2026 年 7 月，一份据说是 DeepSeek 创始人梁文锋的闭门纪要在圈子里炸开了锅。在这之前，中文互联网的情绪链条特别顺滑：英伟达断供、华为顶上、国产平替、赢麻了。

可这份网传纪要流出来后，最扎心的一句不是 " 华为四张卡才顶英伟达一张 "，而是他顺手撕开的另一层皮——中美 AI 的差距，表面看是算力，骨子里是 " 等别人验证完路线，我们再去复刻 " 的肌肉记忆。

芯片禁运是外伤，抄作业的惯性才是内伤。外伤能靠时间和工程补上，内伤不治，就永远在别人画好的跑道上冲刺。打开朋友圈、直播间、股吧，" 卡脖子 " 三个字几乎成了万能背锅侠。模型跑分不如人？卡脖子。融资难？卡脖子。博士跳槽去新加坡？还是卡脖子。

华盛顿俨然成了中国 AI 所有困境的总开关，好像只要这个开关一松，立马原地起飞。但梁文锋在网传纪要里的说法更冷：他先认了算力确实是瓶颈，" 人才差距本质也是算力差距，实验机会少 "，话锋一转就把刀子对准了自己人—— " 更多投入并不一定产生更多创新 "。这话听着刺耳，却把两件事拆得很清楚：美国禁运是一回事，国内怎么用手里的牌是另一回事。

美国这几年的芯片管制确实是步步紧逼。2022 年 10 月商务部工业与安全局第一轮出手，A100 和 H100 直接禁运。2023 年堵上了 H800、A800 这些降规版的口子。2024 年 12 月拜登离任前再加码，24 类设备和 140 个实体被摁进清单。

2025 年 4 月 H20 临时叫停，英伟达财报里一笔计提 55 亿美元损失，疼得够呛。到 2025 年底 2026 年初，H200 也进了逐案审查，还附带年采购上限和审计条款。最狠的是 2026 年 6 月那份《远程访问安全法案》，连远程调用海外算力的路子都给堵上了。

这套组合拳打下来，算力落差是实打实的。按网传纪要的口径，美国前沿模型激活参数大约在 800B 级别，国内最大的才几十 B，差了一个数量级。

训练同等规模的模型，需要 5 万张 GB300 或者 20 万张国产卡。DeepSeek 用大约五分之一的美国算力，做出来的东西落后 12 到 18 个月。数字摆在这儿，谁也没法装看不见。

国产替代进度怎么样？华为昇腾 910C 和 950 超节点在任务层面确实能平替 GB200 和 GB300，但代价是 " 四张华为卡顶一张英伟达，硬件代差两年 "。2025 年国产加速卡出货占到 41%，华为以 81.2 万张领跑，瓶颈不在硬件能不能用，在产能怎么分配。

DeepSeek V4 已经跑通了纯昇腾训练，证明这条路走得通。据 21 世纪经济报道摘录，梁文锋判断 CUDA 的护城河正在被 TileLang 加上 AI 写代码的方式瓦解，但 " 国产卡生态一年可验，产能五年才松 "。

芯片是真问题，但 " 只要芯片解了就能翻身 " 是假希望。这就是梁文锋那句话真正刺痛的地方。什么叫 " 骨子里抄作业 "？不用扯什么范式创新、大国博弈这些虚词，拆开来看就是几个具体的习惯。

第一个习惯叫路线依赖。Transformer 是别人提出的，Llama 是 Meta 开源的，GPT 系列是 OpenAI 定义的。过去三年国内头部模型的发布节奏，永远是 " 海外出 X，我们出类 X" ——长文本、MoE、多模态、Agent，依次复刻。

微调、蒸馏、量化做得确实溜，但从 Attention 到 RWKV、从 Dense 到 MLA 这种原生架构的跳跃，国内主动定义的次数掰着手指头都数得过来。DeepSeek 靠 MLA 加 MoE 加自研 TileLang，在五分之一算力下挤进前沿，恰恰证明 " 不是不能另走，是行业默认不走 "。

第二个习惯是评判权外包。为什么国内发布会 PPT 第一页永远是 MMLU、GPQA 对标 GPT-4o？因为裁判席在硅谷。别人没测的维度，比如极端低成本部署、方言多轮对话、工厂巡检场景，我们懒得自己立标准。

HuggingFace 上中国开源模型下载占比从 2024 年底的 1.2% 飙到 2026 年初的 30%，Qwen 超过了 Llama，这是工程胜利。但 " 开源追赶 " 本身，仍然是沿着 Meta 和 OpenAI 抛出的游戏规则在玩。

第三个习惯是商业时钟太急。美国前沿实验室允许烧钱试错 Scaling Law 的上限在哪儿，国内融资条款里写着 " 次年 ARR 翻番 "。网传纪要里梁文锋有句冷评："ToB 上限是需求不是算力 ""AI 最终占 GDP 百分之十，谁也独吞不了 "。潜台词很明显：国内太多团队把 AI 当 SaaS 做，不当基础科学做。

第四个习惯是把 " 应用强 " 误当成 " 技术领先 "。中国 AI 在落地速度、价格战、C 端规模上确实能打，Cursor 用 Kimi K2.5，美国 80% 的初创公司蹭中国开源模型。但应用层热闹不等于底层有定义权。就像手机整机卖遍全球，SoC 和操作系统还是别人的——你只是把别人的引擎装进了更便宜的车壳。

做个假设实验：明天华盛顿宣布解禁 H200 和 GB300，华为产线拉满，阿里腾讯各囤 10 万张卡。然后呢？算力自由后的第一反应大概率是 " 赶紧把 Llama 4 路线重训一遍 "" 把 GPT 没开源的 Agent 框架仿出来 "。资源越多，复刻越快，赛道还是别人画的。

等硅谷下一次换锚，比如从大语言模型跳到世界模型、神经符号、持续学习，我们依然得等对方跑通再跟。网传纪要里有句话很耐琢磨：" 硅谷说 Scaling 到头是对硅谷而言，我们根本还没 Scaling 到那。" 反过来也成立：别人换范式的时候，我们连旧范式的自主版本都没立住。

高铁、光伏、锂电都走过 " 引进、消化、改良、局部领先 " 的路子，但 AI 的底层是数学加系统加数据闭环，比制造工艺更难用反向工程补齐。架构抄得到，" 为什么这么想 " 的好奇心结构抄不到。

梁文锋没否认国产算力能平替，也没否认定制 ASIC 的路子—— DeepSeek 和智谱已经在悄悄造芯。他否定的只是 " 把补课当战略 "。非对称的出路在哪儿？在受限算力下逼出新架构，MLA、MoE 稀疏化、国产卡专用编译器，禁运反而拆掉了 " 堆卡遮丑 " 的懒人椅。、

在把评判权抢回来，立中文世界模型基准、工业农业基层治理的真实任务集，让硅谷也开始跑我们的榜单。在允许 " 无用研发 " 存活，量化基金养的 Infra 工程师比算法工程师还多，这是 DeepSeek 能冒头的结构原因——国内得有更多不背 GMV 的房间。

芯片战是 5 到 10 年的问题，抄作业惯性是 30 年的问题。前者靠晶圆厂和汇率就能追，后者靠发论文、融资、政策文件都改不了，只能靠一代人敢在没人验证过的地方押注。

回到标题那句话—— " 老美卡芯片 " 是真的，但梁文锋点醒的是另一件事：当有一天芯片真不卡了，我们拿满配算力干什么？是把 GPT 的错题本再抄厚一点，还是自己出一套题？这个答案不会写在禁令解除那天，会写在某个年轻人拒绝 " 做个类 XX" 的那一刻。