摘要：根据 Epoch AI 的最新报告，中国虽然在 GPU 技术上还落后至少一代，但差距并没有想象中那么大。

美国一直觉得在人工智能芯片和基础设施上领先中国，但这种自信并不靠得住。

根据 Epoch AI 的最新报告，中国虽然在 GPU 技术上还落后至少一代，但差距并没有想象中那么大。

美国的错误在于，低估了中国把技术当作国家战略的决心，而不只是看利润和效率。

要理解AI芯片竞争，得先清楚三个关键指标。计算能力，内存带宽和芯片间通信速度。

AI模型运行时需要大量计算，每秒能完成更多计算的芯片就更强。

内存带宽和大小决定了能传输和处理多少数据，尤其是模型越大，这些限制就越明显。

GPU与GPU之间的通信效率也很关键，因为模型会被切分，并分布到多个加速器上运行。通信慢会让计算单元空闲，降低效率。

以NVIDIA最新的Blackwell B200为例，它有每秒9千万亿次计算能力和 8TB的带宽。

如果计算需求高于芯片能力，就是计算受限。反之就是内存受限，说明芯片浪费了大部分算力。

这种资源浪费在实际中很常见。

中国的AI芯片在这三个指标上都明显落后。内存带宽慢两倍，计算能力低三倍，GPU通信差距也有两倍甚至十倍。

而且，中国芯片的生产良率只有50%，远低于台积电的90%。表面上看，中国在硬件水平上落后明显。

但中国并不在乎这些短期差距，他们从战略角度出发，愿意不计成本地投入资源，不追求利润，而是追求全面突破。

芯片不行就增加服务器数量，性能差就多建几个数据中心。这种做法建立在长期能源布局和国家支持之上。

美国和欧洲的数据中心部署，受到电力供应限制，但中国几十年来一直在扩大能源基础设施。他们的AI服务器功耗能达500千瓦，是西方的数倍。

即便华为的Ascend芯片效率不高，只要能靠低成本能源堆出结果，就有底气竞争。

核心问题不是芯片本身，而是服务器整体能力。中国通过补贴土地，电力和基础设施，弥补芯片劣势。

只要能实现目标，并不在乎效率是否落后。反观美国，始终纠结于收益最大化，这种思路很难支撑长期战略对抗。

另外，美国在开源模型上也有失败。当前全球排名前五的开源模型都是中国开发的。

虽然美国政府一再强调开源的重要，但顶尖实验室却在反着做。开源的意义不仅是传播模型，更是带动相关芯片和基础设施的全球使用。

如果未来AI计算成为最重要的核心资源，那谁控制模型，谁就控制了技术方向和市场。

美国如果不能在开源方面重新夺回主导地位，芯片再先进也可能失去全球影响力，而中国已经通过行动走在了前面。

总之，竞争早已不只是比性能，更是比谁能把资源调动起来，谁能以国家力量塑造技术未来。

来源：好故事计划