ARTICLE · 1135750
AI大模型产业深度观察:算力的差距、叹息的墙壁
AI大模型产业深度观察:算力的差距、叹息的墙壁宝子们，今天聊点扎心的。 2026年，国内大模型发布会一场接一场，人形机器人在上海WAIC展台跳舞跳得比年会上的你还起劲，智能体号称要接管你的工作...... 热闹是真热闹。但你要是把镜头拉近，拉到产业链的中下游 —— 那些真正在训模型、真正在造机器人的公司 —— 你会发现一个所有人都心照不宣但没人愿意大声说的事实： 他们都在等算力。等得望眼欲穿，等得抓耳挠腮，等得老板亲自飞深圳算力卡工厂蹲货。（拓展阅读：元烺识：半导体与AI——撑起中国未来三十年的国运双轮） 
先说大模型训练。GPT-4要训练更新一次小版本，花大概7800万到1亿美元，用了25000张A100算力卡跑了好几个月。Google Gemini Ultra 更狠，花了1.92亿美元。2025 年以后的前沿模型，单次训练成本已经干到 2亿到5亿美金区间。 换算成人民币，训一个万亿参数的基座模型，全成本50亿到180亿。这还只是一次。模型要迭代、要对齐、要做安全评测，每一轮都是一笔亿级账单。 
DeepSeek的梁文锋在内部路演说了个数字，我印象很深：DeepSeek现在手里大概2万张 H 系列等效算力，比美国头部公司落后12到18个月。国产算力卡能用的，只有1.6万张。 1.6万张是什么概念？Meta在印第安纳州建了一个数据中心，规划30万到 50万张GPU，单项目投资 100 亿美金。OpenAI跟 AWS合作，2026 年底前要部署数万张专属集群。 人家一个项目的量，就是我们头部公司全部家当的十几倍。这已经不是差距，而是运动健将和小学生比田径。 大模型训练的算力需求是 "脉冲式" 的 ——训练的时候猛用，训完就喘口气。但具身智能不一样，它是持续性的、永不关机的算力消耗。 公式很简单：机器人数量×每天运行小时数。一个仓库3000台自主机器人，每天跑20小时，GPU 负载是固定的。没有深夜低谷，没有节假日回落。GPU就是在那里，不停地跑。 中国移动搞了个 "灵犀数霄" 具身智能训练场，他们算了笔账：机器人在某个领域达到专业水平，需要10万小时数据训练；要迈向通用人工智能，数据需求是10亿小时。 
原力灵机的唐文斌说了句大实话："好好做模型的公司，不超过 10 家。" 判断标准很简单 —— 看你在算力上花了多少钱。15万小时数据训练，小几千卡，投入小几个亿。"算力上没花过亿的，大概率没在真正训模型。" 乐享科技的李元庆更直接，量产爬坡期第一道坎就是算力："RTX6000国内拿不到，5090、4090的平替还在测试，国产卡逐步可用但迁移有成本。能用的卡价格极贵，这就是现实。" 现实就是，机器人还没开始大规模赚钱，算力账单已经先把创业公司的现金流干穿了。 有人说，不是有华为昇腾吗？不是有海光、寒武纪吗？ 有，确实有。但我们得说实话。 国产目前最强的昇腾910C，实测性能大概是英伟达H100的六成。但是请注意，H100是2022年的产品。现在英伟达已经出到B200 了。也就是说，我们最强的卡，大约相当于人家四年前旗舰的60%。 更要命的不是单卡算力，是显存和互联。昇腾910B显存 64GB、带宽 1.6TB/s，H200是141GB、4.8TB/s，差两倍。训大模型的都知道，HBM 不够，参数装不下；带宽不够，梯度传不动。 这俩一卡脖子，集群效率直接腰斩。 
华为2026年发布的Atlas 950超节点，支持8192张昇腾卡，FP8总算力8 EFLOPS，这是里程碑。DeepSeek计划在内蒙古部署16万颗昇腾 950DT，要搞全球最大的华为AI芯片集群，首次用国产算力做前沿模型预训练。这是好事，大好事。 但出货量的天花板在那摆着。 2025年昇腾出货81.2万张，2026 年预期 130 多万张。阿里平头哥 2026年预期40万张。海光、寒武纪万级到十万级。 全加起来，2026年国产高端AI芯片出货大概200到250万张。 听起来不少？但我们这200多万张里，相当比例是中低端推理卡。 真正能撑大模型预训练的高端国产卡，有效供给比纸面数字少得多。 第一个数字：2800 EFLOPS。当前中国智能算力总需求 4423 EFLOPS，有效供给只有1590EFLOPS，缺口超过 2800个单位。相当于要再建 1.8 个全国的智能算力总规模，才能满足现在的需求。 第二个数字：不到1万张 H100等效。DeepSeek1.6 万张昇腾910C，按 60% 性能换算，等效不到1万张 H100。而一次 GPT-4 级别的完整训练需要2.5万张A100跑数月。我们头部公司的全部国产算力家当，连一次 GPT-4 级别的完整训练都撑不下来。 第三个数字：30%。全国智算中心GPU平均利用率只有 30%。2025年国内智算可提供38亿卡时，实际只用了14亿，用算占比36.8%。每投100块钱建算力，70块钱在空转。 
你说“哎？这不对啊，一边说缺算力，一边说70%在空转？” 不矛盾。这叫结构性错配。空转的是 "不对的算力"—— 中低端推理卡、西部没人用的机柜、国产卡生态没适配好上架了跑不起来的集群。 某西部智算园区，新建十万卡国产机房，上架率不到20%。而真正需要的高端训练算力，依然一卡难求。 低端过剩，高端短缺；西部吃不饱，东部不够用；有卡的用不起来，要用的拿不到卡。这就是中国算力市场的 "冰火两重天"。 这里必须说一个很多人没意识到的结构性问题。 中国电信、中国移动，还有各地国资控股的 AIDC 中心，它们有机房、有电力、有网络、有地、有钱，是算力基建的天然主力军。 但是 —— 它们拿不到受美国出口管制的高端算力卡。 美国商务部对高端算力卡进行严格的出口管制，对算力卡去向进行穿透审查。一旦被认定为受管制实体的关联方，芯片采购直接断，还可能触发更广泛的制裁。所以这些国资主体，哪怕手里攥着百亿预算，也不拿不到国际主流算力卡。 这不是钱的问题，这是算力被人卡了脖子。 写到这，心情是复杂的。 一方面确实憋屈。人家一个Meta的数据中心就是50万张卡，我们头部公司全部家当1.6万张国产卡，还得精打细算着用。昇腾910C追H100追了半天，人家已经B200了。CUDA生态十几年的积累，不是喊几句 "自主可控" 就能替代的。 但另一方面，我也看到了一些让人心里踏实的东西。DeepSeek敢用 16 万颗昇腾做前沿模型预训练，这是拿真金白银给国产生态投信任票。华为 Atlas 950超节点做到8192卡互联，这是硬实力。国产芯片出货量每年在翻倍，软件栈在一个个大模型公司的真实业务负载里打磨成熟。 
“钢少气多”，并不是在朝鲜战场上才有的情景。 虽然算力的囚徒困境不会一夜消失，HBM 的产能、先进制程的突破、CUDA 生态的替代，每一项都是硬骨头，都需要时间，都需要代价。 但我始终相信一件事：对一个拥有完整工业体系、14多亿人市场、和 "宁可自己吃苦也要把饭碗端在自己手里" 的民族来说，被卡脖子的地方，往往就是下一个爆发的起点。 当年盾构机被卡脖子，现在中国盾构机占全球三分之二市场。当年高铁被卡脖子，现在中国高铁里程世界第一。当年大飞机被卡脖子，C919 已经在天上飞了。 算力这关，迟早也能过去。区别只在于，需要多久，代价多大。 而在那一天到来之前，每一个在等卡的工程师、每一个在算力账单前皱眉的创业者、每一个在国产集群上调试模型的技术员 —— 他们都是这场突围战里，真正的战士。他们在用新时代的“小米加步枪”，试图挑战新时代的“飞机加大炮”。 ———————————————— 作者简介：一位85后硬核博主，INTJ。“有中国式社会主义特色的价值投资理论”的倡导者。前私募、券商高管，曾作为成员参与MIT（麻省理工学院）某实验室“人工智能产品与服务设计”项目研究。中、美、英、澳等多国注册会计师/会计师资格持有者。财会金融+AI量化+医药机械+军工知识全能点满，陪你一起硬核成长、悄悄变强。
一、算力这东西，缺起来要人命
二、具身智能：算力消耗的新范式，更狠
三、国产算力卡：能用，但......
四、算力缺口到底多大？
五、最憋屈的一件事：算力卡脖子
六、“钢少气多”