文｜谢泽锋

编辑｜杨旭然

当 AI 上升到大国博弈的维度，在先进芯片领域竖起贸易栅栏，已经是不争的事实。

自 2022 年 10 月起，美国商务部工业与安全局（BIS）启动首轮 " 先进计算 " 出口管制，直接将英伟达 A100、H100 及 AMD MI300 等高端芯片列入管制清单，由此拉开了一场旷日持久的芯片围堵战。

此后，管制规则历经多轮升级，从 A800、H800 到 H20 再到 H200，英伟达 " 特供版 " 芯片性能一降再降，但始终未能改变多舛的命运。

在高端芯片受限、单卡性能存在代差的背景下，芯片尤其是海外高端芯片，早已脱离国内 AI 企业真正能自主掌控的范畴。

将视线从芯片问题上移开，一个更深层的结构性变化正在浮现。

海外芯片获取的渠道被不断压缩，国产替代日益铺开后，决定国内 AI 大模型商业成本的最大变量，已悄然从 " 能否买到芯片 " 转向 " 能否养得起算力中心 "。

以此为基础，电力、散热、机房等传统上被视为 " 配套 " 的基础设施投入，正成为压在 AI 企业案头的真正大山，也成为了一段时间以来 AI 巨头们资本开支的核心。

本文是来自《巨潮 WAVE》内容团队的深度价值文章，欢迎您多平台关注。

封锁

当 AI 芯片成为一种技术绞杀工具，它便演变为地缘战略博弈的重要筹码。

早在 2022 年 10 月 7 日，美国商务部工业与安全局发布 " 先进计算规则 " 制裁措施。其中将算力大于 4800（INT8 超过 600TOPS 或 FP16 超过 300TFLOPS）以及带宽上限超过 600GB/s 的 AI 芯片列为管制名单，禁止向中国出口。

这一阈值直接将英伟达 A100、H100 以及 AMD 的 MI300 系列 " 封杀 "，中国企业无法获得世界上最强的 AI 芯片。

英伟达旋即做出调整，推出 " 降规版 " 的 A800 和 H800。这两款芯片通过降低互联带宽（NVLink 速度）来符合当时的出口管制，成为中国 AI 算力市场的主力产品。DeepSeek V3/R1 就是基于 H800 GPU 集群来训练和推理。

好景不长，2023 年 10 月美国进一步收紧管制规则，A800 和 H800 也被纳入禁售清单。

为满足出口标准，英伟达 H20 很快面世，这是一款基于 "Hopper 架构的 H100 简化版 "，通过大幅削减性能恰好落在管制红线以内，成为彼时英伟达在中国市场销售的顶梁柱。

国内许多公司都采用 H20 来部署 DeepSeek-V3/R1 推理服务，甚至出现了 " 一卡难求 " 的局面。

进入 2025 年下半年，管制政策又出现了新的变动。4 月，H20 和 MI308 等 " 特供 " 芯片被暂停对华销售。甚至有媒体报道，英伟达、AMD 等需向美国政府上缴对华芯片销售收入的 15% 收益，以换取出口许可。

仅仅三个月后的 7 月 15 日，美国商务部恢复 H20 和 MI308 对华出口，几乎在同一时刻，我国国家互联网信息办公室就 H20 芯片 " 漏洞后门安全风险 " 约谈英伟达，释放出对海外芯片安全性的高度警惕。

当年底，美国还进一步允许英伟达向中国出售 H200 芯片（H100 的升级版），不过附带了极其苛刻的转运和审查条件。

随着国产替代的普及，加上信息安全隐忧和审查条件，H20/H200 实际采购几乎为零，并未实现实质性 " 出口 "。

虽然国产顶级芯片的单卡性能仍落后 H200，但华为昇腾 910B、寒武纪思元 590 等性能均显著优于 H20；国产方案（如昇腾 950PR）价格仅约为 H20 的四分之一（推测），在国产化替代进程中具有明显优势。

到 2026 年一季度，英伟达中国地区的收入贡献占比已不足 6%，同比已经腰斩；其在中国 AI 加速卡市场的份额降至 37%，被国产芯片反超。

当前，美国对华芯片禁令已是常态化，甚至对各种路径严防死堵。

英伟达目前最先进的 GB200/B200、GB300/B300，原生 TPP（BIS 出台的限制指标）大幅超标，直接禁止对华销售。

路径上，从 " 地域管制 " 转向 " 主体穿透 "，美国商务部不再仅看芯片出口目的地，而是重点审查最终用户身份。即便交易发生在阿联酋、新加坡等第三国，或者中国企业通过在海外注册子公司来租用中东算力，这些 " 绕道 " 行为都会被定义为违规。

时至今日，高端芯片引进之路基本被焊死。这种背景下，海外芯片成本已基本不在 AI 企业的考虑范畴之内。

基建

8 月 6 日，在内蒙古乌兰察布草原深处，由远景科技投资的中国算电协同 " 航母 " 乌兰察布星河基地正式投产。

这一项目是全球最大的单体智算中心，规划容量超过 2GW，全域绿电占比高达 67%。利用当地优渥的风能资源及专线实现绿电直供，一跃成为绿电占比最高的 AI 基建综合体。

今年 6 月 17 日，远景在欧洲发布 Mission Gobi 倡议计划，宣布到 2030 年，在全球戈壁荒漠建成高达 5GW 的绿色 AI 算力中心。乌兰察布星河基地就是其中的首个项目。

人类历史上，能源利用经历了从油气煤到电力、再到算力的演进，黄仁勋将能源归为 AI 五层蛋糕的底座。

算力中心是毫无争议的吞电巨兽，与传统用电大户形成了明确的 " 竞争关系 "。

据测算，2025 年美国算力耗电量约为 180-220TWh，约占全美总用电量的 4.3%-5.2%，已成为全美第六大电力用户。去年夏季，加州遭受高温热浪，电网不堪重负，特斯拉 AI 数据中心被迫限电，模型训练效率下降 30%；德州风电波动加大，微软数据中心曾连续 3 天仅能维持一半的能源供应。

在通往 AGI 的道路上，中美面临不同的制约——美国遭受能源和电网基建瓶颈，我国则尚缺乏高端芯片。

2023 年，我国提出全国一体化算力网建设目标，要求到 2025 年底数据中心绿电占比超过 80%、整体上架率不低于 60%、平均电能利用效率降至 1.5 以下。

所谓力大砖飞，当高端芯片受制，算力中心的电力消耗与基础设施投入，就成为另一个更具决定性的成本变量。

根据晶科科技此前的投资计划，宁夏中卫 1GW 算力中心总投资高达 245 亿元。若全栈装配高端英伟达芯片，投资强度将升至 400-470 亿美元。

算力成本已成为 AI 企业最大的商业化成本支出，国联民生证券测算，包括豆包免费 C 端服务在内，字节单日成本就高达 1.32 亿到 2.4 亿元，取上限推算全年亏损逼近千亿。

" 每天烧掉 2 亿多元算力成本，日收入却不到 100 万 "，这就是当前最大国民级 AI 应用的困局，其他 AI 公司也同样面对类似的难题。

为了解决这些问题，目前字节跳动已计划在乌兰察布投入 700 亿元，打造 AI 大模型训练算力中心，正处于分期建设阶段；同时在和林格尔布局火山引擎智算中心，计划投资 120 亿元，规划为 GW 级绿色算力园区，一期工程已进入实质性建设阶段。

随着下游需求暴涨，AI 算力基建服务商已经开启新一轮涨价潮。AI 高密度机柜租赁价格整体上调了 10%-20%，液冷高功率机柜涨幅更高，算力基础设施进入高速扩张期。

迁徙

人工智能的未来，不仅是算力、算法的比拼，更是一场能源竞赛。

国家发改委能源研究所能源战略中心主任田磊曾这样表示。

2025 年，我国算力中心总用电量高达 1700 亿千瓦时，占到了全社会用电量的 1.6%。全国一体化算力网八大枢纽节点算力用电近 3 年增速接近 40%，远高于全社会用电量平均增速。

" 十五五 " 时期，全国算力用电量预计每年新增 1000 亿千瓦时以上，到 2030 年将达到 8000 亿千瓦时，约占全社会用电量的 6%。

芯片采购是一次性的资本支出（CapEx），金额虽大，但可在未来数年内分摊；电力消耗则是持续性运营支出（OpEx），只要算力中心一开机，电费就会持续产生。

根据测算，用豆包生成一个 5 秒的高清视频，所消耗的电量就能充满 10 部智能手机。一张 700W 的 AI 芯片，其耗能往往是传统 CPU 的 10 倍以上，意味着一个万卡集群仅芯片的功率就高达 7MW。

加上散热、温控、运营等配套系统，24 小时满负荷运转，一天至少消耗 20 万千瓦时的电量，一年下来，相当于一个小县城的年度生活用电规模。

如果是一个 1GW 的大型算力中心，一年到头满负荷运行，年耗电约 87 亿度，加上其他辅助系统，年总耗电量接近 100 亿度。

即便按便宜的新疆算力电价 0.35 元 / 度（理论均值）计算，年电费约 35 亿元；再加上 GPU 折旧和维护经营费用，一年的运营成本将相当高昂。

与海外科技巨头类似，国内互联网大厂也在上调资本开支。

2025 年，字节全年资本开支超 1500 亿元，其中 900 亿元用于 AI 算力采购；2026 年，这一数字或超过 2000 亿元。

阿里巴巴集团 CEO 吴泳铭在去年 2 月 24 日宣布，未来三年将投入超 3800 亿元用于建设云和 AI 基础设施，总额超过去十年总和，也创下中国民营企业在相关领域的最大投资纪录。

今年上半年，腾讯累计开支 847.2 亿元，已超 2025 全年水平，主要就用于混元（Hy）模型训练升级、WorkBuddy/CodeBuddy 推理支持、微信 AI 生态以及云算力基础设施完善。

AI 基建投入持续加码，大厂利润不可避免受到影响。此前有报道称，2025 年字节跳动净利润下滑超 70%，后经抖音集团副总裁李亮 " 辟谣 "；但 AI 基建投入确实在一定程度上拉低了字节的利润增长。

阿里在 2026 财年第四季度净利润（经调整 EBITA）骤降 84%；一贯稳健的腾讯，也因大额投入影响到现金流和利润。

当国产芯片性能全面超越 H20、市场份额突破 60% 甚至更高时，芯片获取的边际难度正在下降，而 AI 基建的成本在大幅抬升。

互联网大厂和大模型企业的成本迁移，实际上已经开始了，只是这些开支对于 AI 用户来说，都在看不到的水下。