在中美科技競爭的主流敘事中，半導體晶片長期佔據核心位置。美國通過出口管制切斷中國獲取先進晶片的管道，中國則以支援華為等本土企業加速追趕。然而，隨著AI產業的縱深發展，競爭邊界正在悄然位移，決定勝負的戰場，已從單一的硬體層向涵蓋晶片、軟體平台與開發者生態的完整“技術堆疊”延伸。
2026年6月22日，布魯蓋爾研究所（Bruegel）研究員Alicia García-Herrero等兩位研究員發文，系統剖析了中美AI競爭向軟體層延伸的最新態勢。文章指出，華為正以CANN開源工具包、推出PyTorch相容後端外掛、聯合DeepSeek打造跨平台旗艦模型等組合策略，逐步拆解輝達的軟體護城河；依託中國龐大的國內市場，這一替代生態已初具雛形。與此同時，文章認為歐洲已淪為這場技術堆疊之爭的"投入提供者"而非真正參賽方，因為既無本土晶片設計巨頭，亦無可與CUDA或CANN匹敵的軟體平台。作者警示，掌控完整技術堆疊將成為AI時代是否具備核心競爭力的衡量標準，這一認知轉變對歐洲產業政策具有緊迫的戰略意義。
以下是文章主要內容，供參考！
儘管中國取得了進展，但在爭奪所謂人工智慧硬體棧（即運行AI模型所需的資源和裝置，尤其是半導體）主導權的競賽中，美國目前仍保持領先。美國跨國公司輝達（Nvidia）憑藉性能最優的AI晶片，穩居全球市場領導地位。其AI晶片約佔全球已安裝總量的半數，但計算能力卻高達已安裝總量的三分之二。
中國的華為是最有力的海外挑戰者，但其晶片在技術上仍處於劣勢²。儘管如此，由於激勵措施與限制措施的綜合作用——尤其是美國對先進晶片的出口管制——形成了封閉市場，因此中國國內對華為晶片的需求依然強勁。在此背景下，輝達已基本將中國人工智慧晶片市場讓給了華為。
中國通過補貼、廉價能源和採購優惠等措施，從需求端支援華為及其他國內晶片製造商，這是縮小與美國差距戰略的一部分。該戰略的另一部分是外交層面的：試圖應對美國的出口管制。
但硬體領域的競爭僅揭示了部分真相。輝達的持久優勢還源於其專有軟體平台CUDA（統一計算裝置架構），該平台不僅能讓其業界頂尖的晶片高效運行，更已成為人工智慧開發的事實標準。CUDA在晶片/基礎設施供應商、AI模型開發者、應用部署者和終端使用者之間產生了強大的網路效應。某類使用者的增加會吸引更多其他類型的使用者。輝達向開發者免費開放CUDA——這是一種典型的零價格策略，旨在最大限度地提高採用率並鎖定其硬體的需求。
大多數AI開發者使用PyTorch進行程式設計，這是領先的開源機器學習框架。由於輝達在已安裝的晶片基數中佔據主導地位，開發者們會針對CUDA相容硬體進行最佳化。這形成了一個自我強化的循環：開發者社區規模越大、預最佳化程式碼庫越豐富，替代方案就越難獲得市場認可。其結果是輝達擁有非凡的定價能力（其晶片利潤率高達70%至80%）。
競爭生態系統面臨著典型的“雞生蛋還是蛋生雞”難題。多家美國企業（亞馬遜、Google、Meta）雖然開發了自有晶片，但在實現廣泛應用方面仍主要依賴於 PyTorch/CUDA 生態系統。對於大多數開發者和企業而言，網路效應和轉換成本（程式碼重寫、性能不確定性、最佳化庫的丟失）實在太高了。
華為繞過輝達軟體護城河的戰略
要打造與輝達抗衡的人工智慧技術堆疊，就需要建立一個替代性的軟體生態系統。華為擁有與CUDA相當的CANN（神經網路計算架構）和MindSpore——這是一個針對其昇騰AI處理器7進行最佳化的開源機器學習框架。CANN 仍處於發展成熟階段，據開發者稱，其易用性不及 CUDA。儘管如此，華為仍積極採取行動以縮小易用性差距。2025 年 8 月，華為宣佈將 CANN 工具包開源——這是對 CUDA 專有模式的直接打擊——並一直在招募中國的人工智慧實驗室、大學和研究機構，共同建設一個開放的 Ascend 開發者社區。
同樣重要的是 torch_npu——這是一個後端外掛，可讓標準的 PyTorch 程式碼在 Ascend 處理器上運行。由於大多數 AI 開發者使用 PyTorch 編寫程式碼，而非直接使用 CUDA，這降低了最大的轉換成本：開發者不再需要為了離開輝達硬體而放棄他們熟悉的框架。華為的戰略層層對應了中國在硬體領域採用的策略：開放現有巨頭封閉的技術，補貼採用成本，並引導國內被鎖定的開發者群體轉向替代技術堆疊。
值得注意的是，華為與中國領先的人工智慧實驗室之一DeepSeek展開了合作。DeepSeek的模型（採用開放權重且在性價比方面極具競爭力）在設計上相容輝達和華為的處理器。這一策略頗具巧思：既降低了已熟悉輝達生態系統的開發者嘗試Ascend硬體的門檻，同時也拓寬了華為晶片的目標市場。DeepSeek正迅速成為全球最受歡迎的人工智慧模型之一。與美國實驗室早期的一些封閉式嘗試不同，利用流行的開放權重模型作為橋樑，似乎正在加速華為軟體生態系統的勢頭。這是否能產生與CUDA二十年先發優勢相當的自我強化網路效應，仍是核心懸而未決的問題。
早期證據表明，軟體差距與硬體差距一樣，已不再是固定或無法彌合的。中國迎頭趕上的跡像是切實存在的：一個擁有國家支援的貢獻者管道的開源工具包、通過與 PyTorch 相容性降低的切換成本、在 Ascend 上運行的旗艦級開放權重模型，以及一個足以支撐該生態系統度過不成熟階段的受保護的國內市場。兩年前，這些要素中沒有一項以有意義的形式存在。
儘管如此，障礙依然嚴峻。中國開發者繼續報告CANN存在嚴重的易用性問題，而CUDA積累的最佳化庫儲備顯然十分龐大。中國能否縮小這一差距，確實尚不確定。
然而，其戰略意義是明確的。如果中國企業成功跨越CUDA這道護城河——即使僅限於國內市場——美國長期以來的優勢將縮小。更廣泛地說，美國在硬體和軟體方面的雙重優勢可能不再像以往那樣相互強化。
歐洲的缺位
儘管歐洲擁有AI相關資產（例如晶片光刻裝置和AI研究），但歐洲既沒有具有全球影響力的AI晶片設計公司，也沒有類似於CUDA或CANN的軟體層——這些軟體層能夠在廣泛的開發者社區中，將高級AI演算法轉換為高效的機器碼。
正如CUDA和CANN所示，硬體與軟體層通過協同設計緊密交織在一起。如果缺乏大規模的本土晶片設計能力，就很難建構和最佳化具有競爭力的軟體平台，因為硬體架構師與編譯器/執行階段開發者之間的反饋機制不夠緊密。AI技術堆疊中的經濟價值絕大多數歸屬於那些掌控晶片設計和軟體平台的主體，而不僅僅是裝置供應商。憑藉光刻系統等資產，歐洲實際上已成為這場競賽中不可或缺的投入提供者，儘管其自身並非完全意義上的參賽者。
然而，缺乏完整的本土技術堆疊並不意味著歐洲別無選擇。有針對性的產業政策有助於彌合計算能力差距。歐洲還可以採取更審慎的開源和垂直專業化戰略，重點關注其具有比較優勢的領域（例如汽車人工智慧、氣候建模和可信人工智慧）。這種部分戰略能否帶來真正的自主權，還是僅僅減少依賴，是歐洲政策制定者面臨的核心戰略問題。他們應當認識到，競爭的焦點正在從“誰設計出最好的晶片”轉向“誰掌控包括軟體層在內的完整技術堆疊”。 (SCCWTO快訊)