川普芯片管制 重挫Deepseek

中国新创公司DeepSeek 近期在大型 AI 模型开发过程中遭遇重大挫折。 该公司原本计划以华为升腾（Ascend）芯片支撑其R2模型训练，试图摆脱对美国Nvidia芯片的依赖，却最终因性能与生态等多重因素宣告失败。 这起事件迅速引发国际媒体与社群讨论，并成为观察美国芯片出口管制实际效果的一个关键案例。

根据 Financial Times（2025年8月14日）的报道，DeepSeek 在尝试将大模型运行于华为升腾平台时，遇到了一系列无法克服的瓶颈，包括运算性能不足、稳定性欠佳，以及在软硬件整合层面的反复问题。 即便华为官方不断强调升腾在国产替代上的重要角色，实际作却显示，其在GPT-4等级模型的高效训练中仍有相当差距。 Gadget Review 也指出，DeepSeek 原本计划藉此彰显“国产自主”的实力，但最终仍不得不“回归 Nvidia”平台，重新依赖美国供应链。

这一失败并非孤立案例，而是反映出中国AI芯片发展的结构性困境。 升腾在推理与训练效率上远不及Nvidia，尤其在工具链与开发者社群的支持度上差距更为明显。 许多从事企业级AI的工程师也坦言，如果要进行大规模训练，Nvidia仍然是唯一可行的选项。 这些讨论揭示了中国芯片产业在技术突破之外，还必须面对整个生态系尚未成熟的现实。

更重要的是，这起事件具体体现了美国对中国的芯片出口管制所产生的效果。 自2022年起，美国持续收紧对中国出口高阶GPU的限制，特别针对Nvidia A100、H100等能支撑大模型训练的先进芯片。 华府的战略意图十分清晰：藉由掐住算力来源，延缓中国在AI领域的突破。 DeepSeek的经历正好印证了这一点，即便中国企业拥有雄厚的资金与研发意愿，仍因芯片与生态差距而无法完成“去美化”的目标。

在战略层面，DeepSeek的“换芯”失败，中国若持续依赖 Nvidia，势必受制于美国政策变化，随时可能遭遇断供风险; 若完全转向本土芯片，则须承担性能不足、研发周期长、开发工具匮乏的风险。 短期内，中国似乎仍难以在大模型竞赛的算力需求上摆脱美国的主导地位。

这起事件也具有明显的国际意涵。 对美国与其盟友而言，DeepSeek的失败正好证明了管制政策的有效性，进一步巩固了其在全球AI算力供应链中的领先地位。 欧盟、日本与韩国等国，也因此更倾向加强与美国的半导体合作，以确保先进GPU技术不会流向中国，并避免自身产业链受波及。 这一点从近期美日韩三边合作框架中的“AI 技术安全条款”即可窥见端倪。

台湾作为全球GPU与AI芯片制造的关键枢纽，在这波格局中角色更为突出。 Nvidia 的高端芯片多仰赖台积电代工，这让台湾在供应链安全上的地位进一步提升。 相对之下，中国对台积电先进制程无法取得直接掌控，只能转而推进本土替代方案，但从DeepSeek的案例来看，这条路仍遥遥无期。

DeepSeek 原本计划彰显国产自主实力，最终仍不得不回归 Nvidia平台，重新依赖美国供应链。 （美联社）

对全球 AI 产业而言，这代表竞争的门槛被重新界定。 能否取得 Nvidia 等美国供应商的支持，将成为能否参与下一波大模型竞赛的决定性因素。 这不仅是企业层面的竞争，更是国际科技秩序的再分配：美国及其盟友坐拥核心算力，而中国则在自主研发与国际孤立间挣扎。

总体而言，DeepSeek 的故事不仅是一段企业尝试“国产替代”的失败记录，更是美中科技博弈的缩影。 这场竞赛清楚地揭示，美国芯片管制的确已经发挥效果，并有效延缓了中国在尖端AI领域的进展。 对中国而言，唯有在自主芯片设计、软硬件协同优化与完整生态建设上持续突破，才有可能逐步改变这种结构性依赖。 否则，DeepSeek的经验或许将不断在其他中国 AI 企业身上重演。

※作者杨聪荣为ESG碳减量联盟理事长，中台湾教授协会理事长，任教于台湾师范大学。