中國 AI 突圍全貌:DeepSeek 模型端衝上前沿,晶片端仍卡一個世代

中國模型端為何能突圍?DeepSeek-V3 的開源與成本策略是什麼?

DeepSeek 以混合專家(MoE)架構的 DeepSeek-V3,採 MIT 授權釋出前沿級開源權重模型CITE:E1。該模型總參數達 6,710 億,每個 token 僅啟用 370 億參數,並以 14.8 兆 tokens 訓練完成CITE:E1。論文自報的訓練成本約 557.6 萬美元,但這僅涵蓋『最終正式訓練那一次』、以 H800 每小時 2 美元計算,論文明文排除先前研究與架構、資料的消融實驗,並非總研發或硬體資本支出CITE:E2。外界『中國用不到 600 萬美元做出前沿模型』的說法,常見誤讀了這個口徑CITE:E2。

在國際對標中,中國模型的實際排名是什麼?

DeepSeek-R1 在論文中的推理性能與 OpenAI o1 相當,但仍為廠商自跑測試CITE:E3。2025 年 1 月發布的 R1,在 AIME 2024 測試中的分數為 79.8%,對比 o1 的 79.2%CITE:E3。此對標對象是 o1,而非最新前沿閉源模型;第三方指數顯示,中國模型是目前最強的『開源權重』模型,但仍略遜於頂尖閉源模型CITE:E3。

模型突破對產業造成了多大的市場衝擊?

NVIDIA 在 2025 年 1 月 27 日單日市值蒸發約 5,930 億美元,為美股史上最大單日市值損失CITE:E4。當日股價下跌約 17%CITE:E4。市場一度擔心,低成本開源模型會削弱高階算力需求CITE:E4。

晶片端為何還落後一代?效能與供給的雙重瓶頸是什麼?

華為昇騰 910C 單晶片有效性能約為 NVIDIA H100 的六成,第三方分析估落後約一個世代CITE:E5。華為靠 CloudMatrix 384 等系統級堆疊在整機算力上追趕,代價是功耗約為 NVIDIA GB200 NVL72 的 4.1 倍CITE:E5。真正的硬約束在於高頻寬記憶體(HBM)而非邏輯產能:第三方估計昇騰 2025 年產能雖可達約 80 萬顆,但受 HBM 供給卡住,實際出貨僅約 20 萬至 30 萬顆CITE:E6。上游的中芯(SMIC)先進製程停在 7 奈米、以 DUV 多重曝光實現、未採用極紫外光微影(EUV)設備,良率仍低於產業常態水準CITE:E6。

美國出口管制如何演進與收緊?

美國商務部自 2025 年 4 月 9 日起,要求 H20 特供晶片出口須取得許可,形同禁售CITE:E7。2025 年 5 月 13 日,美方廢除舊有的『AI 擴散規則』,並警告使用華為昇騰恐涉違規CITE:E7。2026 年 1 月 13 日,美方改對 H200 等晶片採逐案審查CITE:E7。至於流傳的『需繳 15% 中國營收給美國政府』說法,並無 BIS 條文佐證,屬未證實說法CITE:E7。

關鍵數字一覽

這代表什麼

把五段證據放在一起看,一個張力浮現:DeepSeek-V3、R1 的開源與對標數字顯示中國在模型層已具備前沿級能力CITE:E1CITE:E3,並曾引發 NVIDIA 單日蒸發 5,930 億美元市值的市場反應CITE:E4;但同一時間,晶片層的昇騰 910C 仍只有 H100 約六成有效性能,且受 HBM 供給卡住,實際出貨遠低於產能估計CITE:E5CITE:E6,美國的出口管制也持續收緊,從 H20 許可到 H200 逐案審查CITE:E7。模型端的開源突破與晶片端的產能瓶頸,呈現出兩種不同速度的競賽軌跡。