中国如何驾驭全球人工智能芯片格局

Lisa Ernst · 08.05.2026 · 人工智能 · 9分钟

多年来，全球观察家一直关注中国迅速扩张的技术雄心，其特点是国家主导的举措与私营部门的创新巧妙结合。如今，随着人工智能重塑全球各行各业，中国加大了实现自给自足的努力，制定了一条优先发展整个人工智能技术栈国内创新的道路。这一战略性的转变，由国家安全关切和地缘政治动态驱动，重塑了其技术格局，并挑战了既定的全球领导者。

来源: 原创插画

快速摘要

• 战略要务: 中国旨在实现人工智能领导地位和自给自足，这源于国家和经济安全关切。
• 美国出口管制: 对先进人工智能芯片的限制加速了中国的国内发展。
• 人工智能栈开发: 中国正在芯片、机器学习框架和大型语言模型（LLM）方面构建自己的解决方案。
• 硬件挑战: 国产人工智能芯片仍落后于英伟达的性能，但国内市场份额正在增长。
• 软件与开源: 中国积极为全球开源机器学习框架做出贡献，并开发自己的替代方案。
• 大型语言模型进展: 在深度思考（DeepSeek）等大型语言模型方面取得重大进展，这得益于私人资助和开源模型。
• 人才与资金: 中国正在迅速吸引和留住顶尖的人工智能人才，国内投资也在不断增加。
• 未来展望: 尽管面临挑战，中国的战略重点旨在建立一个日益独立的人工智能生态系统。

人工智能自给自足的战略要务

中国旨在人工智能（AI）、量子技术及其他前沿领域取得领先地位，正如其

美国于2022年10月实施了对先进人工智能芯片、芯片设计软件和制造设备的出口管制，并在2023年和2024年加剧了这些限制。这些措施直接针对中国的AI发展努力。北京回应称，将“自主可控”的人工智能生态系统作为一项主要目标。习近平于2025年4月进一步强调了这一承诺，呼吁全国动员以实现科技“自主自强”。

❝ 自主自强 ❞

习近平

中国国家主席

来源: en.wikipedia.org

习近平呼吁全国动员以实现科技“自主自强”。

中国的人工智能栈：从头开始构建

简化的AI栈包含三个层次：计算芯片、模型创建的机器学习框架以及大型语言模型（LLM）等应用。中国在开发跨越所有这些层次的自有解决方案方面取得了实质性进展，从深度思考（DeepSeek）等大型语言模型到驱动AI工作负载的基础半导体。

AI芯片：基础层

在基础层，芯片仍然是一个重大挑战。尽管中国拥有寒武纪、摩尔线程和昆仑等几个人工智能芯片设计公司，但这些公司仍然依赖ARM微架构和西方电子设计自动化（EDA）软件。然而，华为在本土化EDA软件方面处于领先地位，并成为协调芯片生产的主要参与者，与中芯国际（SMIC）紧密合作。中芯国际是目前唯一能够生产先进7纳米芯片的中国公司。

成立于2014年的“大基金”为国内芯片研发和制造注入了大量资本。其第三期于2024年宣布，为此分配了3400亿元人民币。华为的投资部门Hubble战略性地投资于整个供应链，经常与国有基金（如

）共同投资。尽管付出了这些努力，中国制造的人工智能芯片性能尚未赶上市场领导者英伟达。2024年，英伟达在中国销售了超过100万片H20芯片，而同期的华为仅售出200,000片人工智能芯片，尽管价格较低。例如，深度思考（DeepSeek）发现华为的昇腾910C不足以进行大规模LLM训练。尽管如此，到2025年，中国国产AI加速器服务器的市场份额已接近41%，这表明市场结构发生了重大变化。华为的目标是到2026年中国人工智能芯片市场占有率达到50%。

来源: webpronews.com

华为的昇腾910C芯片已被证明不足以进行大规模LLM训练，这展示了在匹配英伟达性能方面持续存在的挑战。

以下是中国人工智能芯片市场份额的比较（2025年估计）：

机器学习框架和开源贡献

机器学习框架，如PyTorch和TensorFlow，两者都是由美国公司最初开发的开源平台，构成了AI栈的中间层。中国开发者为这些框架做出了贡献，集成了对国产GPU的支持，并开发自己的替代方案。百度在2016年推出的PaddlePaddle在中国获得了广泛的工业应用。华为于2020年开源的MindSpore，是一个全场景AI计算框架。认识到全球合作的重要性，华为于2023年加入了PyTorch基金会，成为其高级会员。

中国长期以来一直倡导开源运动，以减轻对外国技术公司的依赖。开放原子开源基金会成立于2020年，致力于推广前沿技术项目的开源开发。2024年，中国开发者占GitHub上所有开发者的约9%。工业和信息化部（MIIT）还支持Gitee，一个本地托管平台，作为GitHub的替代方案，于2020年推出。阿里巴巴云（Aliyun）引领着中国的人工智能开源事业；其Qwen系列在开源排行榜上一直名列前茅，并运营着ModelScope，一个类似于Hugging Face的开源AI模型平台。

大型语言模型和应用

中国的大型语言模型生态系统蓬勃发展，有众多学术和私人企业正在开发前沿模型。充足的私人资助和对全球开源模型的访问促进了快速进展。深度思考（DeepSeek）模型于2024年底发布，使中国跻身全球大型语言模型开发的前列。深度思考的R1模型于今年1月发布，通过结合现有技术解决方案大幅降低计算需求，展示了在计算资源利用方面的卓越效率。许多领先的中国大型语言模型利用了Meta的LLaMA系列的基础架构，包括百度的百川系列和01.AI的Yi系列。

虽然政府对大型语言模型和应用的直接资助较少，但它培养了一个支持性生态系统。例如，深圳市等地方政府每年为初创企业提供高达5亿元人民币的计算能力补贴。新兴的人工智能创新中心杭州，拥有包括深度思考在内的六家人工智能初创企业，它们推动着这一波新的创新浪潮。硬件限制，特别是由于美国出口管制导致先进人工智能芯片的稀缺，迫使中国的人工智能行业日益专注于专用应用。360公司CEO周鸿祎建议采取垂直方法，鼓励资源受限的中国公司使用小型模型和专有数据。“AI+行动”计划，在2024年和2025年的“两会”上得到重点宣传，倡导将人工智能集成到制造业、电动汽车、机器人、教育和医疗等领域。该计划还推广智能数据中心，通常有隐含要求购买中国技术。

人才、资金和全球合作

中国在吸引和留住顶尖人工智能人才方面迅速取得了进展。2022年，全球顶尖人工智能科学家中有四分之一在中国大学获得了学士学位。其中28%的顶尖人才在中国生活和工作，比三年前的11%大幅增加。中国还占2021年高被引人工智能论文的约40%，早在2016年就超过了美国的份额。然而，其中相当一部分研究来自于与美国同事的合作，尽管地缘政治紧张，中国和美国之间的人工智能研究合作基本保持稳定。

美国对中国人工智能生态系统的投资大幅下降，2022年达到十年来的最低点，为13亿美元。中国人工智能公司现在寻求替代的资本来源，包括人民币计价的基金以及海湾国家的投资。2024年，中国人工智能行业共达成715笔交易，总计73亿美元，超过了亚洲其他任何国家。1月，中国启动了一只价值600亿元人民币（82亿美元）的新人工智能投资基金。

挑战与未来之路

尽管取得了快速的进展，挑战仍然存在。例如，华为芯片在FP8支持和制造规模方面仍落后于英伟达。此外，中芯国际较低的制造良品率也构成了风险。瑞银分析师预测，到2025年底，中国整体芯片（包括DRAM、模拟和设备）的自给自足率将从疫情期间的中十几岁上升到27%。摩根士丹利预测，到2027年，中国的AI芯片自给自足率将飙升至82%，较去年的34%有显著飞跃。

先进芯片的有限获取以及中国在全球开源社区的未来参与仍然是关键的脆弱点。2026年3月举行的政治局集体学习就人工智能发表的讲话，强调了自力更生，减少了关于开放性和全球一体化的言论。模型训练的数据质量和可用性也存在持续问题，促使国家数据局启动了一项旨在更好地整合中国数据市场的倡议。

来源: dreamstime.com

数据质量和可用性是持续存在的问题，促使国家数据局整合中国的数据市场。

结论

中国追求人工智能自主自足是一项复杂而多方面的努力，它既源于经济抱负，也源于地缘政治需要。在中国政府的大力投资、蓬勃发展的开源社区和日益增长的人工智能人才储备的支持下，中国在从基础芯片到复杂大型语言模型的整个AI栈方面都取得了显著进展。尽管硬件限制和地缘政治紧张局势带来了显着的障碍，尤其是在先进芯片制造方面，但中国在本土创新和面向应用的开发方面的战略重点，凸显了其成为人工智能领域全球领导者的决心。这一轨迹预示着中国人工智能生态系统将日益独立，可能在未来几十年内重塑全球技术力量格局。