圍繞AI算力展開的政治博弈，一直在此起彼伏地發生著。

不過，事情也在悄然發生變化。

我們發現，那種“美國一禁運，中國就破防”的緊張情緒，已經減弱了很多。

前不久，美國商務部出了一份《采取額外措施應對與重大惡意網絡行為相關的國家緊急狀態》提案，提出：禁止中國公司使用美國的云計算資源來訓練AI模型。

這相當于AI芯片禁運的“補丁”。美國商務部長吉娜·雷蒙多在采訪時提到，美國的云數據中心也大量使用AI芯片，而美國對芯片實施了出口管制，也必須考慮關閉這條路徑。

這一次，中國AI業內和大眾的情緒都還算穩定。

一方面表現在語言上。AI行業群內對這個提案的討論都很少，并不是諱莫如深，而是一種“早已料到”的淡定，倒是對國產算力替代、通用算力訓練AI等話題的關注度，不斷提升。

另一方面表現在行動上。各個AI企業、大模型公司，也并沒有急著“下美國云”，或是緊急研究什么避險方案。要知道之前英偉達H100和A100芯片被禁運時，產業各方都迅速反應，英偉達隨即推出定制版，國內大廠瘋搶囤貨，緊張感拉滿。

同樣是對AI算力的限制，為什么美國云基礎設施，不再讓我們 “汗流浹背”了？從一張“啞火”的AI禁令背后，我們可以讀到很多。

新AI禁令，影響到底有多大？

先說結論：沒多大。

可能有人要急了，AI算力供需本就緊張，芯片不讓賣、云也不給用，你還說沒事，心也太大了吧？

知道你很急，但你先別急。

第一，美國云廠商在國內公有云市場的份額很小，并且越來越小。

按美國商務部長的說法，被要求審核中國AI公司身份的美國基礎設施即服務 (IaaS) 提供商，主要包括亞馬遜AWS、微軟Azure、英偉達算力云等。

微軟Azure、英偉達算力云的中國市場份額，小到無法擁有姓名。IDC近日發布的《中國公有云服務市場（2023年第三季度）跟蹤》報告顯示，2023年第三季度，中國公有云（IaaS+PaaS）市場中，唯一占據一席之地的美國云服務商是AWS，其市場份額也只有8.2%。并且相比2022年第三季度的8.5%，占比還有所下降。所以說，受該禁令影響的中國用戶數量并不多。

第二，美國云廠商的中國用戶，使用量也都不大。

目前使用AWS、azure等美國云數據中心的中國用戶，以外企的中國機構、出海中企、混合部署等需求為主。艾瑞咨詢曾在《2021年中國基礎云服務行業數據報告》中，首次增加了“出海業務”，亞馬遜AWS的市場排名立馬從第五挺進前三，說明其國內業務的“出海”比例極高。

外企在中國、中企走出去，是一個目前還不算主流的邊緣市場。而混合多云部署的中國政企客戶，“不把雞蛋放在同一個籃子里”，目的是分散風險，美國廠商的云本身就是“備胎”，當然也不會將太多核心業務放在上面。

（艾瑞咨詢：2021年中國基礎云服務行業數據報告）

第三，美國云的AI黏性有限，中國主流的AI大模型及應用都在國內云上。

有人會擔心，微軟云azure支持OpenAI那么領先的大模型，還有各種AI套件，肯定會吸引一部分國內用戶，通過云訪問調用其AI能力吧？

一方面，OpenAI的大模型并不向大陸開放，IaaS層面的計算資源差異性不大，海外云的吸引力也就大打折扣。另外，要讓AI模型跑得“多快好省”，不僅要有萬卡集群的硬實力，還需要軟硬協同優化、異構硬件兼容、開發工具鏈、社區生態，甚至商業資源、聯合開發等各種支持，國內云廠商無疑更具本土化優勢，也成為中國產學研用機構做AI的首選。

政企客戶和國計民生關鍵行業，自主可控已經成為共識，紛紛選擇成為國內云廠商的客戶。2023百度云智大會的一組數據顯示，千帆大模型平臺上的月活企業數，已近萬家。

具備底層技術的中國AI大模型企業，更是從一開始，就將大模型部署在國內的云上。2023年7月，訊飛星火就與華為昇騰AI聯合，讓國產大模型架構在自主創新的軟硬件基礎之上，打造國產通用智能新底座。最新升級的訊飛星火認知大模型 V3.5，也強調自己是“國產算力原生模型”。

所以說，美國云服務商在中國大陸的市場份額少，業務體量小，AI黏性又不夠強，因此對中國AI的影響有限，從而導致了此次禁令的“啞火”。

不是N卡用不起，而是國產算力更有性價比

這樣會不會出現一種情況，像20世紀熊貓EDA那樣，美國一看禁了個寂寞，干脆放開來搶市場，國內用戶就流向了海外云平臺？

大概率也是不會出現的。

因為國產算力并不只有安全自主可控這一個“賣點”，性價比優勢對中國AI產業界也很有吸引力，而這是英偉達AI芯片很難取代的。

坦率地說，我們的芯片制造工藝確實還做不出頂級的強大芯片，性能上不比N卡強，為什么國產算力還能有高性價比呢？

高性價比的背后，是國內云廠商從三個角度的努力：

一是自建多樣化的國產算力平臺。

除了英偉達的高端GPU，國產AI芯片、通用CPU算力、超算中心算力，也都能處理AI專項任務，而且成本上更具優勢。目前，云廠商都在強化對國產硬件的兼容性，積極構建國產算力體系。

具體來說，華為的AI芯片制造技術已經開始取得突破，昇騰系列穩定出貨，在某些性能上甚至超越了英偉達的中國特供版。海光、華為、飛騰等自主設計開發的CPU/DCU芯片，既可以確保自主可控，也容易規模化量產。已經建好的超算中心，也可以為AI提供算力服務。

多樣化、異構的國產算力體系，可以緩解AI和云計算對高端GPU的緊缺。

記得一位中科院的科學家跟我說過：等到智算、超算沒有分界線的那一天，中國AI可能就真的崛起了。而國產算力從硬件走上云端，轉變為AI云服務，正在加速這一天的到來。

二是算力網絡的一體化調度。

OpenAI訓練ChatGPT等采用的是“集中式”算力，即萬卡集群。中國沒有那么多先進的卡怎么辦？用“分布式”算力，把各個地區的算力網互聯互通，一樣可以給AI企業提供算力服務。

舉個例子，北京、上海、廣州、武漢等地都有2000塊卡的算力中心，把它們通過專網聯合起來，就能組建起一萬塊、兩萬塊卡的算力平臺，代替一個萬卡集群，來做超大規模數據訓練。

“分布式”算力，就需要把分布在全國各地的智算中心、云計算中心、超算中心給聯接起來。早在2020年，國家多部門就出臺了《關于加快構建全國一體化大數據中心協同創新體系的指導意見》，建立橫跨東西的算力網絡與數據存算一體化節點，可以有效調節中國算力供需。通過統一算力調度平臺，可以將數據源周圍的閑置算力資源調度起來，更高效地滿足AI產業各界的巨大需求。

三是技術創新的算力榨取。

當然，國產算力要在性能上達到頂級GPU的能力，確實有些為難。所以，盡可能地榨取國產算力，讓其精準適配AI訓練推理等任務的需求，會讓資源利用率更高，成本效益更加顯著。

提升算效，發揮出每一張卡的價值，需要一系列創新技術的支持，軟硬件聯合優化，計算行業與AI行業的協作。云廠商聯合基礎設施供應商、AI產研各方，積極開展技術創新，提升算力訓練效率。

比如，百度智能云千帆平臺，就通過分布式并行訓練策略和微秒級互聯能力，讓萬卡訓練集群的加速比達到95%，也就是發揮出了95%比例的機器的效能。

總結一下，讓中國AI發展不掣肘于芯片供應，國內云廠商真的很努力。

今天再面對一紙“禁令”，中國AI也可以淡定地說一句：不是N卡用不起，而是國產算力更有性價比。

備戰是為了不戰，中國AI的未來通道

如今，對于AI算力，或許我們可以暫時放下緊張情緒，對相關禁令松一口氣了。

必須強調一點，自主可控不是為了全面替代。徹底脫離海外AI軟硬件的供應鏈，既不現實，也沒有經濟效益。

有句話說得好，要把槍放在談判桌上。

當我們有了自主的AI基礎設施，自己的AI軟硬件開發生態，不用擔心“美國一禁運，就沒有算力用”，對方沒有了“博弈”的籌碼，一通操作結果禁了個寂寞，自然也就沒有必要再繼續折騰了。如此，才有可能避免“擦槍走火”，讓算力供應維持一個比較平衡和穩定的外部環境。

所以說，備戰是為了不戰。

當然，一波又一波的禁令也表明，圍繞AI這一關鍵領域的博弈只會愈演愈烈。昨天禁芯片，今天禁云服務，明天禁什么不知道，但禁令一定會“雖遲但到”。

這種局勢下，我們也要做好更多準備，才能在較量中獲得話語權。

云計算作為中國AI的戰略支柱，國內云廠商想要接住“潑天的富貴”，接下來還有許多工作要做：

1.做好國內算力基礎設施與一體化算力網絡的有效應用。

比如AI芯片種類繁多，既有不同品類，也有不同版本，兼容難度非常大，AI企業想用到最合適的芯片，有較高的切換成本，云平臺對國產芯片的兼容性更強，能夠減少企業AI訓練的難度。再比如，算力網互聯以后，異構算力怎么標識、怎么調度、怎么計費、通信協議怎么解決、資源配置效率怎么提升……這些問題都是需要持續解決的，也構成了國內云廠商的機遇。

2.提供全棧AI能力和完善的遷移服務。

AI大模型的技術復雜性也帶來了采用、部署等方面的挑戰，云廠商可以通過更友好、全面的AI能力和遷移能力，支持行業客戶與開發者，建立起自己的AI生態系統，收獲業務增長。

3.加強出海業務及服務能力。

前面提到，禁令的影響范圍，可能是AWS上一些外企在華、中企出海的業務。這也提醒我們，中國的云服務商，不能故步自封，要積極出海，給中國企業在海外，搭建一條可信、可靠的通道，支撐它們海外業務的持續開展。目前，擁有全球化經驗和業務布局的華為云，已經加速了歐洲、中東等市場的腳步，給中企出海、外企入中一個“更好的選擇”。

莫聽穿林打葉聲，何妨吟嘯且徐行。這些技術、產品與解決方案，匯合成一條中國AI前進的云端通道。讓我們可以看到禁令，從容以對。因為AI基礎設施，中國已經做好了準備。

審核編輯 黃宇