美国又下手了。

这两天，国内外媒体都在报道，美国切断部分对华半导体技术出口。

据说，这次，美国政府切断了部分美国企业向中国出售半导体设计软件的渠道。电子设计自动化（EDA）三巨头Cadence、Synopsys、Siemens EDA都可能“断供”，而这三家占据了中国电子设计自动化市场的80%以上。

前两年，大家还关心的是芯片制造等看得见的技术。

但现在，看不见的技术博弈，也不断浮出水面。

最近，国内厂商也没闲着。前几天，国内算力产业发生了一场“地震”：海光信息要通过换股吸收合并中科曙光。

这个消息之所以这么引发震动，是因为两家企业都是业内的“巨头”：海光信息是国内芯片界的顶梁柱，专攻高端CPU和AI芯片，市值3100多亿；中科曙光则是服务器、云计算领域的老牌企业，市值也有900多亿。

国内厂家打响争夺算力“生态”争夺战。

目前中美算力竞争，单纯比拼“硬算力”的时代正逐渐成为过去，而下一阶段的竞争，焦点则聚集在了“生态”上。

先看看最近美国在算力上，对中国都干了什么：

5月14日，美国商务部果断撤销拜登政府时期拟定的《AI扩散规则》，转而推出更为严苛的AI芯片出口管制新规。这一《AI扩散规则》原本就将全球划分成三六九等，中国被无情地归入全面禁运GPU芯片的第三等级。

然而，对于这样的政策，英伟达CEO黄仁勋在台北国际电脑展上却表示：美国对华人工智能芯片的出口管制，实际上“一败涂地”。

从算力市场的份额上看，英伟达近些年在中国算是吃了大亏。

黄仁勋自己透露，在拜登政府刚开始搞AI管制那会，英伟达在中国市场那可是“一家独大”，份额高达95%，妥妥的行业霸主。但现在，其市场份额一路狂跌到只剩50%，几乎拦腰斩半。

这背后的原因，正是美国的出口管制。

黄仁勋在媒体上谈美国对中国人工智能出口管制

美国不让英伟达卖先进的AI芯片给中国，中国企业转头就去支持本土的芯片研发。

像华为的昇腾芯片、寒武纪的思元芯片，这些国产“新星”开始崭露头角，迅速抢占市场，硬生生从英伟达嘴里分走了一半的蛋糕。

然而，市场份额的变化，并没有从根本上改变国内对英伟达算力的依赖。

说白了，芯片不只是硬件，软件生态才是命脉。

在这方面，英伟达的CUDA平台是个巨大的开发者生态，全球无数AI模型、深度学习框架像PyTorch、TensorFlow，都围绕CUDA优化，国内相当部分大厂的AI系统也大多基于CUDA开发。

比如，有一个头部大厂推AI算力服务时，经常拿英伟达的GPU集群做卖点，比如他们提供的基于H20芯片的智算服务，直接用CUDA生态支持客户快速部署大模型。

即便部分大厂有自己的芯片，但也只是用在边缘计算或者特定场景，真正的大模型训练还是得靠英伟达的硬件和CUDA软件栈。

英伟达的触角已经遍布各个领域

因为切换到国产芯片，比如华为的MindSpore或者寒武纪的框架，意味着要重写代码、重新适配，整个过程费时费力，这导致许多企业即使面对国产芯片的价格优势，仍优先选择英伟达的H20或B40芯片，以避免生态切换的高昂成本。

其实不只英伟达，即使是目前在AI计算上有些掉队的英特尔，也知道全栈生态的重要性，近些年弄了个叫OneAPI的开发工具链，目标是“你写一套代码，CPU、GPU、FPGA、AI加速器都能跑”，降低开发者的迁移成本。

还有像Sovereign Cloud、AI PC、AI开发套件、Gaudi训练平台、Edge AI解决方案等等，目的是让你无论是搞边缘部署、云上训练，还是在本地搞推理，选它家全套就能打通上下游。

说白了，它要让客户“少折腾”，形成生态绑定。

单从算力上看，国内不少企业在单卡算力上，下足了功夫，像华为的昇腾 920，单卡算力直接突破900 TFLOPS，性能把降级版的英伟达 H20狠狠甩在后面；壁仞、燧原也号称训练卡性能接近A100，但最终都因生态的短板，难以与英伟达匹敌。

而这次海光、曙光的合并，正是国内在构建算力生态上迈出的重要一步。

为什么这么说？

海光、曙光都算是中科院系企业。

两家企业各有所长。

海光信息在算力方面，专攻的是高端处理器，比如深算系列的DCU（数据中心计算单元，类似NVIDIA的GPU）和X86架构的CPU。这些芯片是国产算力的“心脏”，特别适合AI训练、科学计算、数据中心这些需要超强算力的场景。

海光的设计强在性能和低功耗，比如他们的深算三号DCU，在单卡峰值算力与英伟达H20相近，但是价格要比H20便宜不少，十分适合大规模部署。

而中科曙光，则更擅长把芯片、存储、散热这些硬件组装成服务器、高性能计算机，甚至是整个数据中心的解决方案。他们的强项在系统级优化，例如怎么让服务器跑得又快又稳定，怎么用液冷技术给机器降温，还有怎么把硬件和云计算软件搭在一起，提供从设备到服务的整套方案。

以前，曙光的服务器和海光的芯片分属于不同主体，这中间的“隔阂”着实不小，严重拖了优化的后腿。

从技术适配角度来讲，海光设计芯片时，没办法完全针对曙光服务器的“脾性”来。服务器内部空间布局、散热系统设计、供电线路规划等，都是围绕通用芯片标准去做的，导致海光芯片的性能因过热受限，无法发挥全部算力。

在数据交互层面，曙光服务器的数据传输协议和缓存机制，也是按行业常见芯片来设定的。海光芯片的数据处理节奏、带宽需求时，就容易出现“堵车”情况，传输延迟增加，运算时间大幅延长，极大影响数据处理效率。

更重要的是，从供应链安全的角度来说，自2019年海光、曙光双双被美国列入实体清单，面临芯片断供后，二者的整合，无疑是补齐产业链，增强自主性的重要一环。

这两家合并，技术上就像“心脏”和“身体”合体了，二者能自然互补。

或许能实现如华为昇腾芯片一般的“芯片设计-服务器制造-云计算服务”全链条布局。

海光高性能国产处理器

举例来说，华为昇腾的鲲鹏CPU和泰山服务器，搭配华为云的AI服务，能让客户直接在云端跑复杂的大模型，成本比用国外方案低30%-40%。

海光和曙光合并后，也可能推出一套类似的组合拳，比如用深算DCU、天阔服务器和自家的云平台，帮客户跑AI任务，速度快，价格低，还全是国产货，特别适合“东数西算”或者金融、电信这些对安全要求高的场景。

在目前的中美算力博弈中，黄仁勋、苏姿丰（AMD CEO）等“华裔军师”给美国的策略，着实有点东方智慧的味道，像是“以柔克刚”。

他们的思路是，美国在芯片和算力上技术领先，尤其是NVIDIA、AMD的GPU，全球AI、数据中心、云计算都离不开这些“硬通货”。

与其用“刚性策略”，将技术捂得死死的，搞严格的出口管制，不如放开手脚，让美国芯片和算力方案占领全球市场。

这招颇有“润物细无声”的意思，通过市场渗透和技术锁定，悄悄把全球算力生态绑在美国的战车上。

而中国目前的战略，跟美国有很大不同。总结起来更像是“高筑墙，广积粮”。

所谓“筑墙”是把算力产业链的每个环节攥在自己手里，比如海光信息和中科曙光的合并，就是把芯片设计（海光的DCU、CPU）和服务器制造（曙光的“天阔”系列）捏成一个整体，再加上云计算服务，打造从芯片到系统的全链条。

这种整合是为了不被国外卡脖子，确保国内的AI、数据中心、政务、金融系统用上国产货，稳住“基本盘”。

“积粮”则是猛堆产量和规模，而所谓的“积粮”，不只是堆量，还得建好“磨坊”，确保AI、云计算这些核心场景的需求能自己说了算。同时用国内超大市场来“倒逼”积粮。

具体来说，是要求政务、电信、金融这些领域国产设备。比如，三大运营商2024年采购的服务器中，60%用国产芯片（海光、华为为主），这直接拉动海光DCU的出货量增长50%。

而华为的昇腾910B，专为大模型优化，去年在国内推理市场份额也达到了30%。

从总体上看，在目前的算力博弈中，中国仍然是处于“守势”。

在这一阶段，海光-曙光这样的整合，主要是把产业链的“硬实力”攒齐，成本降下来，性能提上去。

但要转向战略相持，光攒硬实力还不够，得在“软实力”的生态上下狠功夫。

目前美国公司仍然占据着算力霸权

但生态这东西，就像一片田地，先种下的，总会有先发优势，后者不仅要面临时间差上的压力，还得面临前者本身所具有黏性的挑战。

因此，国产企业并没有试图一步取代CUDA，而是先在国内“精耕细作”，用低成本和场景优势吸引用户，再慢慢向外扩散。

2024年，国内AI框架的黏性已经初见成效，华为的MindSpore在国内的开发者社区增长了50%。

刀越磨越快。

中国厂家们也瞄准东南亚、非洲等新兴市场，用低价+定制化方案抢地盘，避开NVIDIA的欧美“主场”，在实战中不断提升技术。

这种在夹缝里生长的韧性，不是一夜爆发的奇迹，而是像种树一样，稳扎稳打，才能慢慢长出自己的“算力森林”。