算力、芯片和中国AI竞争战略研究

中国近两年的算力规模与美国差距重新拉开，算力的结构性紧缺（低端算力过剩，人工智能算力不足）对中国人工智能开发和应用形成很大掣肘，问题拖得久的话，会严重削弱中国的AI产业竞争力。

中国应在开放的生态中实现芯片的自主安全，在推动国产化的同时，可以通过建立分级分类进口管理体制，来缓解国内高端芯片短缺导致的算力不足问题。应该避免赢了硬件制造，而输了技术开发和应用的局面。

（一）AI在重构全球权力和财富格局，关乎国运、中国经济再增长的动力

尽管不断有人质疑人工智能发展路径是否正确，以及是否存在泡沫，但是AI正在以远超以往任何新技术的速度，在重构全球财富格局。

美国掌握了全球最顶尖的基础研发实力、芯片生产力和大模型构建能力，独占了全球AI产业60%的利润，藉此，美国企业聚拢了全球产业的多数超额利润和流动性投资。

(2025年，美国分享了全球AI产业60%的利润，中国则不足5%）

仅英伟达一家企业2025年利润就超过1300亿美元，是全球最大企业沃尔玛利润（194亿美元）的6.7倍，或者是全球十大车企（包括丰田、奔驰、宝马、通用、特斯拉等，它们是传统的最优秀企业）利润之和的1.2倍。

美国AI产业相关的七巨头市值超过18万亿美元，约等于欧盟的经济体量总和；OpenAI等几个即将上市的独角兽，估值也近4亿美元，这样加起来，美国AI企业在全球股市上吸收了至少22万亿美元，约等于全球市值的六分之一。

可以这样说，特朗普为代表的激进右翼没有解决美国衰落的问题，但是2023年以来，AI某种程度上止住了美国经济竞争力的下跌，make America great again（让美国再次伟大）。

（上图，2024年底美国科技七巨头市值超过英法德加澳五国市值之和；下图，2025年底，英伟达成为全球首家市值超过5万亿的企业）

中国是全球第二大人工智能研发和产业聚集地。AI也在用远超互联网的速度，重构经济叙事。今年上半年，AI产业板块已经有三个企业市值超过了1万亿，分别是智谱、寒武纪和中际旭创，下半年即将上市的长鑫存储市值有望超过3万亿，成为中国市值最高的企业。中国互联网股第一个过万亿的企业——腾讯，从上市到万亿用了十年之久，而大模型企业智谱仅用了不到六个月。

所以，人工智能正在以极快的速度重构人类的财富版图，深层则在重新构建人类权力版图，财富和权力正在快速向那些掌握了人工智能的国家、团体和个人倾斜，过去很多热门技术的权力权重则在迅速下降。

中国的崛起，在于过去三十余年抓住了发达国家的汽车、电子等制造业的转移机会，以及新兴的互联网产业浪潮。在这全球力量重塑的时刻，中国只有获得AI产业发展主动权，才有可能经济更上一层楼成为发达国家，否则全球竞争力将逐渐萎缩，止步于“中等收入陷阱”。

（二）算力即国力：中国算力的发展成绩和问题

人工智能发展的基础是算力，它是新时代的基建，就好比第二次工业革命时代的核心基建是电力和能源，互联网革命时代的基建是基站和服务器。充沛的算力是未来智能经济发展的前提，所以，现在流行“算力即国力”的说法。

在2010年之前，尽管中国的大学和科研院的超大型计算机计算水平居于世界前列，但是这些都是服从于学院式科研或军事的需要，投入不计成本，很难商业通用化。在民用算力方面，中国不仅远远落后于美国，也落后于日本、德国、法国等一般发达国家。

当时的算力掌握在美国的谷歌、IBM、微软、Rackspace，日本的富士通、东芝，德国的SAP等企业手中。以2010年当时新兴的云计算为例，中国本土企业产值规模仅为3.2亿美元，全球占比不到0.5%，不及西方行业巨头的零头。

在国家具有前瞻性的产业政策支持下，在阿里、腾讯、华为、百度等企业的努力下，此后中国算力迅速崛起。到2020年前后，中国的算力规模全球占比达到30%左右，基本与美国持平，超大规模算力中心数量全球占比达到15%左右。

中国成为全球名副其实的第二算力大国，甚至某些方面超过了美国，比如全球最快的超级计算机TOP500排行中，中国近十年常年第一名。另外，中国具备能源优势，发电量已经达到美国的两倍多，这时常成为媒体引以为傲的东西，以至于经常给人中国算力已经远远超过美国的错觉。

不过我们在欣赏中国算力迅速发展和某些优势之余，应该看到中国算力目前存在的问题，并且这些问题都是颇为严峻的：

1. 中美一度缩小的算力差距，又迅速拉开。根据中国信息通信研究院发布的历年白皮书，中国算力规模全球占比在2022年达到33%的顶峰后，去年底又回落到21%，中美算力规模之比从97%又回落到51%。

（中国算力经历了全球占比迅速上涨又回落的过程，图片来源：Epoch AI)

2.中国算力集中在低质量的基础算力，高质量的智能算力和超级算力比例偏低，与美国差距仍然非常大。比如工信部的数据显示，截至2024年底，我国算力总规模达280EFLOPS（EFLOPS表示每秒百亿亿次浮点运算），其中智能算力规模达90EFLOPS，占比32%，同期美国达到48%。总体上，中国智能算力占比一直比美国或全世界平均水平低10-18个百分点左右。

过去几年中国算力的快速增长，很大程度上是中西部算力产业招商导致的（类似于地方新能源和电动汽车招商政策），造成了低质量通用算力的大量过剩，以及高端算力的需求不足。

根据香港中文大学（深圳）和深圳数据经济研究院发布的报告，目前我国GPU平均利用率常低于30%，通用算力中心利用率普遍低于15%。另据赛迪顾问曾发布的报告，2023年，中国智能算力需求达到123.6EFLOPS，但供给仅为57.9EFLOPS。

（中国算力中心集中在中西部，某种程度是地方产业招商政策的产物）

中国信息通信研究院的另一组组数据也可以说明中国两国在算力质量上的差距：2024年底，在通用算力方面，美国和中国的全球占比分别为 36%和29%；智能算力方面，则分别为46%和21%，美国是中国的二倍以上；超算算力方面，分别为 52%、13%，差距更为明显。

大模型遵循Scaling Law规律，投入的算力越大、训练数据越多，模型的性能就越好。正因为美国企业在算力上的极度充裕，支撑起他们的商业梦想不断升级。Anthropic最强大的Mythos已达10万亿参数，训练它就要耗费100亿美元；xAI的Colossus 2正同时训练7个模型（其中最大的也达到10万亿参数级），OpenAI迭代一轮4万亿参数模型仅需要一个月。

而我国目前最顶尖的模型总参数量仅为为1.6万亿，并且迭代耗费了一年多，显示出算力对人工智能发展的巨大掣肘。

（国外大模型训练参数越来越向6万亿级参数以上集中）

最近两年，中国一些自媒体为了引流，一直乐意渲染中国算力的优势，很大程度上误导了公众甚至产业界对中国算力的真实认知，其技巧无非都是用某些方面的优势掩盖了整体落后的真相，尤其是高端算力严重短缺的真相。

（三）高端芯片短缺是算力规模和质量劣势的主要因素

算力的决定性因素包括计算载体CPU、辅助材料（如传输光缆）、电力等等。中国在电力方面占有优势，在辅助设备方面至少不在劣势，因此，高端芯片的短缺成为算力发展滞后，尤其是高质量算力严重不足的主要原因。

首先是产量上的落后，2025年，国产AI芯片出货量累计约165万张，而美国英伟达一家产量即在700-800万张（其中本国至少销售400-500万张）。另一个统计口径是，美国该年英伟达GB300等效芯片的产量大概是367万张，而我国最大芯片企业的等效芯片产量不超过15万张，最多相当于美国的4%。

同时在质量上也有不小差距，即算力上的差距。目前，英伟达最基础的算力芯片H100的FP16算力，是国产最畅销芯片的2.5倍左右；英伟达NVLink技术提供900GB/s的卡间互联带宽，支撑千卡集群训练效率超90%，而国产最流行的芯片互联框架带宽为392GB/s，千卡集群效率50-60%。

（全球主流芯片算力排名）

国产芯片与英伟达的技术代差，2023年在12–20个月，而现在扩大到36-48个月，目前尚未量产的最先进国产芯片，性能仅可以对标英伟达2022年-2023年发布的产品。由于光刻机制裁的影响，国产算力芯片最先进制程工艺仅达到7nm、容纳500亿晶体管，而英伟达2020年5月即推出首款7nm芯片，现在则已经量产4nm级、容纳2000亿以上晶体管的芯片。

根据著名人工智能研究智库Epoch AI的估算，到2026年初全球累计约2000万人工智能H100等效算力（H100e），其中约为1200-1400万H100e，仅谷歌一家就拥有约500万H100e，Meta、微软、亚马逊也达到百万级别H100e。而研究咨询机构认为，中国人工智能算力在280万-300万H100e左右，最大的机构算力水平很难跻身美国前十。这个差距跟上文提到的中国信通院2024年底数据又有很大的扩大。

（Epoch的统计显示，中国人工智能算力整体水平大致与美国甲骨文公司相当，当然这个统计低估了很多，不过国内公认的数据显示，中国人工智能算力最多只有美国四分之一）

《财经》杂志对对中美主要科技公司资本支出统计的比较也印证了这个问题，微软、亚马逊、谷歌、甲骨文和Mata 五家企业，2025年采购支出为4500亿美元左右，而国内阿里、字节跳动、腾讯和百度四家支出仅530亿美元左右，亚马逊一家的支出就是国内四大巨头的两倍以上。

（中美主要科技公司2023年-2025年资本支出比较，图片来源：《财经》杂志）

国产芯片在软件生态上的劣势，也限值了算力的发挥，以及增加了成本。CUDA生态积累20年，覆盖全球400万开发者、5.6万开源项目，目前全球95%以上的AI模型基于CUDA生态开发，而国产最主流芯片适配的大模型很有限，迁移至国产平台需重构代码。根据高盛最新发布的报告，国产芯片每IT功率的资本支出比进口芯片便宜40-50%，但因为算力密度低、功耗大，换算成“每算力”的资本支出，反而比进口芯片贵2-4倍。

所以，我们要认真审视中美算力差距及芯片技术代差，对我国人工智能发展造成的根本性冲击。今年春季，备受瞩目Deepseek大模型的迭代更新，比原计划推迟数月，据很多媒体透露，这是高端芯片供给不足导致的：进口芯片短缺，而国产芯片能力又根本上。因此，Deepseek最近做出了筹资500亿自研芯片的决定，我们希望算力短缺导致的产业发展滞后效应，不要再蔓延扩展。

（四）如何化解芯片危机？兼中国芯片产业发展路径的思考

这两年，为了解决算力芯片短缺情况，国产芯片顺势迅速崛起，2021年之前我国的算力芯片95%以上依靠进口，去年进口的比例下降到59%，今年可能下降到40%以下。华为昇腾、阿里平头哥、寒武纪、百度昆仑芯、摩尔线程等逐渐量产，中国芯片产业逐渐形成规模和独特的发展路径。

（2022年以来中国AI芯片品牌构成，国产芯片占比不断增高，图片来源：Epoch AI）

关于如何促进芯片产业发展，笔者对这种技术门槛很高的产业是个外行，本文不做探讨，本文仅从一般产业规律讨论一下，当前争论最激烈的如何处理国产替代和进口之间的关系这个问题。因为，现在芯片问题已经绝非一个纯粹的商业问题，而是附加了中美两国很多民族情绪和政治较量的，意识形态色彩很浓的一个话题。

当下业界颇为流行的一种问题解决逻辑是：美国芯片供应既不稳定，又存在技术风险（所谓“后门”问题），中国应该趁美国芯片限制性出口的机会，来个反向制裁，完全禁止芯片进口，实现芯片国产化，以解决中国芯片安全问题。

如何处理好国产替代和进口的平衡，关乎中国能否解决算力短缺，尤其是高端算力短缺问题，也就是我国人工智能核心竞争力问题。对此，笔者有以下几点看法。

第一，国产可以作为整体大目标，但是一定要避免一蹴而就、急于求成，要动态把握国产替代与进口之间的平衡。

国产芯片在算力、效率、生态匹配性上与国外先进水平有不小差距，总体来说我们芯片生产处于二流水平，但是我国人工智能开发企业都是世界一流影响力企业，他们要开发第一流的应用，才能保障我国产业竞争力与美国并驾齐驱。这就出现了硬件供给与产业需求之间的矛盾，这种矛盾目前仍应该需要相当部分的进口芯片来解决，不然会延滞人工智能产业的发展。

所以，国产完全替代化可以是分阶段、分领域进行的。比如，可以作为长期目标，短期内仍应该保持适当进口，人工智能应用市场竞争窗口期不超过6个月，如果一个大模型6个月没有明显更新，消费者就切换到其他模型了，所以时间不等人，芯片制造我们输不起，模型开发、市场应用同样也输不起。

在领域上，可以是对训练算力要求比较低、安全要求比较高的行业（如政务、金融等）先进行国产替代，而对技术要求比较高、安全敏感度低的普通商业领域暂缓替代，等到国产芯片与进口芯片没有明显差距后再进行替代。

第二，全产业链利益最大化原则。我们应该看到AI产业是一个漫长的产业链，切莫因为某个环节发展的缺失，而过度投入资源而影响其他环节的发展，应该本着全产业链利益最大化效应，既要重视上游，也要重视下游，切忌出现赢了芯片制造，而输了人工智能模型开发和商业应用的局面。我们做好国产芯片的目的终究是为了商业应用走在前面，切勿把目的和手段重要性倒置。

第三，对于大众担忧的芯片安全，即现在讨论比较多的“芯片后门”问题。

作为技术话题领域的“硬件后门”问题早就存在，从以往的汽车、飞机操作系统后门（比如传说中的“一键停飞”、“远程锁死”），到电脑硬件后门，早已经讨论过很多。这个在理论上存在，但是实际案例中既无法完全证实，也无法完全证伪。

依据笔者对“芯片后门”（chip backdoor ）全球英文新闻的检索，发现其并未构成一个讨论的技术伦理或法律话题，有且仅限于出现在中美芯片争端话题领域。另外根据笔者以“芯片后门”和“硬件后门”为关键词对中国知网的检索，我国尚无研究论文讨论“芯片后门”问题，只有两篇电子科技大学的论文讨论“硬件后门”问题：一种可能性在于，在于“芯片后门”并不构成一个真问题，另一种可能在于中国对这个领域研究的确很不充分。

基于以上研究，笔者认为这是一个非常需要重视的问题，不过也有不要把安全问题泛化，或者因噎废食。另外，即便芯片后门为真的话，对后门漏洞的识别与改造是与芯片研发一样重要的任务，这样的话，不就可以扬长避短、为我所用了吗？这当然只是逻辑上做些推论，还望技术内行批评指正。

为了最周全的安全考虑，在政策设计方面，我国可以建立起芯片的分级分类进口许可体制。从维护安全，以及美国管控政策现状出发，我国可以把机构使用外国芯片分为：禁进口、限进口和可进口三类。对于涉及国家核心秘密较多的机关、军工企业等，做限制性措施；对于一般的民用竞争性领域，可以实现较宽的准许措施，规定好企业的保密义务即可，如果企业使用不当造成国家安全风险，可以从许可名单中剔除。

第四，营造良好的市场生态，是促进芯片产业发展的最根本动力。

从芯片行业发展的支撑因素来看，最直接的资源供给能力，主要是资金扶持力度和人才充裕程度；更基础性的是技术生态，营造依托于中国研发系统的开源数据系统；而最基础性的则是市场生态问题。

芯片既是一个重要的战略物资，又是一个常规的市场产品，它的发展遵循一般工业产品的研发规律，切莫特殊化和神秘化，以及过度受美国政策和宣传陷阱的左右。在构建芯片产业生态上，我们需要面对的两个基础问题是。

1. 处理好政府、芯片生产企业和市场端的关系。政府在芯片产业上的重点应该是，如何最大效率发挥好政府资源优势和市场机制优势，让国内企业造出好芯片，而不能在销售端做太多诱导或干预，这种类似计划经济的做法，最后不利于芯片产业的发展。

我们要尽量杜绝在海内外芯片资源利用上的“一刀切”，要给予企业在法律范围内的设施采购自主权，这样才能有助于人工智能全链条的健康发展。只有让市场端做更多的自主选择性用脚投票，才有助于制造端有创新压力，过度的市场保护一定不利于产业发展。

又很多人担心，如果进口芯片，是否影响国产芯片产业发展，笔者认为在国外芯片完全垄断的情况下，有必要限值，做一些补贴诱导（比如补贴国产电动汽车的做法）。在国产芯片即将占据大部分市场的情况下，维持一定范围的进口是必要的，这样会起到“鲨鱼效应”，以及只有促进而不会，我们要对本国企业的创造力和供应链有信心。

我们还应该吸收新能源、电动汽车赶超发达国家方面的教训，切忌地方政府竞赛式的、大水漫灌式的补贴，最后造成芯片产能过剩、低效供给过多，而高质量供给短缺的局面。

2.如何处理国内外市场和资源之间关系的问题。尽管现在芯片竞争白热化，但是中美两国任何一方构建一个封闭的技术和市场体系都是不可能的，尤其是对于处于弱势的一方更不是好事。

也有人认为这是异想天开，但是，从美国近五年芯片政策的演变，以及各方在芯片问题上的态度差异来看，中美在芯片上仍旧是可谈的，中国芯片产业发展仍需要与美国一定程度上的合作，或者具备一些资源利用空间。

比如，美国主要芯片企业及其利益代表组织美国半导体协会(SIA），基于商业利益出发，一直对中国发出友好态度，反对管制政策。总部位于美国的国际半导体设备与材料协会（SEMI），上周也向美国财政部长贝森特发出正式信函，强烈要求美国政府全面重新考虑其单方面推进的出口管制措施。

美国尽管不断升级出口管制，但是也曾经在2025年底和今年特朗普访华期间释放出准许出口英伟达H200的信号。中国仍可以利用美国内部的分歧，以及企业对中国市场的依赖，实行阶梯式谈判，逐步获得最先进芯片；以及通过以市场换技术的策略，与美国监管边缘地带的企业，或者日韩欧洲芯片产业链企业进行合作。

因此，如何理解理解“构建产业自主”，也是厘清中国芯片产业发展路径的一个关键。笔者认为，产业自主的核心精神不是建立一个封闭的产业体系，实现全产业链的自给自足，而是在开放的生态中，实现核心技术上的自立，不被人“卡脖子”，或者具备对待技术制裁的能力。一个国家只有在开放的生态中，才能建立起有竞争力的产业体系，过去苏联和东欧经验表明，封闭式的、完全的国产替代往往都是低质量替代。

参考文献：

全国数字资源统计调查组：全国数据资源调查报告（2024年）

国家数据局：数字中国发展报告（2025）

中国信息通信研究院：《中国算力发展指数白皮书》（2021年—2025年）

中国信息通信研究院：《先进计算暨算力发展指数蓝皮书》（2025年）

香港中文大学（深圳）、深圳数据经济研究院：《算力经济绿色发展研究报告》（2025）

《科技日报》：《利用率仅三成，“沉睡”的算力如何激活》，2025年7月17日

《财政》杂志：《中国算力，以何强壮？》，2026年第1期