“中科院系”兩家科技巨頭合併：國產算力格局要變天？_風聞

美國又下手了。

這兩天，國內外媒體都在報道，美國切斷部分對華半導體技術出口。

據説，這次，美國政府切斷了部分美國企業向中國出售半導體設計軟件的渠道。電子設計自動化（EDA）三巨頭Cadence、Synopsys、Siemens EDA都可能“斷供”，而這三家佔據了中國電子設計自動化市場的80%以上。

前兩年，大家還關心的是芯片製造等看得見的技術。

但現在，看不見的技術博弈，也不斷浮出水面。

最近，國內廠商也沒閒着。前幾天，國內算力產業發生了一場“地震”：海光信息要通過換股吸收合併中科曙光。

這個消息之所以這麼引發震動，是因為兩家企業都是業內的“巨頭”：海光信息是國內芯片界的頂樑柱，專攻高端CPU和AI芯片，市值3100多億；中科曙光則是服務器、雲計算領域的老牌企業，市值也有900多億。

國內廠家打響爭奪算力“生態”爭奪戰。

目前中美算力競爭，單純比拼“硬算力”的時代正逐漸成為過去，而下一階段的競爭，焦點則聚集在了“生態”上。

先看看最近美國在算力上，對中國都幹了什麼：

5月14日，美國商務部果斷撤銷拜登政府時期擬定的《AI擴散規則》，轉而推出更為嚴苛的AI芯片出口管制新規。這一《AI擴散規則》原本就將全球劃分成三六九等，中國被無情地歸入全面禁運GPU芯片的第三等級。

然而，對於這樣的政策，英偉達CEO黃仁勳在台北國際電腦展上卻表示：美國對華人工智能芯片的出口管制，實際上“一敗塗地”。

從算力市場的份額上看，英偉達近些年在中國算是吃了大虧。

黃仁勳自己透露，在拜登政府剛開始搞AI管制那會，英偉達在中國市場那可是“一家獨大”，份額高達95%，妥妥的行業霸主。但現在，其市場份額一路狂跌到只剩50%，幾乎攔腰斬半。

這背後的原因，正是美國的出口管制。

黃仁勳在媒體上談美國對中國人工智能出口管制

美國不讓英偉達賣先進的AI芯片給中國，中國企業轉頭就去支持本土的芯片研發。

像華為的昇騰芯片、寒武紀的思元芯片，這些國產“新星”開始嶄露頭角，迅速搶佔市場，硬生生從英偉達嘴裏分走了一半的蛋糕。

然而，市場份額的變化，並沒有從根本上改變國內對英偉達算力的依賴。

説白了，芯片不只是硬件，軟件生態才是命脈。

在這方面，英偉達的CUDA平台是個巨大的開發者生態，全球無數AI模型、深度學習框架像PyTorch、TensorFlow，都圍繞CUDA優化，國內相當部分大廠的AI系統也大多基於CUDA開發。

比如，有一個頭部大廠推AI算力服務時，經常拿英偉達的GPU集羣做賣點，比如他們提供的基於H20芯片的智算服務，直接用CUDA生態支持客户快速部署大模型。

即便部分大廠有自己的芯片，但也只是用在邊緣計算或者特定場景，真正的大模型訓練還是得靠英偉達的硬件和CUDA軟件棧。

英偉達的觸角已經遍佈各個領域

因為切換到國產芯片，比如華為的MindSpore或者寒武紀的框架，意味着要重寫代碼、重新適配，整個過程費時費力，這導致許多企業即使面對國產芯片的價格優勢，仍優先選擇英偉達的H20或B40芯片，以避免生態切換的高昂成本。

其實不只英偉達，即使是目前在AI計算上有些掉隊的英特爾，也知道全棧生態的重要性，近些年弄了個叫OneAPI的開發工具鏈，目標是“你寫一套代碼，CPU、GPU、FPGA、AI加速器都能跑”，降低開發者的遷移成本。

還有像Sovereign Cloud、AI PC、AI開發套件、Gaudi訓練平台、Edge AI解決方案等等，目的是讓你無論是搞邊緣部署、雲上訓練，還是在本地搞推理，選它家全套就能打通上下游。

説白了，它要讓客户“少折騰”，形成生態綁定。

單從算力上看，國內不少企業在單卡算力上，下足了功夫，像華為的昇騰 920，單卡算力直接突破900 TFLOPS，性能把降級版的英偉達 H20狠狠甩在後面；壁仞、燧原也號稱訓練卡性能接近A100，但最終都因生態的短板，難以與英偉達匹敵。

而這次海光、曙光的合併，正是國內在構建算力生態上邁出的重要一步。

為什麼這麼説？

海光、曙光都算是中科院系企業。

兩家企業各有所長。

海光信息在算力方面，專攻的是高端處理器，比如深算系列的DCU（數據中心計算單元，類似NVIDIA的GPU）和X86架構的CPU。這些芯片是國產算力的“心臟”，特別適合AI訓練、科學計算、數據中心這些需要超強算力的場景。

海光的設計強在性能和低功耗，比如他們的深算三號DCU，在單卡峯值算力與英偉達H20相近，但是價格要比H20便宜不少，十分適合大規模部署。

而中科曙光，則更擅長把芯片、存儲、散熱這些硬件組裝成服務器、高性能計算機，甚至是整個數據中心的解決方案。他們的強項在系統級優化，例如怎麼讓服務器跑得又快又穩定，怎麼用液冷技術給機器降温，還有怎麼把硬件和雲計算軟件搭在一起，提供從設備到服務的整套方案。

以前，曙光的服務器和海光的芯片分屬於不同主體，這中間的“隔閡”着實不小，嚴重拖了優化的後腿。

從技術適配角度來講，海光設計芯片時，沒辦法完全針對曙光服務器的“脾性”來。服務器內部空間佈局、散熱系統設計、供電線路規劃等，都是圍繞通用芯片標準去做的，導致海光芯片的性能因過熱受限，無法發揮全部算力。

在數據交互層面，曙光服務器的數據傳輸協議和緩存機制，也是按行業常見芯片來設定的。海光芯片的數據處理節奏、帶寬需求時，就容易出現“堵車”情況，傳輸延遲增加，運算時間大幅延長，極大影響數據處理效率。

更重要的是，從供應鏈安全的角度來説，自2019年海光、曙光雙雙被美國列入實體清單，面臨芯片斷供後，二者的整合，無疑是補齊產業鏈，增強自主性的重要一環。

這兩家合併，技術上就像“心臟”和“身體”合體了，二者能自然互補。

或許能實現如華為昇騰芯片一般的“芯片設計-服務器製造-雲計算服務”全鏈條佈局。

海光高性能國產處理器

舉例來説，華為昇騰的鯤鵬CPU和泰山服務器，搭配華為雲的AI服務，能讓客户直接在雲端跑複雜的大模型，成本比用國外方案低30%-40%。

海光和曙光合並後，也可能推出一套類似的組合拳，比如用深算DCU、天闊服務器和自家的雲平台，幫客户跑AI任務，速度快，價格低，還全是國產貨，特別適合“東數西算”或者金融、電信這些對安全要求高的場景。

在目前的中美算力博弈中，黃仁勳、蘇姿豐（AMD CEO）等“華裔軍師”給美國的策略，着實有點東方智慧的味道，像是“以柔克剛”。

他們的思路是，美國在芯片和算力上技術領先，尤其是NVIDIA、AMD的GPU，全球AI、數據中心、雲計算都離不開這些“硬通貨”。

與其用“剛性策略”，將技術捂得死死的，搞嚴格的出口管制，不如放開手腳，讓美國芯片和算力方案佔領全球市場。

這招頗有“潤物細無聲”的意思，通過市場滲透和技術鎖定，悄悄把全球算力生態綁在美國的戰車上。

而中國目前的戰略，跟美國有很大不同。總結起來更像是“高築牆，廣積糧”。

所謂“築牆”是把算力產業鏈的每個環節攥在自己手裏，比如海光信息和中科曙光的合併，就是把芯片設計（海光的DCU、CPU）和服務器製造（曙光的“天闊”系列）捏成一個整體，再加上雲計算服務，打造從芯片到系統的全鏈條。

這種整合是為了不被國外卡脖子，確保國內的AI、數據中心、政務、金融系統用上國產貨，穩住“基本盤”。

“積糧”則是猛堆產量和規模，而所謂的“積糧”，不只是堆量，還得建好“磨坊”，確保AI、雲計算這些核心場景的需求能自己説了算。同時用國內超大市場來“倒逼”積糧。

具體來説，是要求政務、電信、金融這些領域國產設備。比如，三大運營商2024年採購的服務器中，60%用國產芯片（海光、華為為主），這直接拉動海光DCU的出貨量增長50%。

而華為的昇騰910B，專為大模型優化，去年在國內推理市場份額也達到了30%。

從總體上看，在目前的算力博弈中，中國仍然是處於“守勢”。

在這一階段，海光-曙光這樣的整合，主要是把產業鏈的“硬實力”攢齊，成本降下來，性能提上去。

但要轉向戰略相持，光攢硬實力還不夠，得在“軟實力”的生態上下狠功夫。

目前美國公司仍然佔據着算力霸權

但生態這東西，就像一片田地，先種下的，總會有先發優勢，後者不僅要面臨時間差上的壓力，還得面臨前者本身所具有黏性的挑戰。

因此，國產企業並沒有試圖一步取代CUDA，而是先在國內“精耕細作”，用低成本和場景優勢吸引用户，再慢慢向外擴散。

2024年，國內AI框架的黏性已經初見成效，華為的MindSpore在國內的開發者社區增長了50%。

刀越磨越快。

中國廠家們也瞄準東南亞、非洲等新興市場，用低價+定製化方案搶地盤，避開NVIDIA的歐美“主場”，在實戰中不斷提升技術。

這種在夾縫裏生長的韌性，不是一夜爆發的奇蹟，而是像種樹一樣，穩紮穩打，才能慢慢長出自己的“算力森林”。