2026年8月10日下午1點，《南華早報》發了一篇報導，直接追問：中國幾大AI公司，為什麼遲遲不把訓練晶片從輝達換成中國國產的？
幾位頭部大模型開發商的工程師匿名透了底：直到今天，前沿模型的訓練仍然跑在輝達硬體上。拖慢替代的頭號因素，不是算力差距，而是遷移成本高到企業下不去手。
遷移成本這個詞，上頭條的次數遠不如“禁運”“封鎖”，卻是把企業釘在原地的錨。
三筆帳
《南華早報》引述的行業人士，把這筆成本拆成了三個層面。
第一層，直接的財務成本。輝達CUDA生態攢了快二十年，幾百萬開發者在上面，底層庫、框架適配一層疊一層。要把現有基於PyTorch、TensorFlow開發的大模型訓練任務平移到中國國產平台，遠不只是“重新編譯”一下。
報導裡一位工程師描述，這活兒包括算子替換、精度對齊、分佈式訓練策略重寫，還要解決視訊記憶體和頻寬瓶頸。
每一行程式碼的改寫，每一輪驗證失敗的回退，燒的都是人力成本和時間。
對模型迭代按周計的AI廠商，這筆帳面上看得見的數字，幾千萬人民幣起步是常事，上億也不奇怪。
第二層，風險成本。報導裡的消息人士打了個比方：輝達的卡是“生產力工具”，掉鏈子的機率極低。切到新平台，訓練任務中途崩潰、精度漂移、收斂時間失控，這些在早期項目裡都不算新鮮事。
一個兆參數模型若訓練失敗一次，浪費的不止是電費，還可能丟掉兩三周的窗口期。商湯、百度、字節、阿里這幾家身陷模型軍備競賽的公司，時間落後就意味著產品落後。
第三層，生態鎖定的間接成本。輝達統治全球AI硬體，不單靠晶片，還有它與一線雲服務商、伺服器代工廠、網路交換機廠商之間的深度繫結。
很多資料中心的供電、散熱、機櫃、網路拓撲，已經圍繞輝達的方案搭好了。
信達證券2025年一份內部測算提到，把一個完整的千卡級訓練叢集從輝達平台遷到中國國產平台，僅僅硬體適配和網路改造，就要多花掉原預算的15%到20%。
H20被閹了刀，但能用
成本與生態，是輝達被出口管制反覆切割之後，依然能咬住中國市場的兩張底牌。
它供應中國市場的H20系列，紙面參數被大砍了幾刀，FP32算力連A100的三分之一都不到，但因為視訊記憶體頻寬仍夠高，CUDA棧的護城河又深，在訓練任務裡還是表現得很韌。
不少廠商私下算過，如果切換中國國產晶片要一次性砸進去幾千萬，而申請特批買閹割版輝達只是交貨慢一點、價格貴一些，財務部門大機率還是選後者。
中國國產替代的進與退
華為昇騰是繞不開的選手。現實做法是，把中芯國際7奈米工藝的晶片，通過Chiplet先進封裝“粘”在一起，去追趕單顆大晶片。
這條路成績有，挑戰也不打折扣。
《Tech Times》在2026年6月22日報導過另一條線：一項總規模2950億美元、目標把輝達擠出中國資料中心的“中國國產晶片指令”在推進。華為接住了輝達騰出的缺口，但中芯國際7奈米的良率不夠穩，產能也吃緊，還有部分區域電網供電跟不上的問題，一齊威脅這個龐大計畫的交付節奏。
上游供應鏈的消息是，中芯南方廠區7奈米產能，得同時供給手機、基站、AI多條線，Ascend系列晶片的產出一直沒完全“解渴”。
電網擴容就更慢了。西南幾個算力樞紐，上架率被電力配額卡著，晶片到位了，機櫃未必能點亮。
政策定在2950億美元這個量級，決心的份量夠重。但物理規律不講人情。晶片推進是原子級博弈，變電站從規劃到投產走的仍然是數年基建周期。這兩股力量一碰，事情就不會順滑。
美國的新算盤
2026年8月這個節點往回看，美國對華AI晶片管制的手法也在微調。
蘭德公司2025年8月一篇長篇評論，研究員凱爾·陳和王銳提了一個詞：“耀眼的軟肋”——他們覺得中國AI最大的命門就是拿不到足夠算力。
二人主張的“智能晶片管制”，目標不是一次性斷供，而是動態、精準地維持一個技術代差。讓你對輝達始終依賴，又不會被完全掐斷。相當於勒著韁繩，但讓你接著跑。
這套打法，目的就是最大化中國企業的遷移成本和猶豫期，做長美國本土的時間窗。
“不是不想給機會，是不能延遲超過兩周”
坊間已經能聽到務實的聲音。
據知情人士透露，最近一場閉門產業研討會上，有中國國產GPU企業的高管說：“我們不怕跟輝達比指標，怕的是客戶連跑通一次驗證的機會都不願給，因為前期做移植的人力預算批不下來。”
當場，一家大廠基礎設施負責人接話：“不是不想給機會。公司給我下的指令是，模型交付時間不能延遲超過兩周。”
這兩句話一來一回，把整個戰場的底交代清楚了。
硬體能力在逼近，軟體生態在搭建，政策在後面催。但棋盤上每步棋最終推不推得下去，還是被財務數字和工程排期卡著。
中國半導體的故事，已經走過“能不能做”的階段，進了“用不用得起、用不用得好”的深水區。輝達被各種限制壓著，卻還在中國頂尖AI公司最核心的訓練任務上坐得挺穩。
這個“時間差”還能拖多久，不單看製程和算力什麼時候追平。更關鍵的節點是，本土軟硬體棧何時能把企業的切換風險壓的足夠低。(矽基LIFE)