關鍵數字：中國 AI 算力正以驚人的速度追趕美國，DeepSeek 創辦人梁文鋒估計，華為 Atlas 950 晶片性能已接近 NVIDIA GB300，差距僅在兩年左右。

華為與 NVIDIA 的算力競賽

近日，DeepSeek 創辦人梁文鋒在投資者交流會上，罕見地公開談及中國 AI 算力與美國的差距。他指出，中國在 AI 算力方面的差距主要在資源而非人才。梁文鋒表示，DeepSeek 當前可用算力僅能支撐約百億參數量級的模型，若要訓練更大規模的模型，資源需求遠超現有水平。

他進一步估算，若要訓練一個活躍參數規模達 8,000 億的模型，需要約 5 萬顆 NVIDIA GB300 晶片，或者20 萬顆華為 950 晶片。這一數字顯示了雙方算力規模的巨大落差。

華為晶片的崛起

梁文鋒強調，華為 Atlas 950 SuperPoD 的性能與價格已能完全取代 NVIDIA GB200 與 GB300 機架系統。四張華為晶片約等於一張 NVIDIA 晶片，但整體技術仍約落後兩年。他甚至認為，NVIDIA 的 CUDA 生態系統護城河正在快速瓦解，中國 AI 晶片替代已進入關鍵轉折點。

供應與合作方面，梁文鋒透露，DeepSeek 約有2 萬顆 NVIDIA H100 等效 GPU，多數是在最近一兩個月內到位，且算力規模還在快速擴張。此外，DeepSeek 已與華為合作，取得約1.6 萬張 Ascend 950 卡，這些晶片約相當於 4 千張 NVIDIA GPU，雖然不足以支撐下一代模型，但足以協助華為跑通生態。

數據與時間的挑戰

梁文鋒再提到，DeepSeek 正加碼高品質資料標註，目前瓶頸不僅是資本支出，更多的是時間與積累方面的問題。OpenAI 與 Anthropic 更早就開始投入 AI，資料與訓練流程的長期布局依然是 AI 競爭的重要部分。

從產業面來看，中國在 AI 算力上的快速追趕，不僅體現在硬件技術的提升，更關鍵的是在數據和時間上的長期投入。華為與 NVIDIA 的競爭，已經成為中國科技崛起的一個縮影。未來一年，中國是否能如梁文鋒所言，擺脫對 NVIDIA 的依賴，值得我們持續關注。

未來展望

梁文鋒的言論揭示了中國在 AI 領域的雄心壯志。隨著華為晶片性能的不斷提升，以及中國科技公司在數據標註和模型訓練上的深入布局，中國有望在未來一年內大幅縮小與美國的算力差距。

對於關注 AI 領域的讀者，不妨多留意中國科技公司的動向，特別是華為在 AI 晶片上的最新進展。這不僅是技術的進步，更是全球科技格局變化的風向標。

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

華為晶片與 NVIDIA 晶片的主要差異是什麼？

華為晶片與 NVIDIA 晶片的主要差異在於性能和技術成熟度。華為 Atlas 950 晶片的性能已接近 NVIDIA GB300，但整體技術仍約落後兩年。

中國 AI 算力與美國的差距主要在哪裡？

中國 AI 算力與美國的差距主要在資源而非人才。中國在硬件資源上的投入不足，但人才方面並無顯著差距。

DeepSeek 在晶片供應方面有哪些合作？

DeepSeek 約有 2 萬顆 NVIDIA H100 等效 GPU，多數是在最近一兩個月內到位。此外，DeepSeek 已與華為合作，取得約 1.6 萬張 Ascend 950 卡。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。