将直接决定我国集成电路产业技术和产业发展的未来市场空间和可持续性。

从长远看，现在正好卡在全球产业变革的关键节点上。技术在跳跃，地缘政治在重塑产业结构，AI 正在改变整个经济怎么生产、怎么创新。算力、芯片、能源这些东西，已经不只是生意，而是直接变成了国家实力的一部分。

与此同时，新产业的门槛被抬得越来越高。不管是先进芯片、AI 模型，还是机器人、生物技术，起步更贵、周期更长、系统更复杂，很容易走向赢家通吃。一旦在这个阶段掉队，后面再追，成本会成倍、甚至指数级上升。

今天的选择，基本就在决定未来十到二十年的产业位置和国家竞争力。如果 AI 的“奇点”真来得很快、而美国又抢先实现 AGI，那影响的就不只是产业输赢，而是国家安全和国际战略稳定层面的根本问题。这个事太大了，选错了后果不敢想。

文章仅做学术探讨和研究交流使用，相关判断不代表任何公司或机构立场，也不构成任何商业或投资建议。转载请注明出处。