近日，DeepSeek 創辦人梁文鋒在投資者交流會上，罕見談及中國 AI 算力、晶片替代與模型訓練策略。他表示，中國 AI 算力與美國的差距主要在資源而非人才，並指出國產晶片替代已出現歷史性窗口期。
算力差距：資源而非人才
梁文鋒指出，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，資源遠超現階段可取得的水準。他估算，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，顯示雙方算力規模落差非常大。
各方反應：中美晶片差距縮小
華為 Atlas 950 SuperPoD 的性能與價格可完全取代 NVIDIA GB200 與 GB300 機架系統，梁文鋒強調，「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。他甚至認為，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。
另一方面，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，驗證模型於中國硬體的運行效果。
背景補充：資料與訓練流程的重要性
梁文鋒再提到，DeepSeek 正加碼高品質資料標註，目前瓶頸不完全是資本支出，更多是時間與積累方面。OpenAI 與 Anthropic 更早就開始投入 AI，資料與訓練流程長期布局仍是 AI 競爭的重要部分。
從產業面來看，中國 AI 晶片的崛起確實為全球算力市場帶來新的變數。然而，要真正實現超越，除了技術進步，還需要在資料獲取、算法創新等方面不斷努力。
中國 AI 晶片的崛起固然令人期待，但真正的挑戰仍在於如何在數據、算法和應用層面建立長期競爭優勢。這是一場持久戰，而非短暫的技術突破。
讀完這篇文章，你對中國 AI 晶片的未來有何看法？歡迎留言分享你的觀點，並考慮支持我們更多深入報導。
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 晶片與 NVIDIA 的差距有多大？
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。
華為晶片能否完全取代 NVIDIA？
華為 Atlas 950 SuperPoD 的性能與價格可完全取代 NVIDIA GB200 與 GB300 機架系統，但整體技術仍約落後兩年。
DeepSeek 目前有多少 GPU 資源？
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。
