中國AI算力暗戰：字節阿里押注英偉達，訊飛全國產，百度走雙軌

| 本文作者劉曠，系福布斯中國撰稿人，表達觀點僅代表個人。

人工智能大模型競賽進入深水區，算力已經成為了決定技術高地的關鍵因素。面對英偉達等進口芯片長期占據市場主導地位的情況，國內科技企業加大了對算力基礎設施的投資力度，也因為外部的技術封鎖以及供應鏈的不確定性而加快了國產替代的步伐。

目前，國內主要廠商的算力戰略已經形成了三條明確的發展路徑：一是深度綁定英偉達生態、以“萬卡規模”追求極致性能的依賴路線；二是出于自主可控的壓力下，堅持全棧自研的攻堅路線；三是采用英偉達和國產芯片并行的“雙軌”策略，在效率與安全之間取得平衡。

注：數據來源媒體公開資料經劉曠頻道匯總，僅供參考

大模型底層算力結構的差異，不僅直接決定了各家模型的訓練速度和推理成本，更深刻地影響著中國AI產業的安全基礎與未來走向。

第一類代表：互聯網巨頭的“英偉達”陣營

目前全球AI算力供需矛盾日益突出，中國的算力缺口尤為嚴重，因此國內廠商對進口芯片的依賴性非常大。以字節跳動、阿里巴巴、智譜AI為代表的互聯網大廠及AI獨角獸選擇深耕“英偉達陣營”，其核心邏輯在于“先搶占市場、再完善自主”。

首先看字節跳動，它有海量的數據和算法積累，還有十數萬張英偉達顯卡儲備，這使得豆包等大模型在多模態、長文本處理等領域可以迅速取得突破，并且增強了其在C端和B端的應用優勢。

據權威財經媒體報道，字節跳動計劃在2026年投資1000億元采購英偉達的AI芯片。相比2025年的850億元增長了17.6%，說明字節跳動對算力的需求非常迫切，并且高度依賴英偉達的算力。

再看阿里巴巴，依托阿里云強大的云計算底座，其在支撐夸克大模型訓練時，一方面部署了規模達數千張的英偉達高端GPU集群，以保障前沿模型研發的算力性能與訓練效率；另一方面，積極推動自研的“含光”系列芯片在推理等場景的規模化部署，構建起自主可控的算力補充，實現了“性能與安全”的雙重平衡。

最后看AI獨角獸，智譜AI依托于清華的技術背景，擁有數千張英偉達卡，專注在學術與產業融合的應用場景上；而Kimi的母公司月之暗面則是通過融資快速擴展算力，并以英偉達顯卡為硬件優化了MoE模型架構，依靠高效的并行計算能力，在長文本處理領域形成了自己的優勢。Minimax同樣以英偉達卡為基礎，支撐其大模型的快速迭代與高效推理，在成本與性能平衡上構筑了自身競爭力。

只不過，對英偉達生態系統的深度依賴，也正成為“英偉達陣營”不可忽視的短板。它們不但面臨芯片斷供的風險，還要支付較高的算力費用，并且難以脫離CUDA生態的技術束縛。

第二類代表：百度的“雙軌戰略”，進口+自研并行

百度的“進口+自研并行”策略，是介于依賴進口與全棧自主之間的折中方案。百度保留幾千張英偉達顯卡，保證大模型的基礎訓練穩定、高效，又投入大量資源進行自研昆侖芯片的研發，意在建立進口替代緩沖帶，達到短期效率和長期安全的平衡。

一方面，百度仍然保有數量不小的英偉達高端芯片集群。這些進口的算力就像是“穩定器”，保障了“文心一言”等核心模型快速迭代以及大規模訓練任務的高效、穩定運行，保證其在激烈的市場競爭中不會因為算力瓶頸而喪失先機。

另一方面，百度投入大量資金自主研發“昆侖”系列AI芯片。該系列芯片已經應用到搜索、云服務等業務的推理場景中，并且開始向訓練環節滲透，大大減少了關鍵業務對單一外部供應鏈的依賴，形成了一個國產化安全緩沖區。

百度“進口和自研”并行的雙軌模式，既滿足了當前算力需求，也為將來實現全面自主打下了基礎。但是這種路徑也存在一些問題：自主研發芯片的研發投入很大，而且需要長時間的技術積累以及生態打磨，如何平衡研發成本與商業回報是其所要面對的持續性問題。

第三類代表：科大訊飛“全國產化”突圍

面對英偉達芯片受阻的挑戰，科大訊飛并沒有妥協，而是與華為、中科海光、寒武紀等國產芯片企業合作，建成一個規模達數萬卡級的全國產化算力集群。

通過“全棧自主”路徑，科大訊飛成功打破了國產算力無法支撐高端大模型訓練的行業桎梏，證明了國產化由“可用”到“好用”的實際可能性。最新發布的“訊飛星火X2”大模型就是完全用國內自研算力訓練出來的，并且在多個核心能力上與國際頂尖模型相當。

與此同時，科大訊飛將大模型的能力和具體的硬件產品深度結合在一起，準確地切入教育、醫療、辦公等有剛性需求的民生和產業領域，從而形成自己獨特的競爭優勢。

在教育領域，訊飛智慧學習機融入“星火”大模型的能力，為全國1.3億師生提供了因材施教的AI解決方案。以AI學習機T90系列為例，它搭載了由“星火X2”賦能的業界首創“錯因貫穿個性化學習系統”，超擬人AI老師“曉悅”可以像真人教師一樣進行啟發式錯因分析和講解，實現精準高效的個性化輔導。

在醫療行業，科大訊飛的“智醫助理”已經在全國31個省市、801個區縣實現了常態化應用，累計提供AI輔診建議超過11億次，規范病歷超過4.98億份，因系統提示而修正診斷的有價值病歷超過186萬例，用AI算力有效地解決了基層醫療資源不足的問題。

這些場景的核心特點是“需求剛性、付費意愿強、數據閉環完整”，既給國產算力提供了一個穩定的應用場景，也使大模型的能力在不斷的場景迭代中得到優化。

科大訊飛所走的突圍之路，給行業解決“算力依賴進口、研發投入高、商業化變現難”的普遍難題提供了一個樣本。

算力自主，中國AI的必修課

當前，全球算力競爭已經到了白熱化的程度，高端市場依然由國際大廠掌控，國產算力的發展之路如同一場漫長而艱巨的“長征”。雖然面臨技術壁壘、生態缺失等多重困難，但是也迎來技術突破、場景爆發以及政策扶持三重機遇。

其一，技術迭代速度加快，提供了新的“超車”路徑。伴隨Chiplet（芯粒）、存算一體等先進架構的突破，國產芯片正探索一條差異化的發展路徑，在某些領域有望實現彎道超車，縮小與國際主流產品之間的性能差距。

國內一些領先企業已經在Chiplet領域積極布局，建立基于芯粒的異構計算平臺，使計算系統從單一芯片向集成化、高效化方向發展，從而有效解決困擾行業多年的“算力墻”、“內存墻”等問題。

其二，場景化AI成為主要戰場。大模型競爭焦點從單純追求數量轉為深耕行業、“場景落地”。能否深度理解行業需求、提供從底層算力到上層應用的全棧解決方案，已經成為企業打造核心競爭力的關鍵。

這一趨勢給國產算力企業提供了差異化競爭的絕佳機遇。憑借對國內行業場景的深刻理解與快速響應能力，國內企業可通過“算力+算法+場景”的垂直整合，實現技術價值在具體業務中的最大化釋放。

再者，國產算力的“長征路”離不開政策的支持。從“東數西算”工程到國資云、行業信創推進，政策紅利不斷釋放，也進一步推動了國產算力生態的成熟，并形成了技術和市場之間的良性互動。

小結

在國產大模型的算力版圖中，科大訊飛依靠全國產化算力支撐技術取得了突破，并以場景化產品實現商業閉環，走出了一條“技術自主+應用落地”的雙輪驅動發展道路。

這不僅是一家企業的勝利，更是中國AI產業在外部環境受限下實現自主創新的縮影。未來，隨著國產芯片技術的成熟與生態的完善，中國大模型有望在更多領域打破壟斷，實現從“追趕者”到“引領者”的跨越。