關鍵數字：根據 DeepSeek 創辦人梁文鋒的估計，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。
中國 AI 晶片的現狀
DeepSeek 創辦人梁文鋒近日在投資者交流會上罕見談及算力、晶片替代與模型訓練策略，直指中國 AI 算力與美國的差距主要在資源而非人才。他強調，中國的國產晶片替代已出現歷史性窗口期。
梁文鋒表示，DeepSeek 目前可用的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。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。
華為晶片的性能比較
梁文鋒進一步指出，華為 Atlas 950 SuperPoD 的性能與價格可完全取代 NVIDIA GB200 與 GB300 機架系統，並強調「四張華為晶片約等於一張 NVIDIA 晶片」。然而，他坦言，華為的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，中國 AI 晶片替代已進入關鍵轉折點。
DeepSeek 的算力擴張策略
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。據他說法，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；這批晶片約相當於 4 千張 NVIDIA GPU，雖不足以支撐下代模型，但可以協助華為跑通生態。
高品質資料標註的挑戰
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，中國在 AI 晶片領域的進步速度不容小觑。雖然目前仍存在技術落差，但資源的快速擴張和國產晶片的替代能力，將在未來一年內逐步縮小與美國的差距。企業和研究機構應密切關注這一趨勢，調整自身策略，以應對不斷變化的市場環境。
行動呼籲
面對中國 AI 晶片的快速崛起，您是否已經準備好迎接這一挑戰？不論是企業還是個人，都可以從現在開始，了解和評估自身在 AI 技術和算力方面的準備情況，以應對未來的市場變化。
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 晶片的性能如何與 NVIDIA 比較？
根據 DeepSeek 創辦人梁文鋒的估計，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 現在有多少算力？
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。
中國 AI 晶片替代 NVIDIA 的關鍵轉折點在哪裡？
中國 AI 晶片替代 NVIDIA 的關鍵轉折點在於資源的快速擴張和國產晶片的性能提升，尤其是華為 Atlas 950 SuperPoD 的性能與價格可完全取代 NVIDIA GB200 與 GB300 機架系統。
※ 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。