英伟达不愿放弃中国市场！ 欲再推 “中国特供版” AI 芯片

智通财经 APP 获悉，据媒体最新报道，全球 “AI 芯片霸主” 英伟达 (NVDA.US) 已通知包括字节跳动、阿里巴巴以及腾讯等科技公司在内的中国市场最重要客户，该公司正重新修改其 AI 芯片设计架构，以符合美国政府的最新出口限制，并坚持继续向中国企业供应 AI 芯片。

据《TheInformation》的最新报道，英伟达首席执行官黄仁勋在其近期高调访问中国市场期间向客户们透露了这一最新的中国特供 AI 芯片计划。

黄仁勋此行发生在美国政府通知英伟达，将需要政府专项的严格审批才能向中国市场的客户们销售 AI 芯片——即针对于 AI 芯片的美国政府 AI 限制名单已经扩大至此前经过多次性能阉割的 H20。H20 性能相比于 H100/H200 可谓被大幅削减，是英伟达获准出口至中国市场的独家特殊定制版本 AI 芯片。然而，特朗普政府的最新限制举措实际上禁止了 H20 向中国客户们的销售路径。

受此影响，英伟达预计将在即将公布的季度财报中计入高达 55 亿美元的额外费用，该公司在 Form8‑K 文件中披露了这一情况，导致其股价此后大幅下跌近 7%。

尽管美中紧张局势升温，英伟达仍持续致力于为中国市场的客户们开发符合监管限制的新 AI 芯片，凸显这一东方市场对总部位于加州圣克拉拉的半导体巨头英伟达业绩的重要性。

《TheInformation》称，字节跳动、阿里巴巴和腾讯等中国科技巨头在今年前 3 个月已订购价值逾 160 亿美元的 H20 AI 芯片，目前尚不清楚最新的美国政府禁令将如何影响这些 AI 芯片订单。

该报道还称，英伟达告诉部分中国市场的客户，该公司在向中国市场推出任何新版本的 AI 芯片之前都需获得美国商务部的监管批准。

截至 1 月 26 日的 2025 财年，英伟达在中国市场实现销售额高达 171.1 亿美元，占该半导体巨头高达 1,305 亿美元总营收的大约 13%。

即将推出的中国市场 “特供版 AI 芯片” 将走 ASIC 路线而不是通用 GPU 路线？

有半导体行业分析人士在《TheInformation》最新报道披露后表示，英伟达为了推出迎合美国政府出口禁令的中国市场特制版 AI 芯片，可能将 AI 芯片技术路线从通用 GPU 转向专门面向 AI 训练/推理领域的 AI ASIC。

据悉，这些分析人士表示，GPU 架构的特定决定了英伟达除非大规模削减性能，否则无法在短期内推出符合美国出口限制措施的 AI 芯片，但是大幅削减性能可能使得英伟达 AI 芯片相比于国产 AI 芯片不具备性价比。不过，还有分析人士表示，英伟达的中国市场 AI 芯片策略可能将专注于 “在 AI GPU 架构上做快速且适度幅度降级以规避监管红线”——比如降低 NVLink 互连速率、缩减带宽或阈值化张量算力，中长期继续评估是否推出针对 AI 推理的专用 AI ASIC。

I ASIC 在也业内被称作 “定制化 AI 芯片”、“专用 AI 芯片” 或 “AI 应用专用集成电路”。与传统的通用类型处理器 (比如 CPU 与 GPU) 不同，AI ASIC 针对特定的 AI 任务 (比如深度学习、人工智能推理和训练体系等) 高效率执行进行深度化的定制，旨在通过专有硬件架构来提升人工智能计算效率、降低功耗，并提高性能，尤其在执行大规模 AI 并行化计算时展现出巨大的能效优势。比如谷歌联手博通打造的 TPU(Tensor Processing Unit) 就是一种最典型的 AI ASIC，主要用于深度学习推理和训练，优化了矩阵乘法等关键计算操作，提升了 AI 计算效能。博通与迈威尔科技乃目前 AI ASIC 领域的主导者。

DeepSeek 低成本范式表明，AI 推理完全能够通过算法工程优化以降低推理开销，让大模型得以更便捷、更廉价地进行部署，这也意味着未来 AI 推理端 AI ASIC 优势将更加庞大。英伟达通用 AI GPU 虽然功能强大，但其功耗、企业购买成本以及算力租用成本在大规模推理算力场景下压力大得多。微软、亚马逊、谷歌以及 Meta，无一例外都在联手博通或者 Marvell 自研 AI ASIC 芯片，用于海量推理端算力部署。比如谷歌联手博通打造的 TPU(Tensor Processing Unit) 就是一种最典型的 AI ASIC。

展望未来算力前景，英伟达 AI GPU 可能更多专注在超大规模前沿探索性的训练、变化极快的多模态或新结构快速试验，以及 HPC、图形渲染、可视分析等通用算力。AI ASIC 则聚焦于深度学习特定算子/数据流做极致优化，也就是擅长稳定结构推理、批量高通量、高能效比。长远来看，两者将和谐共存，中期左右 AI ASIC 市场份额有望大幅扩张。英伟达通用 GPU 将聚焦于复杂多变场景与前沿研究，ASIC 聚焦高频稳定、大规模的 AI 推理负载以及一部分成熟稳定的固化训练流程。