<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>中国大模型训练 &#8211; 老范讲故事｜AI、大模型与商业世界的故事</title>
	<atom:link href="https://lukefan.com/tag/%e4%b8%ad%e5%9b%bd%e5%a4%a7%e6%a8%a1%e5%9e%8b%e8%ae%ad%e7%bb%83/feed/" rel="self" type="application/rss+xml" />
	<link>https://lukefan.com</link>
	<description>这里是老范讲故事的主站，持续更新 AIGC、大模型、互联网平台、商业冲突与资本市场观察，帮你看清热点背后的底层逻辑。</description>
	<lastBuildDate>Mon, 16 Nov 2026 14:23:26 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=7.1.4</generator>

<image>
	<url>https://lukefan.com/wp-content/uploads/2026/03/cropped-jimeng-2026-02-28-5245-用图一的人物形象，替换图二中的人物，使用图二的风格。文字替换：老范讲故事，Yo-32x32.jpeg</url>
	<title>中国大模型训练 &#8211; 老范讲故事｜AI、大模型与商业世界的故事</title>
	<link>https://lukefan.com</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>中国大模型里的英伟达禁运卡训练指纹</title>
		<link>https://lukefan.com/2026/11/17/nvidia-blackwell-chip-fingerprints-chinese-ai-models/</link>
		
		<dc:creator><![CDATA[老范 讲故事]]></dc:creator>
		<pubDate>Tue, 17 Nov 2026 00:30:00 +0000</pubDate>
				<category><![CDATA[AIGC]]></category>
		<category><![CDATA[DeepSeek大模型]]></category>
		<category><![CDATA[CUDA训练生态]]></category>
		<category><![CDATA[DeepSeek V4]]></category>
		<category><![CDATA[东南亚算力租赁]]></category>
		<category><![CDATA[中国大模型训练]]></category>
		<category><![CDATA[国产卡预训练难点]]></category>
		<category><![CDATA[美国对华芯片管制]]></category>
		<category><![CDATA[英伟达Blackwell芯片]]></category>
		<category><![CDATA[英伟达禁运卡]]></category>
		<guid isPermaLink="false">https://lukefan.com/?p=4514</guid>

					<description><![CDATA[四家公司六个模型版本留下英伟达禁运卡指纹，卡在哪里？老范聊东南亚租算力、国产卡训练难关，以及管制收紧后的成本。]]></description>
										<content:encoded><![CDATA[
<figure class="wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-4-3 wp-has-aspect-ratio"><div class="wp-block-embed__wrapper">
<iframe title="DeepSeek等四家用英伟达禁运卡训练，实锤在哪？ #英伟达禁运卡" width="900" height="506" src="https://www.youtube.com/embed/DN7kcGbhHa4?feature=oembed" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" referrerpolicy="strict-origin-when-cross-origin" allowfullscreen></iframe>
</div></figure>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-01.jpg" alt="研究员对照中国大模型起始参数中的英伟达禁运卡（Blackwell）指纹。"/></figure>



<p class="wp-block-paragraph">中国先进模型使用英伟达禁运卡训练，这件事被实锤了。这到底是怎么回事？后续会如何发展呢？大家好，欢迎收听<a href="https://youtube.com/@storytellerfan" target="_blank" rel="noopener">老范讲故事的YouTube频道</a>。这次报告点名了DeepSeek、月之暗面、MiniMax和蚂蚁这四家公司的6个模型版本，在公开权重里头找到了英伟达Blackwell这一代卡留下的指纹。中国的先进模型用的是英伟达对华禁运的先进算力卡，痕迹出现在训练的起点。这几家前沿团队对英伟达的依赖已经摆在台面上了，还能讲哪里卡脖子，哪里就能遥遥领先吗？这个牛是不是有点要吹破了？</p>



<p class="wp-block-paragraph">不过，用了禁运卡，跟这些卡已经走私到中国，是两回事。因为走私肯定有人干，国内现在肯定有这些卡，但是在东南亚，在马来西亚、新加坡、印尼和泰国，这些卡也不少。而且这些卡唯一的出路就是租给中国公司。你不租给中国公司，这些建算力中心的公司会赔钱赔死。</p>



<p class="wp-block-paragraph">那么，出了这样的事情，会有什么样的后果呢？美国必然会收紧限制，中国公司肯定也不至于一下就被一刀砍死。但是中国公司想要继续用英伟达卡，成本会更高，不确定性也会增加。对于那些敲锣打鼓吹遥遥领先的人来说，后面会更难看一些。</p>



<p class="wp-block-paragraph">咱们分几段来讲这个故事。先看看爆料的人是什么来路，再讲这次到底实锤了些什么东西，然后看看为什么不能说看到了指纹，就一定是这些卡走私到中国了。最后把国产卡训练难在哪讲明白，也就知道了DeepSeek为什么可能是最郁闷的一个。</p>



<div class="wp-block-rank-math-toc-block" id="rank-math-toc"><h2>本文目录</h2><nav><ul><li class=""><a href="#报告是谁做的">报告是谁做的</a></li><li class=""><a href="#训练的起始数据留下了什么指纹">训练的起始数据留下了什么指纹</a></li><li class=""><a href="#估算用卡量与东南亚的算力生意">估算用卡量与东南亚的算力生意</a></li><li class=""><a href="#用国产卡做大模型预训练难在哪">用国产卡做大模型预训练难在哪</a></li><li class=""><a href="#每次激活更多参数，需要怎样的算力">每次激活更多参数，需要怎样的算力</a></li><li class=""><a href="#美国管制会追到哪些环节">美国管制会追到哪些环节</a></li><li class=""><a href="#deep-seek为什么最麻烦">DeepSeek为什么最麻烦</a></li><li class=""><a href="#背景图片">背景图片</a></li></ul></nav></div>



<h2 class="wp-block-heading">报告是谁做的</h2>



<p class="wp-block-paragraph">11月12号发报告的人叫威尔德普，最被人熟知的身份是OpenAI前研究员。他在里头干满了三年。他很年轻，2003年才出生，出生地是西雅图，小时候在阿根廷生活过，后来住在洛杉矶。疫情期间他自学编程，高中也做过分析Discord社区的项目。后来去了密歇根大学，读了一年就退学了。这是典型的硅谷人设，像扎克伯格就有退学经历，这哥们也退了。</p>



<p class="wp-block-paragraph">他通过研究员培训项目进了OpenAI，本来准备在里头待半年，结果待满了三年，参与过Sora、Sora2以及GPT4o、O三、GPT-5的后训练。大模型怎么做出来的，他是真干过的。2026年他离开了OpenAI，现在是前研究员了。想停下来想想长期干什么也很正常，20来岁的小伙子，需要有时间稍微沉淀一下。</p>



<p class="wp-block-paragraph">现在他跟一批研究人员、工程师弄了一个叫失业实验室的机构，算是一个非营利组织吧。大体上就是大家掏点钱，做自己感兴趣的研究。他自己也掏了5万刀，资助一些用AI分析天文数据的小项目。目前失业实验室公开出来的第一个成果，就是今天咱们要讲的这份报告。他懂训练现场，还把检查办法公开了，让别人能够拿设备去重复做，所以这个报告相当硬核。</p>



<span id="more-4514"></span>



<h2 class="wp-block-heading">训练的起始数据留下了什么指纹</h2>



<p class="wp-block-paragraph">为什么说这一次是实锤呢？英伟达的卡能把模型里一批起始数据原样生成出来，换一组型号就对不上了。咱们从132 148 152这三个数开始说起。在这次研究对应的配置里头，H100、H200这一组是132，B200、B300对应的是148，GB200、GB300对应的是152。</p>



<p class="wp-block-paragraph">这说的是芯片里头参与分工的计算单元的数量。不同的设备，分活儿的队伍不一样长，所以GB200、GB300的运算单元要比B200、B300稍微多一点。这个有什么意义呢？大家想象一台播种机，它有一个大轮子，轮子上有一堆小格。播种的时候，这132格有一定的规律。你再到下一个132格，这个规律会重复。换一组，如果你用B200B300，就是148格，如果你用的是GB200、GB300，就是152个格。为什么在这里头还要专门讲一下这个132格呢？因为DeepSeek V3就是132格的。他们当时讲的是用禁运的时候运进来的H800来训练，因为H800跟H100、H200的格数是一样的。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-02.jpg" alt="三组芯片的计算单元数量用播种轮示意为132、148和152。"/></figure>



<p class="wp-block-paragraph">大模型怎么干活？大家了解，它就是猜测下一个词应该是什么。它实际上就是一堆参数，但在开始训练之前，它有一套起始参数，格子里头也要有数，算力卡就会填一堆叫伪随机数的数在里头。什么叫伪随机数呢？就是你看着很乱，没有任何规律，但是你让它再重新填一遍，因为它的起点和各种变化的安排是一致的，所以重新生成的伪随机数跟上一回是一样的。</p>



<p class="wp-block-paragraph">你就可以通过这个来判断，到底是用的哪块卡来做的初始训练。不同数量的计算单元分活，数据排列的规律就会不一样。训练以后，有些起始痕迹你是磨不掉的，研究人员会顺着它把你的原型拎出来，把你的底裤亮出来。这次最硬核的例子，就是DeepSeek V4-Flash。研究人员用B300和B200重新去生成它的初始数据的时候，发现完全一模一样。你换成其他的算力卡，再生成出来就彻底不一样了。</p>



<p class="wp-block-paragraph">这次报告一共点了4家公司、6个版本。DeepSeek V4-Flash、MiniMax M3用的是B200、B300，DeepSeek V4-Pro、Kimi K3、K3.1-Pro以及蚂蚁的03.1Flash用的是GB200和GB300。前面他们其实也测过DeepSeek V3，那个用的跟H100、H200是一样的，当然H800长得也是那个样子。所以这一次，那些说中国先进模型早就可以完全摆脱英伟达的故事，碰到了能够复核的硬证据。你可以接着吹，模型里的数字绝对不会配合你吹这个遥遥领先。</p>



<h2 class="wp-block-heading">估算用卡量与东南亚的算力生意</h2>



<p class="wp-block-paragraph">那能够证明中国把这么多禁运卡偷偷运进来了吗？还不能。报告估算，Kimi K3训练大概是用了4,500张卡，DeepSeek V4Pro用了3,000张卡，V4Flash以及MiniMax M3、蚂蚁相对小一些的这些模型，大概各自用了1,500张卡。几场训练加在一起，大约是12,000张卡。这个是按照需求推导来估算的，但是你不能说这12,000张卡已经到中国了。那你说是不是有卡进来了？肯定有。美国现在也在不断找这样的案子再去判，但是具体有多少卡进来了，其实谁也说不清楚，这部分很灰色。</p>



<p class="wp-block-paragraph">但是，有更多的算力在哪？是在东南亚，在印尼、马来西亚、新加坡和泰国。而且这些算力卡有且只有一个客户，就是中国AI公司。你一旦把这条线给卡了，这些人会饿死的，没有任何其他的算力需求能够弥补他们的订单。你说让新加坡政府或者新加坡本地的公司去弥补这些东西？别扯淡了，这绝不可能。你说新加坡就算还有一点点可能性，马来西亚、印尼和菲律宾是绝无可能的。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-03.jpg" alt="中国AI公司通过远程连接租用东南亚机房的算力。"/></figure>



<p class="wp-block-paragraph">而且这里头很多算力就是阿里、腾讯、百度、字节、华为的。咱们看看阿里，它公开的三年AI和云基础设施的投资计划是3,800亿人民币。到今年6月底，阿里在业绩会上说已经投了1,900亿了，还有一半要投。海外的网也已经铺开了，阿里云10月底公布，全球有32个地域、109个可用区。光看东南亚，新加坡、马来西亚、印尼、泰国、菲律宾都有它布局的算力中心，中东、美国也都布局了。</p>



<p class="wp-block-paragraph">字节也在砸钱。彭博社今年5月报道，字节计划把全年资本开支推到最高700亿美金，比早前报道的1,600亿人民币要高出好多。今年还有报道，字节计划通过当地云厂商，使用马来西亚36,000张B200的集群，几千张卡一起来训练。</p>



<p class="wp-block-paragraph">当然，你说这些钱是不是都变成了英伟达卡呢？也不一定，因为这些都是总数。到底有多少是在国内建了算力中心，有多少买了昇腾，有多少买了自己家的卡？甭管是字节还是阿里，都是有自己家的算力卡的。阿里有平头哥，字节也有一个自研的AI芯片。但是，他们手里头所持有的英伟达算力卡资源，应对刚才咱们讲的这12,000张，肯定是没毛病的。而且这还是他们直接投资、直接去建设的机房。还有很多跟他们有投资关系或者融资担保关系的机房，还没算在里头呢。</p>



<p class="wp-block-paragraph">比如最近闹得最沸沸扬扬的人是谁？叫黄乐，也就是爱丽丝黄，黄仁勋的绯闻女友。她曾经任职的Megaspeed，马来西亚的子公司就跟阿里旗下的新加坡公司有融资担保的安排。什么意思？就是我要找人借钱去买卡，谁给我做担保？阿里给它做了担保。新加坡媒体查出了公司记录，阿里也是它很重要的云服务客户。也就是拿阿里的担保去借钱买这些芯片，在马来西亚建完机房以后，再把这些算力租给阿里用。</p>



<p class="wp-block-paragraph">而且不光是这些小厂商，还有很多大厂商。比如Oracle、亚马逊、微软、谷歌，在马来西亚、新加坡也还有大量的机房。即使是他们这些美国大厂的机房，缺乏中国算力订单的话，也是会亏钱的。刚才被点名的这些公司，除了DeepSeek，剩下几家都是阿里投资的项目。月之暗面、MiniMax都是拿了阿里的投资的。蚂蚁不就是原来的支付宝吗？那跟阿里的关系更是道不清、说不明的。他们使用阿里的算力，一点毛病都没有。</p>



<p class="wp-block-paragraph">至于DeepSeek，他们的算力到底是哪来的呢？反正DeepSeek自己也比较低调，你们随便去猜，我就不承认也不否认。死猪不怕开水烫，它是这样的一个玩法。所以，英伟达禁运卡的痕迹确实是抓着了。现在这些模型都是拿英伟达禁运卡训练的，但并不等于这些卡已经都到了中国，而这个背后还有很多东南亚的算力生意在里头。</p>



<h2 class="wp-block-heading">用国产卡做大模型预训练难在哪</h2>



<p class="wp-block-paragraph">既然海外用卡这么费劲，那为什么不全换国产卡呢？不是一直喊说我们不怕卡脖子，哪里卡住了，哪里就突破吗？英伟达的黄仁勋自己都说过，中国市场份额掉到了接近于零，也一直在强调华为的竞争力。听到这，有些人就觉得英伟达已经害怕了，国产替代已经没有问题了。可是到了大模型预训练的现场，其实是很难很难的。</p>



<p class="wp-block-paragraph">让模型吃下海量数据，一次一次地去猜，一次一次去改参数，而且是成千上万张卡一起干活。这个有点像打游戏，一堆人在这组队打副本。一个人肯定打不过去，必须一堆人一起打，而且打一段时间还要相互交换信息。你打中了谁，我打中了谁，我收集了什么东西，我得交给你，你拿着这东西才可以打下一个人。</p>



<p class="wp-block-paragraph">在这个过程中，还不能随时存盘。打游戏的人都知道，我一存盘，哪怕我被boss干掉了，我还可以读取这个进度，接着往前走。一旦发现打不过了怎么办呢？你就要回到上一个存盘点。这里头可能还有一个更悲催的情况。咱们有没有遇到过那种死档？我存盘是存了，但是我只要一读档出来，马上就被打死，没有任何回旋的余地。训练模型也是这样的，有时候得回到上一个存档点。用上一个存档点提出来的这个结果继续预训练，要是依然没有好结果，你可能就要浪费几个存档点，换着档往前倒腾。这就是预训练的一个过程。</p>



<p class="wp-block-paragraph">国产卡跟英伟达的差别就在这个地方了。第一个差别是什么？算力有差距。咱们现在的国产卡的算力可能只有英伟达的几分之一。算力有差距怎么办呢？上更多的卡，咱们靠数量来填补。</p>



<p class="wp-block-paragraph">第二个问题是显存不够。昇腾950DT应该是国内最好的算力卡了，它公开的显存容量是144GB，而英伟达的B300是288GB，差一倍呢。下一个差在哪呢？就是我们的显存读取速度。国产的这些算力卡，显存读取速度只有英伟达卡的一半。昇腾950DT公开的显存带宽是每秒4TB，而B300是每秒8TB。要注意，B300是可以使用SK海力士的HBM的，而昇腾950DT只能使用咱们长鑫存储正在测试的HBM，差一代，所以这个速度也差一倍。你想，我们这个算力比别人差，背包比别人小，我们从背包里取东西、放东西的速度还比别人慢。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-04.jpg" alt="昇腾950DT与B300的显存容量和带宽分别为144GB与288GB、每秒4TB与8TB。"/></figure>



<p class="wp-block-paragraph">再往后就是软件工程体系。计算、通信、调度、调试、事故恢复，这么多模块，你要配合在一起使，所以需要一套很成熟的搭配体系。打游戏的时候，讲的是团队的熟悉程度，或者是脚本的熟悉程度。在训练里头，这就要讲到CUDA。CUDA这一块咱们要单独讲。大量前沿模型都是在英伟达上跑出来的，靠的就是CUDA。用的人多了，各种坑都有人踩过，各种工具、模块和库，各种经验，都是一层一层累积起来的。</p>



<p class="wp-block-paragraph">你走到这儿发现一个坑，过不去了，想出去问问别人，结果没人用过，那你就只能自己在这儿生扛，自己研究怎么突破过去。但是你用CUDA就没有这种问题，遇到问题了，看看别人是怎么解决的，照着抄就行了，所以就要容易很多。为什么CUDA这个东西很难逾越？原因就在这儿。咱们不说别人，就说AMD。AMD也有一套对标CUDA的东西，叫ROCm。你说它能不能做训练呢？AMD自己是有样例工程的，但是只有一个样例，真正拿它去做大模型训练的是没有的。所以CUDA在这儿是很难替代的。</p>



<p class="wp-block-paragraph">即使你有CUDA了，也有英伟达的所有芯片了，这东西也不是说这边按个按钮，那边结果就出来的。Meta原来公布过，他们训练Llama 3的时候，54天出现了419次意外中断。意外中断就是往回倒腾，回到上一个存档点，接着往前跑。当时他们使的是H100，有钱、有人、有经验，照样出问题。大家千万不要以为Meta54天出现了419次意外中断是Meta的技术不好。Meta可以发现故障、从存档恢复，这一整套能力都是做得很好的，而且把有效训练时间做到了超过90%。它已经算是胜利的了，其他的可能还不抵它呢。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-05.jpg" alt="Meta训练Llama 3的54天内发生419次中断，恢复后仍保持超过90%的有效训练时间。"/></figure>



<p class="wp-block-paragraph">这是有了CUDA，你还要费这么半天劲。你想想，你要是没有CUDA，算力还没人家好，背包还比别人小，存取还比别人慢，需要更多的人在一起配合，配合得还很不默契。这个景象简直太美，不敢想象。所以这就是为什么中国的算力卡到目前为止，其实是没有特别明确的证据说它能够去做这种大模型训练的。差距就在这儿。</p>



<p class="wp-block-paragraph">你别说中国的算力卡了，全世界可以去训练大模型的算力卡只有两种，一种是英伟达，另外一种是谷歌的TPU。谷歌自己宣布Gemini是用TPU训练的，Anthropic也说他们用了TPU。Anthropic说，也用了英伟达，也用了亚马逊的AI卡，也用了AMD，说是全都用了。但是要注意，Gemini和Anthropic的Claude都是闭源模型，你没有办法去分析它们到底用的是什么。反正人家这么宣布了，我们就这么信吧。但是有一点要注意，千万不要觉得谷歌行、亚马逊行、Anthropic行，我也行，千万别信这个。为什么？他们有的是钱，他们的芯片团队足够强，整个工程师队伍都是足够大的。所以绝对不是他们行，你也行。</p>



<p class="wp-block-paragraph">这里头有一个特别典型的案例，就是Midjourney。Midjourney后来后悔了，说我们就不应该因为谷歌给了钱，就惦记上那趟训练，最后我们就训练不出来了。如果一直坚持用英伟达的话，可能现在会跑得快很多。中间有一两年的时间完全被浪费掉了，就在调这个TPU的适配性。</p>



<p class="wp-block-paragraph">至于国内，现在明目张胆地喊自己是用国产卡训练的，就是美团的LongCat-2.0。但是它具体使的是谁家的卡，它自己也没说。这一次的报告里头并没有LongCat-2.0。当然，这并不能证明美团这个牛没有吹破，只是它的影响力太小，人家懒得去理它。</p>



<h2 class="wp-block-heading">每次激活更多参数，需要怎样的算力</h2>



<p class="wp-block-paragraph">现在模型已经很难训练了，继续追美国还要追什么？一个方向就是继续做大，让每次计算真正用上的参数变得更多。前一阵子，网上流传过一份据称是梁文锋跟投资人交流会上的讲话，说是泄露出来的。<a href="https://lukefan.com/2026/07/27/liang-wenfeng-deepseek-investor-meeting-analysis/">我们为这个事还专门做过节目</a>，有兴趣的可以去看。里边也谈到了扩大激活参数规模的问题。那份稿子里头讲的是，现在这个MoE，也就是混合专家模型里头，每一次干活激活的参数通常是不超过100B的，也就是1,000亿。</p>



<p class="wp-block-paragraph">现在国内干活能够超过100B的，也就是Kimi家的K3.1。它的总参数量是2.8万亿，每一次干活是激活1,040亿，也就是104B。而DeepSeek V4-Pro自己是1.6万亿参数，每一次干活的话只有49B，要少很多。另外一个比较大的模型是千问3.8-Max。按它公布的数字，每一次工作激活的是950亿参数，也就是95B，还达不到100B。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-06.jpg" alt="Kimi K3.1、DeepSeek V4-Pro与千问3.8-Max的每次激活参数分别为104B、49B和95B。"/></figure>



<p class="wp-block-paragraph">那份网传、据称是梁文锋讲话的稿子里讲的就是，我们准备继续去训练更大的模型，让每一次能够被激活的参数超过100B。但是这个就肯定需要更大的算力集群。你说我使用国产卡，刚才咱们讲的那四道难关，一道也过不去，而且难度会相乘，呈几何级数上升。所以我觉得，越想继续追上最前沿的模型，这些公司越会需要成熟可靠的大集群。国产方案要补的东西还在路上，模型发布又不能停下来等。这就是为什么短期对于英伟达的依赖，很难靠一句遥遥领先就绕过去。</p>



<h2 class="wp-block-heading">美国管制会追到哪些环节</h2>



<p class="wp-block-paragraph">依赖这么深，又被拿出了实锤的证据，会发生什么呢？很简单，也很明确，管制一定会变得更严。指纹曝光，接着就会有人追问禁运为什么没有起作用，压力就会落到芯片厂商、云厂商和监管部门身上。美国中期选举，民主党赢下了参众两院的多数，到明年1月份他们就会正式接手上任。他们绝对会抓住这类事情继续穷追猛打，要求把对华芯片限制执行得更加严格。</p>



<p class="wp-block-paragraph">现在看，要做三层的事情。第一层就是芯片不让卖到中国。B200 B300这些先进卡本来就在对华禁运的范围里头，后面要做的就是继续去查转运、查假客户，查到底送到哪去了。已经不断有人被起诉，甚至已经有些人去坐牢了。第二层是，卡虽然运到第三国，但是买卡的公司到底是谁在控制？现行规则已经会追到总部和最终母公司，在海外注册一个壳，并不等于就能把中国母公司这层关系洗白。大家听说过的50%持股规则，针对的是特定受限制名单企业的关联公司，并不是所有中国企业都在里头。所以这里头可能主要限制的是华为。这一条现在属于暂停状态，要延到明年1月份。不过没准明天董王跟咱们老大见上面，又能多延一点，这也有可能。</p>



<p class="wp-block-paragraph">第三层是，卡虽然没有卖给中国公司，但外国机房把算力租给中国公司用了。美国正在推动对这种远程使用的监管。相关法案今年1月过了众议院，送到参议院以后就卡在那里没动。等到明年1月份，参众两院都落到民主党手里以后，这个法案就有可能送到董王桌上，到时看董王会不会否决。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-07.jpg" alt="芯片出口、公司控制关系和远程算力租赁构成三层管制环节。"/></figure>



<p class="wp-block-paragraph">黄仁勋这次离职，发生在私人关系和国家安全顾虑一起爆发的时间点上。我怀疑，先进芯片绕道流向中国引起的政治压力，也会让这件事更难收场。现在有人说黄仁勋准备回去，我觉得太乐观了。那些检查和听证会过不完的话，他回去也没有意义。</p>



<p class="wp-block-paragraph">不等新法案通过，合同就可能先出问题。11月4号，金融时报报道，Oracle在美国的压力下，取消了跟腾讯大约70亿美金的芯片租赁安排，计划涉及东南亚机房的约10万张先进芯片。以后再干这个事，就得偷偷干，千万不要大张旗鼓。一旦登报，就很有可能面临压力，单子就做不下去了。以后再拿先进算力，就得偷偷地进村，开枪的不要。</p>



<p class="wp-block-paragraph">这会全部卡死吗？不可能。前面那些机房的钱已经投了，电费、租金、带宽，哪一项能因为美国国会开一场会就不用付了？我的判断是，那些把回本压在中国订单上的项目，包括美国境内承接这类订单的项目，直接断掉中国客户，根本活不下去。他们会找能继续接单的安排，中国团队也会想办法绕过管制，继续做下去。</p>



<p class="wp-block-paragraph">再加上AI人才本来就是全球流动的。在美国工作的顶尖研究人员里，有相当大一部分是中国人，甚至是在中国受过本科以前教育的人。MacroPolo那份基于2022年论文作者的研究统计，在美国工作的样本中，38%是在中国完成本科教育的。日本的Sakana AI也是从谷歌等全球机构出来的人创建的，而那个人也是华人。公司在哪里，研究人员从哪里来，客户又在哪里，根本说不清楚。</p>



<p class="wp-block-paragraph">现在很多大模型公司还直接在美国设立研究中心。比如正处在风口浪尖上的Anthropic，其CEO达里奥·阿莫迪原来就是百度美国研究中心的员工。真要限制算力给谁用，根本不现实。所以我觉得，限制会更严，中国公司想获得算力会更贵，不确定性会更高，但卡不死。中国团队能绕过去，也得付出代价。对手继续往前跑的时候，你多花的钱、多等的时间，全都是成本。</p>



<h2 class="wp-block-heading">DeepSeek为什么最麻烦</h2>



<p class="wp-block-paragraph">这里谁会最麻烦？肯定是DeepSeek。别人算工程账、商业账，它还多了一本国运账。先看一件旧事。2025年8月，金融时报报道，DeepSeek开发R2时尝试用华为芯片训练，遇到困难后又回到了英伟达，拖慢了推出的进度。这里的麻烦正是前面讲的那套工程问题。那段时间，华为盘古也卷入过蒸馏模型来源争议，华为云又传出组织调整。网上很容易把它们混成一个故事，说训练不行，所以把整批人都干掉了。</p>



<p class="wp-block-paragraph">DeepSeek挺好玩的，外边怎么讲，它经常不接话。但它不接话，也不耽误别人接着往下编。R1是2025年春节前发布的。R1一下就成了国运产品，自媒体一拥而上。懂模型的、不懂模型的、号称有内部消息的、根本没有消息却在这胡说八道的，全都在围绕它讲故事。有些人是真期待，有些人是看重流量的。标题上只要敢写DeepSeek，再来个什么重磅颠覆、国产突破，就有人点，就有观众，就有流量。</p>



<p class="wp-block-paragraph">R2什么时候出？其实R2从来没出过，后边出的东西叫V4。反正DeepSeek就是这个态度，你们说吧，我既不承认也不否认。而且越是到年底，越是春节前，这种消息就越是满天飞，这种期待一直上升。最后模型出来会发生什么呢？其实大家已经看到了。V4Pro和V4Flash出来的时候，大家感到很失望，因为它没有R1那种一下把国内所有同行都甩出一大截的惊喜。你会发现，这东西跟智谱GLM、月之暗面的Kimi放在一起，好像各有千秋，并没有说DeepSeek就一下比别人强出好多去。那大家就失望了，因为传了一年了，期待了一年了，越传期待就越高，期待越高，失望就越大。</p>



<p class="wp-block-paragraph">现在又快到年底了，又开始传DeepSeek V5，纯国产训练的故事就又来了。9月媒体报道过16万颗昇腾的乌兰察布机房计划，可报道主要说是做推理，外边就开始传这个V5要用国产卡训练。为什么？因为说它买的是昇腾950DT。昇腾的芯片分PR和DT两种，PR是做推理的，DT是做训练的。照这个故事的说法，DeepSeek既然都买了训练芯片回来，那肯定是要训练。这个故事编出来，有人信。至于到底有没有内部消息，咱不知道，咱们别瞎猜。</p>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/nvidia-blackwell-chip-fingerprints-chinese-ai-models-08.jpg" alt="乌兰察布机房报道主要说做推理，DeepSeek V5国产卡训练仍属传闻。"/></figure>



<p class="wp-block-paragraph">但是有一点是确认的，就是这些人会绑架DeepSeek。DeepSeek的V5最后如果出来了，又被人确认还是用英伟达的芯片去训练的，那不就更难看了吗？现在已经可以很清晰地把开源模型的底裤扒出来看一看，到底是从哪开始的。DeepSeek可能依然是我行我素，你们爱说什么说什么，我就自己干自己的。但是喊着遥遥领先的人会更加郁闷一些，因为他们吹的各种泡泡会破得更快一些。</p>



<p class="wp-block-paragraph">最后总结一下，这一次中国先进模型训练用了英伟达禁运卡的痕迹，是确确实实被实锤了的。接下来管制一定会更严，但是企业为了生存下去，必然还会继续找办法把这些算力租给中国人。国产算力公司想要继续获得这些算力，成本会上升，不确定性也会上升。</p>



<p class="wp-block-paragraph">今天的故事就讲到这里，感谢大家收听。请帮忙点赞、点小铃铛、参加<a href="https://discord.gg/ppKsNkttTv" target="_blank" rel="noopener">Discord讨论群</a>，也欢迎有兴趣、有能力的朋友加入我们的<a href="https://www.youtube.com/channel/UCUGLhcs3-3y_yhZZsgRzrzw/join" target="_blank" rel="noopener">付费频道</a>。再见。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h2 class="wp-block-heading">背景图片</h2>



<figure class="wp-block-image size-large"><img decoding="async" src="https://pictures.lukefan.com/nvidia-blackwell-chip-fingerprints-chinese-ai-models/background_1.jpg" alt=""/></figure>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
