但问题的确也不简单。如果国内完全放开H200，对国产芯片的冲击一定不小，可能会拖慢我们推进国产替代、解决“卡脖子”的节奏。这种事，国家肯定要从中美长期博弈的角度去看——谁也说不准，今天解禁，明天关系一变，会不会又被一刀切掉；更别说还有在芯片里加定位、带来网络安全风险这些隐患。所以到现在，国家态度有点模糊，其实也很正常，这本来就是个需要反复权衡的大决策，后果会影响下一阶段中美科技竞争的走向。

我真正担心的是最坏的组合：如果最后决定不让H200进来，国内算力只能继续依赖海外云；但美国又很快通过立法把远程云这条路直接掐断，那就等于一下子没卡可用，算力缺口会立刻显现。对国内AI技术、产业发展意味着什么，对中美AI竞争意味着什么，其实不用多说，大家都明白。

前几天，清华大学基础模型北京市重点实验室办了个AGI-Next前沿峰会。被调侃为“基础模型四杰”的智谱唐杰、Kimi杨植麟、阿里巴巴林俊旸、腾讯姚顺雨，还一起做了个圆桌讨论。

讨论中，主持人问了阿里的林俊旸一个问题：三到五年后，最领先的AI公司是一家中国公司的概率有多大？林俊旸的回答是：“我觉得是20%吧，20%已经非常乐观了，因为真的有很多历史积淀的原因在这里。”我相信这个20%的评估可能出乎很多人的预料，尤其是这几年那些对中国开源模型抱有很大信心的观察者。

林俊旸接着说：“如果从概率上来说，我可能想说一下我感受到的中国和美国的差异，比如说美国的Compute（算力）可能整体比我们大1-2个数量级，但我看到不管是OpenAI还是其他，大量的Compute投入到的是下一代的Research当中去。”

他还提到，中国在AI领域赶超美国的一个关键点，是中国的光刻机到底能不能突破，如果最终算力成了瓶颈，我们能不能解决算力问题。

其实，类似观点在其他严肃的研究成果中也曾出现。比如上个月DeepSeek V3.2的技术报告，就非常直接地否定了现在国内挺流行的两种说法：第一，算力不再是问题：恰恰相反，报告明确指出，总训练FLOPS不足，正在限制模型“世界知识”的广度；第二，中国一线开源模型正在快速追平美国一线闭源模型：报告同样说得很清楚，差距不是在缩小，而是在拉大，尤其在复杂任务上，美国模型明显更强。

这类信息我一般都会特别留意。现在AI太热了，市面上各种人，不管到底懂不懂，都在不断输出观点，结果就是各种脱离技术和产业现实的判断满天飞。相比那些武断地说“scaling law没用了”“中国不需要那么多算力”“现在模型已经够用了”的说法，我更愿意相信真正站在一线、自己在做模型和系统的人。

这一点，其实也和美国那边的判断是对得上的。虽然特朗普本人对芯片管制没那么执着，甚至愿意拿出来谈交易，但长期研究AI和算力的美国专家心里非常清楚。前段时间传出美国可能允许B30A对华出口后，美国进步研究所就发了一份很扎实的报告：如果2026年美国全面禁止对华AI芯片出口，美国的AI计算能力将是中国的31倍；而如果允许B30A出口，这个优势会迅速缩小到不到4倍。这本身就说明，算力到底有多重要，美国的专家是一点不含糊。

该报告还很直白地指出：美国现在拥有的算力优势，不只是“更快一点”，而是会持续放大差距。算力更多，意味着美国能训练更强的模型，也更有条件去探索新的AI研究范式；还能同时养得起更多前沿AI公司，因为每一家都要烧大量计算资源。更重要的是，在算力充足的前提下，美国公司可以在推理阶段“花更多时间去想”：对每一次模型调用，用更长的推理链、更慢的思考方式，做出更强的复杂判断，甚至发展更强的自主代理能力，这些都会反过来继续抬高模型上限。

也正因为这样，在特朗普打算放开H200的消息传出后，曾在美国商务部工作的Chris McGuire给了一个非常形象的评价：这就像“给老虎喂最好的肉”。本来是想靠卡算力把老虎饿住，结果反而让它吃饱、长壮，获得了训练下一代模型的能力；等老虎真的强到一定程度，第一个被反噬的，可能就是喂它的人——在AI竞争中反过来击败美国。

总体来看，我越来越觉得，2026年中国AI在与美国的正面竞争中，形势会非常复杂、也非常严峻，而且这是一场我们输不起的仗。

过去两年，中国AI企业主要靠“软件压榨硬件”在追赶美国：量化、剪枝、投机采样，把有限算力用到极致，就像技术高超的赛车手，开着改装民用车，勉强跟上法拉利，没有被彻底甩开。但必须承认，这条路是有天花板的。模型从FP16压到Int4还能接受，再往下性能就明显塌陷，能省的基本都省完了。到2026年，美国B200/B300集群带来成倍跃升的算力和带宽，在绝对硬件优势面前，所有省算力的技巧恐怕都会被碾压，美国也可以直接跑更复杂、更先进的模型结构。

应用层面也是同样的逻辑。2026年之前，AI主要是聊天、画图、写文案，低精度还能凑合；但从2026年开始，AI很可能加速进入科学研究、复杂代码、人形机器人、金融风控等高复杂度场景，对模型能力和稳定性的要求会越来越高。如果中国AI因为算力不足，在模型能力上被美国拉开代差，就很难支撑AI在全社会的广泛落地，更谈不上真正实现AI+的产业赋能。受影响的不会只是上层应用，而是整个AI产业链，包括最底层的硬件。

观众在消博会上与AI人形智能服务机器人互动。 资料图：新华社

这几年参加一些业界讨论，我常有一个强烈感受：有些观点把AI人为割裂成两块——一块是AI硬件，尤其是集成电路；另一块是AI模型和应用，仿佛彼此相对独立，甚至利益不一致。但事实并非如此。AI本身是一个完整的技术栈，就像黄仁勋常说的“五层蛋糕”：能源、芯片、系统、模型、应用，任何一层塌了，整体都会受影响，绝不能把AI矮化成“只是大模型应用”。

AI不只是消费芯片，它本身也在制造芯片需求。过去几年，AI直接催生了大量新的集成电路增量：GPU、AI ASIC、NPU、HBM、高速互连、光模块、电源与功率管理芯片、专用推理芯片、边缘AI芯片等。传统软件升级，对芯片需求的拉动可能有限；但AI的一个新能力、新应用上线，往往意味着推理算力、显存、带宽、互连需求成倍增长。

换句话说，AI产业本身能不能起来，将直接决定我国集成电路产业技术和产业发展的未来市场空间和可持续性。

从长远看，现在正好卡在全球产业变革的关键节点上。技术在跳跃，地缘政治在重塑产业结构，AI正在改变整个经济怎么生产、怎么创新。算力、芯片、能源这些东西，已经不只是生意，而是直接变成了国家实力的一部分。

与此同时，新产业的门槛被抬得越来越高。不管是先进芯片、AI模型，还是机器人、生物技术，起步更贵、周期更长、系统更复杂，很容易走向赢家通吃。一旦在这个阶段掉队，后面再追，成本会成倍、甚至指数级上升。

今天的选择，基本就在决定未来十到二十年的产业位置和国家竞争力。如果AI的“奇点”真来得很快、而美国又抢先实现AGI，那影响的就不只是产业输赢，而是国家安全和国际战略稳定层面的根本问题。这个事太大了，选错了后果不敢想。

（本文转载自公众号“东不压桥研究院”。）