中國科技巨頭為何押注國產 AI 晶片

中國科技巨頭——包括騰訊與阿里巴巴——正大幅增加對國產 AI 晶片的投資。表面上看，這似乎有些矛盾：因為外界同時傳出 Nvidia 的 H200 AI 晶片對部分中國企業重新開放採購。

但對中國大型雲端與網路公司來說，過去幾年的變化已經改變了他們對 AI 算力基礎設施的長期規劃。如今的策略不再是假設 Nvidia GPU 永遠能取得，而是建立一個即使沒有 Nvidia 也能運作的 AI 算力體系。

Nvidia GPU 不再是「必然可得」的資源

長期以來，全球大規模 AI 訓練與推理大多依賴 Nvidia GPU。但當美國開始對出口至中國的先進半導體實施管制後，GPU 採購不再只是商業問題，而是地緣政治議題。

雖然部分限制後來有所放鬆，但供應仍充滿不確定性。例如，美國商務部據報已批准約 10 家中國公司——包括騰訊、阿里巴巴、字節跳動與京東——購買 Nvidia H200 AI 晶片，但截至 2026 年中仍未出現實際交付。

對雲端服務商來說，這種「批准了卻拿不到貨」的情況正好說明了一個現實：依賴海外高階晶片作為長期基礎設施風險太高。

華為 Ascend 正成為本土替代方案

在供應不穩的背景下，中國本土晶片廠商迅速填補空缺。其中最受關注的是華為的 Ascend AI 處理器。

隨著國產 AI 晶片性能逐漸提升，加上越來越多 AI 模型與框架專門為這些晶片進行優化，中國正逐步建立一個涵蓋晶片、模型、雲平台與應用服務的完整 AI 技術生態。

這種軟硬體同步發展非常關鍵。因為一旦更多開發工具與 AI 框架適配本土晶片，企業在實際部署時就不再只能依賴 Nvidia。

阿里巴巴與騰訊正擴大 AI 基礎設施

中國最大的雲端服務商是這場轉型的核心力量。阿里巴巴與騰訊都已宣布將大幅增加 AI 基礎設施與資料中心投資，並逐步在平台中整合更多國產晶片。

大型雲端公司對整個產業鏈的影響非常大，因為它們：

• 創造巨大的 AI 晶片需求
• 建立開發者工具與軟體平台
• 在雲端資料中心大規模部署硬體

當這些平台開始支援國產 AI 處理器時，創業公司與企業客戶自然也會跟著在這些晶片上開發與部署 AI 服務。

政策因素：AI 技術自主化

中國政府也把半導體自主視為戰略目標。隨著美國限制先進晶片與製造設備出口，北京持續投入大量資金推動整個 AI 技術鏈本土化——從晶片、模型到雲端服務與應用。

這不只是科技競賽，更涉及產業韌性與國家安全。如果 AI 訓練或雲端服務過度依賴海外硬體，一旦出口政策收緊，整個產業可能受到衝擊。

Nvidia 仍然重要，但角色改變

即使中國積極推動國產晶片，Nvidia 仍然具有明顯優勢。其 GPU 性能強大，而且 CUDA 軟體生態成熟，許多 AI 工作負載仍高度依賴這套工具鏈。

因此中國科技公司的策略並不是完全放棄 Nvidia，而是採取更務實的「雙軌模式」：

• 能買到 Nvidia GPU 時就購買
• 同時建立可在國產晶片運行的系統
• 持續投資本土半導體與軟體生態

例如，市場預期像阿里巴巴、騰訊與字節跳動等公司，未來可能獲准採購數十萬顆 H200 加速器，這將在短期內緩解算力不足的問題。

「算力主權」正在成為新戰略

最初因出口限制而出現的替代策略，如今正逐漸演變成中國科技產業的長期結構性轉變。

AI 算力越來越被視為類似電力與網路的關鍵基礎設施。誰能掌握處理器、軟體框架與雲端運算平台，誰就更有能力在人工智慧競賽中取得優勢。

因此，對騰訊、阿里巴巴等公司而言，投資國產 AI 晶片並不只是為了立刻取代 Nvidia，而是為了確保下一代 AI 系統不會依賴單一海外供應商。

在科技與地緣政治高度交織的時代，「算力主權」（compute sovereignty）正逐漸成為中國 AI 戰略的重要核心。