關鍵數字：根據 DeepSeek 創辦人梁文鋒的估算，若要訓練一個活躍參數規模達 8,000 億的模型，約需 5 萬顆 NVIDIA GB300 或 20 萬顆華為 950 晶片，顯示中美之間的算力差距仍然巨大。
數據總覽
梁文鋒在最近的一次投資者交流會上，分享了中國 AI 算力與美國的差距。他指出，中國在 AI 算力上的不足主要在資源而非人才。DeepSeek 目前可用的算力只能支撐約百億參數量級的模型，若要訓練更大規模的模型，所需的資源遠超現有水平。
數據解讀 1
梁文鋒進一步分析，若要訓練一個活躍參數規模達 8,000 億的模型，需要5 萬顆 NVIDIA GB300晶片，或20 萬顆華為 950 晶片。這意味著，即使華為晶片的性能接近 NVIDIA，但要達到相同算力，仍需更多的晶片數量。
數據解讀 2
然而，梁文鋒也提到，華為 Atlas 950 SuperPoD 的性能與價格可以完全取代 NVIDIA GB200 與 GB300 機架系統。他強調，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。他認為，NVIDIA 的 CUDA 生態護城河正在快速瓦解，中國 AI 晶片替代已進入關鍵轉折點。
趨勢預測
在供應與合作方面，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。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，雖然不足以支撐下代模型，但可以協助華為跑通生態。
從產業面來看，中國 AI 晶片的崛起不僅是技術進步的表現，更是全球科技競爭格局的轉變。華為的晶片替代策略不僅在性能上逐漸逼近 NVIDIA，更在生態系統上尋找突破口。未來一年，中國在 AI 算力上的進展值得關注，這可能會對全球科技市場產生深遠影響。
數據告訴我們什麼？
數據顯示，中國在 AI 算力上的差距主要在資源而非技術。隨著華為等企業不斷推進晶片替代策略，中國有望在未來一年內大幅縮小與美國的差距。對於中國企業來說，這是一個歷史性的窗口期，但對於全球科技市場而言，這也可能是一場新的競賽開始。
行動呼籲
面對中國 AI 算力的快速崛起，我們不禁思考：這場科技競賽將如何影響全球市場？你是否準備好迎接這場變革？歡迎在留言區分享你的看法，一起討論這場科技革命的未來走向。
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
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。根據 DeepSeek 創辦人梁文鋒的分析，中國在硬件資源上的不足是主要原因。
華為晶片性能如何？
華為 Atlas 950 SuperPoD 的性能與價格可以完全取代 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。
DeepSeek 與華為的合作情況如何？
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，雖然不足以支撐下代模型，但可以協助華為跑通生態。
※ 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。
