輝達（NVIDIA）執行長黃仁勳此前警告，中國在晶片開發上只比美國「落後幾奈秒」，揭示了美中兩大經濟體在AI算力核心領域的激烈競爭。中共正以前所未有的決心與資本，在硬體、軟體與環境同步追趕，並努力把「替代」變成「平行體系」。在單顆晶片的極限性能、軟體工具鏈成熟度與高頻任務穩定性上，中國仍有差距，但在系統工程、演算法效率與本土環境的內部循環迭代速度上，中國已經逼近。
美國數十年來主導全球科技市場，中國正在投入大量資金用於發展AI和機器人技術，也在大力投資相關高階晶片。本文將從幾個關鍵視角，勾勒出中國挑戰輝達主導地位的路徑、限制與中共的戰略野心。
DeepSeek挑戰ChatGPT
2024年，DeepSeek在科技界投下一顆震撼彈，這家中國初創公司以更低的訓練成本，推出了可與ChatGPT競爭的產品，一度引發輝達的市值波動。該訊號至少說明了三件事：
● 算法與系統拉近硬體差距：DeepSeek的成功證明，透過稀疏化、混合專家模型（Mixture of Experts，簡稱MoE）、精度混合計算、記憶體管理優化和通訊壓縮等先進技術，使用數量較少或性能次優的晶片，也能堆疊出實用級的AI能力。這意味著AI競賽不再是單純的硬體軍備賽，軟體與系統工程的創新，正成為彌補硬體劣勢的關鍵。
● 效率領先可彌補硬體封鎖：當高階GPU（Graphics Processing Unit，圖形處理器）供應受限時，DeepSeek的訓練架構與數據工程創新成為放大算力的有效槓桿。這種「以軟制硬」的策略，為中國企業在面臨技術封鎖時提供新的突圍方向。
● 市場敘事的轉換：DeepSeek促使資本市場投資者意識到，除了晶片數量，軟硬協同能力與成本控制也是決定AI項目成敗的關鍵因素。更多中國企業願意將推理集群部署在國產加速器上，配合MoE與蒸餾技術，將訓練集中在有限的高階算力，大規模運用本土硬體與商業化運行。這被視為挑戰輝達「端到端壟斷」的第一步。
中國廠商從替代到發展體系
中國企業在GPU/AI加速器（如：華為昇騰、寒武紀及部分新創公司）、推理專用NPU（Neural Processing Unit，神經處理單元）、資料中心CPU（如：華為鯤鵬）等多個設計層面並進。阿里巴巴聲稱，其新晶片的性能可以匹敵輝達為中國特製的H20，卻消耗更少能源。
由於缺乏最先進的「極紫外光」（Extreme Ultraviolet，簡稱EUV）曝光機，中國正依賴「深紫外光」（Deep Ultraviolet ，簡稱DUV）多重曝光技術與先進封裝技術來彌補製程差距。透過2.5D/3D封裝等技術，提升晶片帶寬與互連密度，以封裝技術帶來等效帶寬與能效提升。
中國積極布局RoCE（RDMA over Converged Ethernet）生態與高密度以太網，嘗試透過規模化網路工程來抵銷輝達NVLink/Infiniband互連技術的優勢，希望藉由高效數據傳輸來提升系統性能。
中國以華為CANN、百度MindSpore、阿里巴巴PaddlePaddle等為核心，正在打造國產編譯器、算子庫、排程與工具鏈。這些平台在兼容主流框架時，逐步增強原生體驗，希望形成獨立自主的軟體生態系統。
阿里巴巴、騰訊、百度、華為等雲端服務巨頭，正以「雲端－模型－應用」交付模式，將底層硬體轉化為可用的算力服務，加速中國晶片的應用，也快速收斂了軟體生態的長尾問題。寒武紀、沐曦等晶片開發商獲得中國聯通等企業的重點契約，騰訊等網路巨頭也增加採用中國晶片。
輝達的堅固護城河
不過，短期內輝達的主導地位仍難以被撼動。輝達的CUDA平台經過十餘年的生態積累，涵蓋豐富的算子庫、高效的編譯器、成熟的調優工具、龐大的開源社群與廣泛的第三方庫支持。這種強大的「路徑依賴」效應，使開發者的遷移成本極高，不是單一投資就能速成及複製。
中國AI晶片的發展受制於關鍵元件的供應鏈瓶頸。高頻寬記憶體（High Bandwidth Memory，簡稱HBM）主要掌握在韓國與美國大廠手中，最先進的封裝與測試產能有限，先進製程的突破也高度依賴曝光設備和電子設計自動化（Electronic Design Automation，簡稱EDA）工具。這些都是輝達技術護城河的重要組成部分。
▲當高階GPU供應受限時，中國的DeepSeek推出「以軟制硬」的策略。Adobe Stock
超越晶片的戰略競賽
美中在AI晶片的競爭已超過技術層面，演變為複雜的政策博弈與產業發展的拉鋸戰。
美國對高階GPU與關鍵設備的出口管制，精準打擊了中國依賴最深的項目，試圖減緩中國的先進技術發展。中共也對輝達展開反壟斷調查，強化本土採購與國產替代政策，形成「市場－監管－資本」的內部循環。黃仁勳倡導「自由貿易」，中共釋放「可匹敵H20」訊號，本質上是談判籌碼與策略選擇的拉鋸：美方以時間換取技術優勢的維持，中方以龐大市場換取技術自主的空間。
中共欲築第二套AI體系
中共推展AI晶片超越了單純的技術追趕，而是要建立與西方平行且具備競爭力的世界級AI體系，並鎖定以下關鍵戰略控制點：
● 全線自主可控：從設計IP、EDA、製程、封測到驅動軟體、編譯器、框架與雲端服務，中國希望形成不依賴外部、「單點故障」的內部循環能力。
● 國家級算力基建：以「東數西算」工程與國家算力樞紐為施力點，打造跨區域、可調度的雲端一體化網路，將AI算力視為公共基礎設施，降低AI創業與產業升級的門檻。
● 軟體標準與話語權：推動國產AI框架與工具走向國際標準體系，形成與輝達「統一計算架構」（Compute Unified Devices Architectured，簡稱CUDA）等並列的規範，雖然短期難以取代，也要在「平行賽道」中獲得不可忽視的權重。
● 軍民融合與關鍵應用：將AI算力視為國家安全與產業競爭力的「倍增器」，在工業控制、通訊、能源、交通、金融等關鍵領域，形成以AI為核心的生產要素重構。
● 數據要素的集中與治理：利用龐大的本土數據資源，透過規範化生產、使用、交易，為模型迭代提供持續燃料，並維持風險可控性。
● 技術與產品的務實路線：中共挑戰輝達，不一定在最頂級的通用訓練晶片「正面硬剛」，更可能的是務實地以「高性價比可用性」實現突圍。
一場五年的競速
這場美中AI晶片競賽將在未來數年內迎來關鍵的發展階段：
● 12至18個月：中國晶片在推理與垂直環境（如：搜索、廣告、推薦、智慧客服、工業視覺）的替代率將加速提升；雲端服務商將推出更多針對國產硬體優化的AI服務。輝達在中國的高階訓練市場仍保持壓倒性吸引力，但其市占率可能因政策與供給限制而縮小。
● 2至3年：中國有望出現一至二個「平台級」國產AI硬體與軟體組合，能夠在主流大模型訓練的子任務上與輝達競爭；國產工具鏈將可便利地從PyTorch遷移，先進封裝與高頻寬記憶體（High Bandwidth Memory，簡稱HBM）替代方案將取得實用性進展。
● 3至5年：在中國形成獨立、可持續的AI算力與軟體體系，內部循環效率提升，成本顯著下降。雖然海外市場的滲透仍受地緣政治影響，但在「全球南方」與特定友好市場將建立若干技術據點。輝達依舊能主導全球，但在中國的「標準地位」將受到實質挑戰。
中國的風險與不確定性
不過，中共在這場競賽中仍存在許多風險與不確定性：
● 供應鏈瓶頸的持久性：HBM、先進封裝、EDA與關鍵設備的限制可能長期存在，並成為國產產品性價比與交付可預期性的最大變數。
● 軟體生態的鞏固難度：開發者從CUDA遷移需要強大的動機與持續投入，任何體驗上的波動都可能放大風險偏好。
● 政策與國際環境的二次衝擊：管制升級或地緣摩擦可能改變關鍵假設，帶來突發性供應與市場變化。
● 資本配置與產能過剩：過熱的投資容易造成重複建設與資源錯配；長週期研發需要耐心資本與產品化節奏。
● 國家主導與市場創新的平衡：單一「共同目標」的動員有利於速度，但也可能抑制顛覆式創新與多路徑試錯。
黃仁勳「幾奈秒」的警告折射出硬體性能的快照，但中共與輝達真正的勝負在於誰能更快地將「算力」轉化為「可規模化的產品與生態」。這不僅是一場技術競賽，更是一場攸關國家戰略、產業未來和全球格局的歷史性博弈。