美国锁住先进芯片，中国算力要打赢哪七场仗？

中美算力战，美国最强的反制，从来不是让你造不出来，是让你造出来没人用。这一篇拆七场必须打赢的仗：软件栈、超节点、HBM、协同设计、调度、推理、端侧——没有一场在塔尖，也没有一场能靠买。

上篇发出后，我就开始写下篇。写到一半，8 月 14 日，两件事撞在同一天。

一件在休斯顿。美国商务部长卢特尼克参观完苹果的新工厂，对《华尔街日报》说，政府不赞成苹果采购中国存储芯片——“不该是伟大的美国公司去用中国的内存”，他说自己已经“直白地”告诉了苹果。苹果考虑购买长鑫的 DRAM 和长江存储的 NAND：AI 数据中心的需求把全球存储芯片价格推到了高位。

另一件在华盛顿。路透社披露，国务院起草了一封信要发给 35 个国家：加入美国主导的 AI 合作框架，就不能再加入中国牵头的框架。

一件是掐客户，一件是逼站队。两件都还不是正式禁令——卢特尼克只有施压的意愿，手里没有执行的机制；那封信也还是一份没有确定发送日期的草案。但方向已经很清楚。

这道锁是 2022 年 10 月落下的：美国按芯片性能阈值划线，顶级 GPU 不许卖给中国，次一级的逐案审批。三年过去，它一直在往外长——长到了存储芯片，长到了你的客户，长到了第三国的选择题。锁的是先进芯片，勒的已经是整条链。

真正的禁令，写好了，悬着。

据路透社报道，美国跨部门委员会已经审议通过，拟将 DeepSeek、长鑫存储和一百多家中国企业列入实体清单——长鑫正是国产 HBM（高带宽内存）的主力。两个月过去，名单仍然悬着。

暂缓不是赦免。

上篇文章留下一个坐标：算力差 14 倍，头部模型只差 4 分——差距被转换率吃掉了。美国强在塔腰（制程与 HBM），中国强在塔基（电），两边拿的是互补的残局。

这一篇接着问：如果限制继续收紧，国家的对策是什么，企业当下该做什么选择，中国又怎么把电力和系统的优势，变成真正的算力？

先说国家这一层。历史上被封锁的产业最容易犯的错，是在旧赛道上继续加码。中国这一次的答案不是追上一张 B300，也不是等下一代 Rubin，而是换一个方向，重新布置整座塔：七场必须打赢的仗，中间横着三道坎。主战场都在塔腰和上下层的接缝处，没有一场在塔尖；没有一场能靠买解决，每一场都要靠组织。企业那一层的答案更短，一句话，就在下一节末尾。

先把地图摊开：

这不是中国半导体的完整补课清单，而是未来两三年最有可能放大现有资源、提高算力转换率的七个关键支点。表的右半边是美国可能的反制——每一场都有对手，每一场的对手打法都不一样。怎么打、怎么接招，下一节一场一场拆。

在那之前，先花几分钟看对手的牌——因为它决定了这七场的先后缓急。

────────────────────

01 悬着的名单：先看对手的牌

美国这一年的动作，拆开是三层。

对内造塔：2025 年 11 月，“创世纪任务”行政令签发。能源部牵头，动员国家实验室、超算和联邦科学数据，目标是在十年内把美国的科学生产力提高一倍，美方将其比作新的“曼哈顿计划”。

对华锁腰：2025 年废除 AI 扩散规则，转为精准打击昇腾。2026 年 1 月，众议院通过《远程访问安全法案》，拟把云端调用算力也纳入出口管制。5 月 31 日，BIS 新规把中国企业的海外子公司一并纳入管控。还在推进的草案要按国家分配配额，对中国拟设单一企业 7.5 万颗上限。管制的单位一路上移：从芯片参数，到实体，到访问，再到国家配额。

对外卖栈：2025 年 7 月白宫行政令 EO 14320；2026 年 4 月，商务部开始征集“全栈 AI 出口包”——硬件、模型、软件、标准打包出口，配套“以投资换许可”。这一层要圈的不只是芯片。美国去年启动的那个供应链框架，管的是三样东西：AI 模型、半导体、关键矿产——正好是算力从矿到模型的一整条链。开篇那封发往 35 国的信，是它的最新一步：从“欢迎加入”变成“只能跟我做”，目标是把中国从这条链上摘出去。战略的最新一步：美国已经不满足于推销自己的方案，而是开始排斥中国的方案。

三层都在收紧，却特意留了一道半开的门：H200 从“推定拒绝”改成“逐案审批”，美国国会报告估算，中国头部企业可能获准采购超过 40 万颗。放上一代芯片进来，一石三鸟：赚钱、占产能、压需求。占的是全球本就紧张的 HBM 和先进封装；压的是国产芯片的本土需求。这不是管制留下的漏洞，是精心设计的一手。

前两种反制好理解：断供是不卖给你，圈地是拉着盟友不跟你玩。这一种反着来——卖给你，但只卖刚好够用的。

芯片要靠卖出去才能变好：卖得多，良率才磨得上去；装得多，生态才有人来建。所以订单被上一代进口卡接走，伤的不是一单生意，是国产卡变好的速度。这比不卖给你更难受。不卖，你当天就知道必须自己造；卖你刚好够用的，你会觉得还能再等等。

美国最强的反制，不是让你造不出来，是让你造出来没人用。

两个预测先写在这里。一是名单会落下，而且不止这一批。二是管制范围可能从芯片延伸到中国的开放权重模型——美国已经在讨论限制其访问和使用，怎么落地还没定，方向很清楚。

真到那天，会怎么样？名单落下，进口卡断了增量，存量就是全部家底。

这些限制未必同时落地。英伟达需要中国市场的收入，盟友仍在犹豫，美国自己的初创公司也还在用中国的开放权重模型——每一样都会拖慢政策推进。

怎么准备，访谈里有两个现成的范本，路径正好相反。

一个是挨过打的。廖恒说，2019 年之前海思活在一个幸福的世界里：世界是平的，海思芯片规模世界前三，台积电最先进的工艺连英伟达都还没用上，华为第一个用，因为付得起钱。2019年被全面制裁后之后这一切被打破，幸亏有备胎准备——合规部门在被打压之前就把管制条款烂熟于心，昇腾 910 在实体清单公布三个月后发布。

一个是没等挨打的。廖恒给 DeepSeek 创始人热烈鼓掌，理由不是模型跑分：这位创始人主动选了复杂度更高、更难收敛的算法，等于提前给自己设了一个约束——假如未来最好的芯片买不到，今天就得把算法的算力效率做上去。

前者证明备胎能扛住突袭，后者证明约束可以提前写进设计。

所以给还没上清单的公司一句直话：进入清单，首先受影响的是上游供货，受管制的产品、软件和技术要拿到许可才能继续供应；下游采购未必被明令禁止，但客户、伙伴和云服务商往往因为合规风险提前退出，这一步常常比正式禁令来得更早。断供、断合作、断托管，这三条今天就该演习一遍。

制裁的时间表握在对手手里，准备的时间表握在自己手里。

开篇那张对阵表，现在一场一场拆开。方向先说清：中国从塔基往上补芯片，美国从塔尖往下补电力——双方围绕的是同样七个环节，只是方向相反。

第一场：统一软件栈——拆掉 CUDA 焊死的那道门。

英伟达用二十年把 CUDA 焊死在开发者手上；中国的现状是每家芯片一套软件栈，重复建生态。两条收敛路线今年都已成形：CANN 向下做深，华为把自有软件栈逐步开放；FlagOS 横向打通，目标是让一份模型代码能在十多种国产芯片上运行。按 FlagOS 项目披露的算子级测试，八成算子与 CUDA 平齐或反超。

我的判断是，两者最终未必互相取代：CANN 把华为芯片的能力挖到极致，FlagOS 负责打通不同厂商，合起来可能构成国产算力的“安卓层”——CUDA 是一家的垄断，安卓是众家的地基。风险也在这里：各家都想当标准，就永远碎片化。

第二场：超节点——把战场从单卡挪到机柜。

这是廖恒对话里最硬的信号。他在访谈前两个月的开发者大会上定过一句调子：芯片到软件深度协同，发挥超节点系统能力。这不是一句宣传口号，而是说明华为把技术路线押在了 scale-up 上——用高速互联，把更多芯片组织成一个统一的大系统。

7 月的 WAIC 上，昇腾 950 超节点真机首次亮相，现场部署了 1024 张卡。按华为 2025 年 9 月公布的路线图，满配可扩展到 8192 张卡，计划今年四季度上市。参数都在图里，这里只留一个对比：满配系统的互联规模可达英伟达 NVL144 机柜的数十倍。

华为的算力哲学只有两句：承认单卡代差；用互联和内存语义，把上千张卡变成“一张大卡”。用四颗国产芯片顶一颗英伟达的换算，就发生在这个机柜里。这笔账在美国算不过来，在中国算得过来：电价便宜，电网充裕。

廖恒还解释了华为为什么敢自己定义一条互联总线：数据中心的八类关键器件，从 CPU、NPU 到网卡、光模块、连接线，缺一项互联链路就闭合不了。别人做互联要去 IEEE、IETF 走互通认证，因为器件来自不同厂家；华为八类都有自主能力，才敢走这一步。

所以超节点不是单颗芯片的胜利，是八类部件同时协同的结果。而灵衢的协议规范，华为已经免费授权并公开——自己定标准再把标准交出去，是“安卓层”在硬件侧的翻版。

第三场：DRAM、HBM 与先进封装——产能的咽喉。

HBM 由多层 DRAM 堆叠而成。昇腾 950 起，华为开始用自研 HBM，主要服务于自家昇腾体系；面向整个产业提供 DRAM 与 HBM 产能的关键主体，是长鑫。

长鑫 7 月 27 日在科创板上市，579 亿元是科创板史上最大的一笔 IPO。按 Omdia 的销售额口径，它的 DRAM 全球份额 7.67%，中国第一、全球第四——全球有完整 DRAM 能力的厂商只有四家。

HBM 那一步还在路上。据行业媒体估算，长鑫的 HBM3 已进客户验证，年底小批量试产、2027 年放量，与三星和 SK 海力士差两到三年，产能大约只有 SK 海力士的十分之一。这些是估算，不是招股书数字。

长江存储不生产 HBM，主营 NAND，意义在另一处：2022 年进入实体清单后，外界一度预计它产能停滞。四年过去，它靠国产设备替代把 Xtacking 做到等效 294 层，按 Counterpoint 的比特出货口径已进全球前三；若按销售收入算，仍落后于美光和铠侠。

这一场没有捷径：DRAM、HBM 和先进封装都要比资本投入、比良率爬坡、比年头。它决定系统战的弹药量。而长江存储这四年，正是开篇那句话的注脚：备胎不是被制裁那天才开始造的。

回到开篇：苹果为什么会考虑采购中国存储芯片？苹果首席运营官给出的理由很直接——通用存储芯片“没有太多定制”，技术迁移并不困难。法律上也没有障碍：长江存储在实体清单上，长鑫不在；采购通用存储芯片不需要许可，只有共享设计信息才需要。惠普和宏碁已经在美国以外销售的产品里用上了长鑫的芯片。

第四场：模型与芯片协同设计——把先见变成流程。

为什么必须提前？廖恒的说法是：芯片从定架构到落进用户手里，至少三年。所以做芯片的人，日历是 2030 年，客户的日历是 2026 年——中间差着四年。完全听客户的，就一定滞后四年。

上篇说的“战略先验”，讲的是一家公司提前押对了架构。放到国家竞争的尺度上，这种先见不能只靠个别人的判断，得变成稳定的协同流程：今天定下的数据格式、内存和互联方式，决定四年后这套体系还有没有资格上桌。所以这一场要变成流程的，是替四年后的终局做推演——谁会卡住谁、哪一层会先断、四年后的模型长什么样，再把答案倒过来写进今天的芯片规格。

流程也很清楚：模型公司提前拿到下一代芯片规格，芯片公司按模型架构反向定义数制和内存。两边已经在会师。华为自研了 8 位浮点格式 HiF8，昇腾 950 原生支持；DeepSeek 的低精度格式则明说了是为下一代国产芯片准备的。换到 8 位，显存、带宽、通信量一起减半，同样的卡等效算力接近翻倍。低精度格式正在成为模型与芯片互相设计对方的接口，也是降低对英伟达标准依赖的一步。

这场会师有具体的日期。据《昇腾崛起》：2024 年 11 月末，DeepSeek 创始人致电华为，提出把模型部署到昇腾超节点上；次年除夕夜，华为贵安数据中心紧急开通上千张昇腾芯片，三天部署三千多张。如今 DeepSeek V4 的技术报告上印着两行字：英伟达 GPU，华为昇腾 NPU。

第五场：调度——把 115 万张分散的卡，变成可集中算力。

这一场最少被讨论，却最对症。一边是阿里说“没有一张卡是空的”，一边是不少地方智算中心的卡在晒太阳：好卡不够用，通用卡没人用。分散在几十个主体手里的上百万张卡，不用多买一张，本身就是一场仗。

但能做什么、不能做什么，要先说清。跨地域、跨主体的卡拼不成一台训练机器——带宽和时延不允许，数据也出不了域。它们能接的是另一类活：推理、批处理、后训练，这些任务不要求几千张卡整块连着跑。

所以存量不会变多，空转会变少。

这一仗的价值，英伟达早就替我们确认过。据《昇腾崛起》，2018 年华为想在英伟达 GPU 上做一层资源池化的二次开发，被对方法务正式回函拒绝，连函数名都不让共用——因为那个方案能让原本要买 100 张卡的需求降到 50 张。能让卖卡的人动用律师函的技术，就是该打的仗。

第六场：推理卡——先于训练卡解决的战场。

推理更看重内存带宽和能源效率，对尖端制程的依赖相对较低，也更适合低精度计算——训练芯片的差距被制程锁死，推理芯片的差距可以靠系统优化补回来。单卡故障还能由冗余副本和路由切换吸收，不需要万卡三个月不断线，国产芯片的稳定性短板在推理场景里没那么致命。

华为的产品节奏已经表明判断：昇腾 950 把推理拆成了两半，处理长输入的 950PR 上半年量产，逐字生成的 950DT 8 月上线华为云，后者还兼做训练。头部云厂已经成规模下单，全年产能早在一季度就被预订一空。

两三年内，国产推理算力会先达到“够用且便宜”。便宜的标准很实在：用国产卡跑国产前沿模型，推理服务自己能算平账，不靠补贴。而推理正是 GW 战场的主体。

推理便宜还有一层复利。上篇埋过一句：下一个稀缺的，是能教会模型独立完成长任务的长程数据。这种数据爬不来、买不到，只能由持续运行的 Agent 在完成任务的过程中产生。

推理成本下降 → Agent 并行增加 → 长程数据积累 → 模型能力提高

推理战场的胜利，会变成训练战场的弹药。

第七场：端侧——不挤占云端 GW 的分布式算力。

泛端侧包括汽车、机器人、IoT 和 AI PC，中国本来就是全球最大的玩家，而且这一层对先进制程的依赖低得多：3B 模型已能在端侧芯片上跑出 100+ token/s，存算一体芯片 160 TOPS 只要 10 瓦且已量产，端侧尺寸的开源模型下载量全球最大的也是中国的。

战略含义常被忽略：云端算力要配电站，端侧算力自带电池——电费和散热都由用户承担。十几亿部手机加几千万辆智能汽车，是一张不挤占云端 GW 指标的分布式算力网。

这七场打到哪了，未来 12 个月可以对答案。标准只有一条：发布会、立项、出货数字都不算，要看能不能用起来——软件栈看跨芯迁移，超节点看万卡训练，HBM 看小批量交付，协同设计看从头预训练，调度看真实卡时，推理看单位 token 能否算平账，端侧看真实装机量。

顺着这七场往下看，还能看出钱会流到哪几段：超节点带的是互联、光模块、液冷和电源，HBM 那一场带的是封装设备、材料和封测，推理带的是设计、代工和整机，端侧带的是 SoC 和模组。

给看这条线的投资人一句：别只盯着谁涨了，先看它在哪一场仗上、那场仗打到了哪一步——七个信号就是刻度。芯片的周期比模型长得多，产能那一场尤其：砸钱也得等年头。

七场看下来，共同点不只是没有一场在塔尖，还有一条：没有一场能靠挖人赢。上篇说过，挖得来人才，挖不来形态——七场仗考的全是形态。

七张工单合起来，就是那座塔的施工图。

美国的大算力是买出来的，中国的大算力只能是组织出来的。

────────────────────

03 三道坎

七场仗解决的是路径，三道坎决定的是速度。中国要把电力优势变成便宜的硅基时间，中间必须穿过产能、人才和转换率这三道坎——我在 AtomCode 那篇里写过，一个人用国产模型跑 Agent，月成本几十块钱，美国同行几千上万，那就是穿过去之后的样子。

第一道，产能。DeepSeek 的判断更直接：中国 AI 芯片不缺生态，缺产能。4:1 的换算意味着同样算力要 4 倍的晶圆、4 倍的封装、更多的 HBM——先进制程和存储的产能，是物理约束，砸钱不能立刻变出来。

第二道，人才。从总量看，中国并不吃亏。按 MacroPolo 的追踪，全球顶尖 AI 研究者里，本科毕业于中国的占 47%；DeepSeek 团队半数以上完全由国内教育和产业体系培养。廖恒说，学术界的算力国内也比海外充裕得多——北京上海的实验室是万卡量级，海外名校一个系可能只有几百到一千张卡。

缺的是愿意往楼下走的人。廖恒把这行比作一座十八层的塔：楼上是应用和算法，风景好、见效快，半年就能卷出几千万日活；楼下是芯片、编译器和系统，长跑选手待的地方。中国不缺算法研究者，缺的是能从楼上走到楼下、再把各层纵向贯通的人。他讲过一个细节：写软件十分钟编译一次，做芯片十八个月才能按一次按钮，按下去就是两三亿人民币，没有试错机会——这类能力不能只靠聪明，只能在一次次流片里积累。塔尖的人才在溢出，塔腰的人才在断档。

第三道，转换率。有电不等于有算力，有算力不等于有硅基时间。中间隔着系统、软件、调度三层转换，每一层都在漏。

这道坎麻烦在，多数人不知道自己漏在哪：卡有账，电有账，唯独“一度电换出多少 token”这笔账，今天几乎没有企业算得清。前两道坎砸钱和熬年头总能过去，这一道不行——它考的不是任何一场仗的胜负，是把七场的成果串起来的组织能力。电力优势不会自动变成智能优势，就像沙特有石油，炼化和化工的利润长期在别人手里。

七场都值得打，三道坎却要慢慢过。这两件事合起来，决定了终局的形状。

────────────────────

04 终局推演：没有速胜的战争

把上篇的地图、宝塔和这七场仗放在一起，终局能推出三条。

第一，没有速胜，双体系长期并存。

美国的电力短板五年内解不开：核电审批、输电线、燃气轮机订单，排队都以年计；xAI 自行部署燃气轮机、Meta 投资建电厂，只是把等待从电网接入转移到了设备订单上。中国的制程短板五年内也解不开。

廖恒的判断更直接：这样再持续十年，一定会分裂成两个体系——哪怕不发生更严重的冲突，大家为了活下去，也都得有各自完整的制造能力。理由很朴素：芯片已经接近水和空气，经济规模比石油更大。必需品不能只有一个来源。

第二，竞争的刻度会继续上移，胜负手落在转换链上。

竞争最初比的是芯片数量，接着比系统规模和电力容量，下一步要比的是每一度电能换出多少硅基时间。度量单位一路上移：芯片 → 系统 → 电力 → 单位电力的智能产出。同样 1GW，转换率高的体系产出可能是对手的几倍；上篇手记留下的那个替代率，就刻在这把尺上。

模型会开源，芯片会迭代，这两层的领先都是暂时的；难复制的是把“电 → 算力 → 硅基时间 → 产出”整条链跑通、跑便宜的体系能力。这个刻度 2017 年就写进了昇腾的第一张图纸：据《昇腾崛起》，达芬奇架构之争时廖恒定的原则是只求单位功耗下的 AI 算力最大化。廖恒的这条原则、何庭波的韬定律、黄仁勋给 Rubin 定的“每瓦 token”，指向的是同一个尺度。

第三，终局的形态：不是灭掉对方，是争当默认值。

看开放权重那组数字：中国前五的模型，四个开放权重；美国前五，零个。马斯克说得直白——华盛顿可以立法禁止美国公司用中国模型，但拦不住世界其他地方用。一边把最强的模型封闭起来、只通过 API 提供服务，一边把足够强的模型开放出来、让人下载部署到自己的服务器上。要 35 个国家二选一的那封信，恰恰说明模型部署规模已经大到需要用外交手段去拦。操作系统之战的老教训还在：最强的系统未必赢，装机最多的系统赢。

廖恒把开源的意义说得更重。他讲了垄断是怎么形成的：一个领域被少数几家吃下之后，供应商无利可图，技术方向被单一客户主导，创新就死了——2005 到 2015 那十年，硅谷的风投几乎没投过芯片创业公司，根子就在这里。他的判断是，开放权重模型可能正是刺破这层垄断最重要的一根针。

一边用全栈出口包把系统装进盟友的国家基建，一边用开源把权重铺到每一台服务器上——默认值之争，两边都已出手。

终局不是决出胜负，是决出默认值。

而默认值由谁决定？开发者。

七场仗有一个共同的缺口，也正是美国反制的落点：每一场的胜负，最后都要开发者投票。这一点廖恒自己说得最诚实——被问到还欠缺什么，他说硬件规格、内存速度当然都想更好，但最大的欠缺是软件生态；他期待一个临界点：愿意在这个平台上调优、贡献的人比现在再多一倍，群体的力量就足够大，系统能自己转下去。一个把公司押上系统战的芯片科学家，最后把胜负手交给了人数。

所以算力的终局在电，产业的终局在组织，而组织的终局，在于它是不是一个让爬塔人被需要的地方。这也是我们持续做开发者社区、开源托管和国产模型工具链的原因——杰文斯悖论不会自动发生，它需要足够多的开发者把便宜算力变成新的应用。

────────────────────

上篇的结论是：硅基时间，是用电造出来的。这一篇说完了怎么造。

七场仗，一场都不能等。 电变成硅基时间的每一步，都是一场仗。

────────────────────

作者手记 //

七场仗里，推理可能是中国算力最先实现突破的一场。下一篇单独写它：《推理战争：中国算力翻盘的第一个战场》。

另外，建议每一个做产业的人完整读一遍《昇腾崛起》：书里的一百多个细节，写进这两篇的不到一成。方兴东用 6 年记下的这段历史，本身就是“组织出来的大算力”最好的注脚。

11.20-21 日，2026 奇点智能大会·北京站。

OpenAI 资深研究科学家 Łukasz Kaiser 确认进行主题分享。

他是 Transformer 八子中唯一还在科研前线的人，GPT-4/5、o1、o3、ChatGPT 的核心开发者。

2021 年，他在这个大会上分享了三个方向：多模态、更大更好的 Transformer、模型即服务。五年后，多模态爆发，ChatGPT 席卷全球，前沿观点全部成了现实。

去年，他讲的是推理模型的进化：从"记忆"到"策略"再到"研究器"——模型开始学会自己思考。

欢迎大家扫码领取 Łukasz Kaiser 历年在奇点智能大会上的分享 PPT 和视频

if like:

click("分享", "点赞", "在看")