英偉達不願放棄中國市場！ 欲再推 “中國特供版” AI 芯片

智通財經 APP 獲悉，據媒體最新報道，全球 “AI 芯片霸主” 英偉達 (NVDA.US) 已通知包括字節跳動、阿里巴巴以及騰訊等科技公司在內的中國市場最重要客户，該公司正重新修改其 AI 芯片設計架構，以符合美國政府的最新出口限制，並堅持繼續向中國企業供應 AI 芯片。

據《TheInformation》的最新報道，英偉達首席執行官黃仁勳在其近期高調訪問中國市場期間向客户們透露了這一最新的中國特供 AI 芯片計劃。

黃仁勳此行發生在美國政府通知英偉達，將需要政府專項的嚴格審批才能向中國市場的客户們銷售 AI 芯片——即針對於 AI 芯片的美國政府 AI 限制名單已經擴大至此前經過多次性能閹割的 H20。H20 性能相比於 H100/H200 可謂被大幅削減，是英偉達獲准出口至中國市場的獨家特殊定製版本 AI 芯片。然而，特朗普政府的最新限制舉措實際上禁止了 H20 向中國客户們的銷售路徑。

受此影響，英偉達預計將在即將公佈的季度財報中計入高達 55 億美元的額外費用，該公司在 Form8‑K 文件中披露了這一情況，導致其股價此後大幅下跌近 7%。

儘管美中緊張局勢升温，英偉達仍持續致力於為中國市場的客户們開發符合監管限制的新 AI 芯片，凸顯這一東方市場對總部位於加州聖克拉拉的半導體巨頭英偉達業績的重要性。

《TheInformation》稱，字節跳動、阿里巴巴和騰訊等中國科技巨頭在今年前 3 個月已訂購價值逾 160 億美元的 H20 AI 芯片，目前尚不清楚最新的美國政府禁令將如何影響這些 AI 芯片訂單。

該報道還稱，英偉達告訴部分中國市場的客户，該公司在向中國市場推出任何新版本的 AI 芯片之前都需獲得美國商務部的監管批准。

截至 1 月 26 日的 2025 財年，英偉達在中國市場實現銷售額高達 171.1 億美元，佔該半導體巨頭高達 1,305 億美元總營收的大約 13%。

即將推出的中國市場 “特供版 AI 芯片” 將走 ASIC 路線而不是通用 GPU 路線？

有半導體行業分析人士在《TheInformation》最新報道披露後表示，英偉達為了推出迎合美國政府出口禁令的中國市場特製版 AI 芯片，可能將 AI 芯片技術路線從通用 GPU 轉向專門面向 AI 訓練/推理領域的 AI ASIC。

據悉，這些分析人士表示，GPU 架構的特定決定了英偉達除非大規模削減性能，否則無法在短期內推出符合美國出口限制措施的 AI 芯片，但是大幅削減性能可能使得英偉達 AI 芯片相比於國產 AI 芯片不具備性價比。不過，還有分析人士表示，英偉達的中國市場 AI 芯片策略可能將專注於 “在 AI GPU 架構上做快速且適度幅度降級以規避監管紅線”——比如降低 NVLink 互連速率、縮減帶寬或閾值化張量算力，中長期繼續評估是否推出針對 AI 推理的專用 AI ASIC。

I ASIC 在也業內被稱作 “定製化 AI 芯片”、“專用 AI 芯片” 或 “AI 應用專用集成電路”。與傳統的通用類型處理器 (比如 CPU 與 GPU) 不同，AI ASIC 針對特定的 AI 任務 (比如深度學習、人工智能推理和訓練體系等) 高效率執行進行深度化的定製，旨在通過專有硬件架構來提升人工智能計算效率、降低功耗，並提高性能，尤其在執行大規模 AI 並行化計算時展現出巨大的能效優勢。比如谷歌聯手博通打造的 TPU(Tensor Processing Unit) 就是一種最典型的 AI ASIC，主要用於深度學習推理和訓練，優化了矩陣乘法等關鍵計算操作，提升了 AI 計算效能。博通與邁威爾科技乃目前 AI ASIC 領域的主導者。

DeepSeek 低成本範式表明，AI 推理完全能夠通過算法工程優化以降低推理開銷，讓大模型得以更便捷、更廉價地進行部署，這也意味着未來 AI 推理端 AI ASIC 優勢將更加龐大。英偉達通用 AI GPU 雖然功能強大，但其功耗、企業購買成本以及算力租用成本在大規模推理算力場景下壓力大得多。微軟、亞馬遜、谷歌以及 Meta，無一例外都在聯手博通或者 Marvell 自研 AI ASIC 芯片，用於海量推理端算力部署。比如谷歌聯手博通打造的 TPU(Tensor Processing Unit) 就是一種最典型的 AI ASIC。

展望未來算力前景，英偉達 AI GPU 可能更多專注在超大規模前沿探索性的訓練、變化極快的多模態或新結構快速試驗，以及 HPC、圖形渲染、可視分析等通用算力。AI ASIC 則聚焦於深度學習特定算子/數據流做極致優化，也就是擅長穩定結構推理、批量高通量、高能效比。長遠來看，兩者將和諧共存，中期左右 AI ASIC 市場份額有望大幅擴張。英偉達通用 GPU 將聚焦於複雜多變場景與前沿研究，ASIC 聚焦高頻穩定、大規模的 AI 推理負載以及一部分成熟穩定的固化訓練流程。