到底有哪些企业在购买英伟达的显卡？这个跟大家想象的可能不太一样。中国只有这些显卡吗？跟大家想的可能也不太一样。另一方面，中美之间的AI差距到底在什么地方？

大家好，这里是老范讲故事的YouTube频道。最近网上流传了一张图，直接把大家给看懵了。这张图写的是什么呢？就是到底哪些数据中心买家在买英伟达的显卡。我们不算是大家打游戏去买4090，或者是普通的一些小公司买了一堆4090去干活，这不算。我们算的是数据中心的，这到底是什么人在买？

在这个图上显示，在2023年Q2、Q3到Q4，实际上每一个季度，中国人从英伟达买的显卡数量都是快速上升的。到2024年呢，有所下降。2024年Q1的话，大概比2023年的Q2还要再少一些，但是到Q2继续在上升，应该是达到2023年Q2的一个同等水平了。

那么在所有的这些买家里头，排第一的是谁呢？不是BAT，也不是字节跳动，这个公司叫做中国移动。每一个季度，虽然大家买的显卡总量是有这样的一个区别，但是比例上，基本上中国移动永远是第一，甚至有可能已经接近了小一半的这样的一个比例。

第二名是谁呢？第二名是中国电信。第三名是不是联通？这里头没有联通啥事，第三名叫遥遥领先，也就是华为。第四名是腾讯，第五名是阿里。其实原来我一直以为阿里应该占的量是比较大，现在说中国有一半的大模型跑在阿里云上，结果阿里云其实买的并没有那么多。下一名是字节跳动，再下一名是百度，其他的基本上就排不上号了。

中国爆买GPU的，跟大家的想象是不是有一些差异？那么从这张图上看，中国移动、中国电信真的是很强啊。这其实也很简单，比较好理解。什么呢？他们建算例中心了嘛，其他人跑到那去租了。你比如说像阿里云，没准说我上中国电信的机房里去租了一些，你已经买到手的这种H20或者是A800、H800这样的显卡，我来去把阿里云部署上去去用，不也是可以的吗？电信运营商的云计算机房。

他就是这样的一种东西。以前我们在盛大网络的时候，其实跟这些电信运营商就是这么打交道的。怎么干呢？我们有网络游戏，电信营商有机房，我们就跑到那去说：“来吧，你就成为我的代理商吧！你用你的机房入股，只要把我的点卡卖掉了，在你那把它消耗掉了，咱们就直接来分钱就完事了。”现在应该很多的算力云也是这么在去操作。

那么，中国联通去做什么了？这事稍微有些好奇。因为你想，移动电信都这么猛，联通没有什么事，这也很奇怪。那你说华为这个遥遥领先，自己还造显卡，他买这么多英伟达干嘛？自己家的升腾910B难道它不香了吗？原因其实也很简单，华为其实是个系统集成商，它会给很多的机构单位、政府去搭建这种算力中心。在搭建的过程中，可能有很多的显卡就会从华为这边进口买进来。甲方要什么他就给什么，他也不能说：“我有升腾910，甲方说不，我一定要买英伟达。”但是我就不卖给你，这事人家也不会干。

中国基础设施建设的红利呢，英伟达肯定是吃到了，而且量还很大。所谓的基础设施建设，也就是大基建。这是咱们原来做东数西算，英伟达在这个时代就算是新的IOE了。IOE是什么？就是IBM、Oracle和EFC。为什么叫IOE？这是这一品类里边最好的品牌。你只要买了这个品牌的东西，出了任何问题，你怪不到我头上来。所有这个品牌的东西，或者符合IOE规律的这种品牌的东西，只有一个缺点，其他全是优点。这唯一的缺点是什么？贵。

你只要是把钱花掉了，剩下的出了任何问题。你比如说你在我的机房里头发现不兼容了，或者出现事了，那你找到我，你这为什么买了他们家的东西？英伟达都出错了，你要买别的更烂了，这肯定是这样的。国家会有一些拨款，直接拨下来做这种算力中心建设。在各个大会小会，从年初开到年终，所有的会上国家都在喊：“说我们的基础设施建设里头，要去建这个算力中心。”所以这块是有大量的拨款下来的啊，哪一个企业，哪一个地区，如果没有把这拨款给你花掉。

那他们会觉得亏死了。你不花，别人会花。而且这些大的央企，特别是电信企业，他们自己也有巨大的现金储备，或者说很低廉价格的现金渠道。什么意思？他借钱的利息都比你借的低。所以在这样的情况下，干脆他就动用他背后的现金储备，或者是他的信用，直接从银行拿到无息、低息，或者各种贴补的贷款，他就可以来干这个事了。要比普通的企业做这个事，肯定要方便得多。

那真正的这些大厂，比如说BAT这些厂，我租就好了。我为什么要一下把现金都占压在这里，把我的信誉都变成显卡堆在这里？不划算。而且英伟达那边还在更新换代、升级。我万一买一大堆这个东西，旧了以后，你说我到底是更新换代，还是不更新换代？这个事太麻烦了。咱还是吃大户的就完了。所谓大户呢，也就是国家的。所以他们就直接租。

而这个小厂，他们有些时候就直接转租大厂。什么意思？租这种云设备，如果说我租一个比较小的单位，比如说我租个两天、租个两台，它是比较贵的，成本也比较高。所以一般的这种大厂，像阿里、百度、腾讯这些大厂，他们会一次性打包一大堆东西给他一起租下来。租完了以后，再在这个里边切分划分，划好了以后再分别包给这些小厂。而且他在这个过程中，还给你上了BAT的服务，BAT相应的软件系统都给你做好了。这个呢，对于小厂来说，你不需要那么高的技术维护能力，就可以直接用起来了。

所以这就是在国内正常的玩法。而且呢，在国内要注意，有很多生意只有官家来做才方便。普通人你做这个事是很痛苦的，做不了。为什么？第一个，各种证书你要想去申请，你申请得到吗？特别是跟ICP、ISP这种算力中心相关的证书，你是申请不到的。就算是阿里云、腾讯云，他们很多也是跟各地政府一起去合用这些证书，或者说我挂靠，或者通过一些收购的方式，能够有一些证书去使用。

所以在中国，第一个就是证书你搞不定；第二个，什么外汇？你如果手里有美元，你敢说你有？你为什么没有从国外结汇结回来？

如果你把这个外汇结回来，变成人民币了。你说我现在再想用美金，到海外去买伟达显卡，那你看看是不是又要去搞批文，要重新做进口，这事很麻烦的啊。但是对于这种大型的央国企来说，处理这个事就比较简单。你说我现在需要很大的一笔外汇，到那边是进口，去买价值可能几千万美金或者上亿美金的这种英伟达显卡回来，对于他来说是比较好做的。但是你对于其他人就费劲了。

而且呢，还有什么，接口跟带宽，这事也是一种政府资源。什么叫接口和贷款？以前啊，很多这种云计算的公司，其实他也不算公司，他们是什么，比如什么张家口电信啊，有的时候会找我们。找你干嘛呢？我们最近啊，整到了一个特别紧俏的资源。我说什么资源啊？一个什么万兆网口，或者是最近有一些什么其他的这种接口资源、带宽资源，整这个你们谁要用一下子，咱们把它分一分，把它用掉。

作为一个普通的企业，你想搞到这种东西是很麻烦的。而且就算你搞到了，你也必须在他的监督下去使用，这个不是一般人能用的了的东西。所以呢，直接让移动他们买完了，大家租是最方便的。这些生意，咱们就留给官家去做，普通的商家就别碰了，就完事了。

而且还有什么，很多政策的制定解读和相关政策执行过程中的辩解和保护，这件事，咱们跟这些大的央国企比起来，也是不具备任何优势的。什么意思呢？很多相关的政策去制定的时候，实际上就是这帮央国企自己在定，他们就有专家。像我们以前也参加过类似这样的标准制定，是安全公司嘛，企业安全的标准，我也会去开会。那会场上的人就是工信部的人、电信移动的人、猎豹、什么360、BAT的人，大家坐在一个屋子里，开始谈说这个东西该怎么弄。

所有这种规则的制定，三大运营商的人都是在场的。而且这些规则，别看BAT人也在场，最终话语权最重的还是第一个是官方，就是工信部，第二个实际上是三大运营商，其他人都是提供参考意见而已。但是吵架时，我们下边这帮人吵得凶啊，总还是要表现一下存在感啊。

最后，都是这些不言声的人。人家把规则标准定下来，定完了以后呢，真正的最后执行跟解读的时候，就没有其他人什么事了。三大运营商还是可以跟工信部去稍微的去挑战一下，去搞一下，争取一下，或者说我们执行的过程中，哪一个地方松一点，哪一个地方严一点，最近有什么新的风向，他们还能搞明白。

这个一般的企业，即使是BAT这样的大厂，通常也没有那么明白。那么，这个图到底哪来的，靠不靠谱？咱们说这么热闹，这个图是海外一个专注于半导体行业的知名自媒体那来的。一看自媒体，这事肯定不靠谱，但这个呢还可以啊。他应该叫Semi Wiki，这个维基呢，后边的博主叫Daniel Naily吧。这位老兄呢，是半导体行业的一位知名人士，从业40多年了，也是写了很多书，写了非常多的文章，所有跟半导体相关的事情，大家还是喜欢去参考他的这个自媒体，或者你说它就是一个大的这种百科全书，大家还是喜欢去参考的。

原文地址：https://semiwiki.com/semiconductor-services/semiconductor-business-intelligence/348913-nvidia-pulled-out-of-the-black-well/

SEMI Wiki的内容跟数据呢，也还是相对来说比较靠谱。从2011年上线到现在，一共更新了7000多篇博客，有350万读者在读，就是所有跟半导体相关的一个权威，大家认为是杂志也好，或者是一个维基吧。这个图呢，是来自一篇专栏文章，这个专栏呢叫半导体商业智能，估计应该主要是讲英伟达和各种算力芯片。

然后，这个专栏里头写了一篇文章，叫做“英伟达被拉出了黑井啊”，Blackwell。Blackwell是英伟达最新造的这个算力芯片B W 200。但是呢，现在传说B W 200有一些问题，需要迟后交付，导致了英伟达的股价下跌。他写了一篇很长的一篇文章，力挺英伟达，说你们不用担心，这个东西可厉害了，大家不要慌。

那么，这个权威人士的内容也是靠谱的，数据呢我们也认为是靠谱的。中国就只有这些GPU嘛，这是我们需要讨论的下一个问题。这个文章里头还有另外几幅截图，咱们看一下，这个截图呢是购买国家分布。

就是到底有哪些国家在购买英伟达的显卡？这个里头呢，第一名肯定是美国，第二名是台湾，这个也很有趣。美国的话，我按照最新的一个季度，2024年Q2的这个季度来看，他大概是买了全世界可能43%这么多的显卡。而台湾呢，是买了接近20%的比例的显卡。第三名是谁？还不是中国，因为中国现在毕竟是在禁运嘛。第三名是新加坡，买了全世界18%的显卡，然后中国是12%。剩下其他所有国家加在一块是7%。中国大陆在被限制的这么死的情况下，我们去买H20、A20、A800、H800这样的显卡，也能够买到整个英伟达销量的12%，这个是非常吓人的一个数据啊。

这个图呢，还可以看出一点什么，就是英伟达的销量是从2023年的Q2开始爆发的。再往前，其实它的销量是相对来说比较稳定的，到2023年Q2就直接就喷了，基本上是一条直线上去，而且这个线还很陡。英伟达卖掉的显卡都是哪些型号？因为他讲，我们不要看Blackwell怎么样，咱们去看看其他型号卖怎么着。它里头呢，有一大块收入是网络收入（network），我估计应该是在英伟达卖机房的时候，里面进行一些网络连接，什么NW link，可能相关的软硬件给它带来的收入。真正的销售大头其实是H100，大家现在非常疯狂努力地在买H100。剩下的呢，还有极个别的开始买GB 200，就是Blackwell 200，还有一些A100现在也还在销售。

这是英伟达现在整个的收入，大概能够占到我觉得60%往上70了，都是H100。所以他那意思就是说，大家不用那么担心，Blackwell搞不定了怎么办，现在H100大家觉得够使，还在努力的买着。咱们看到了这么三张图之后，大家觉得中国还是只有这点显卡吗？能够被统计的按道理来说，就是刚才咱们讲中国移动、中国电信、华为，他们买的这些显卡应该是H20，特别是到2024年了，肯定都是H20。那么大家有没有想过一个另外的问题？

台湾跟新加坡，他们需要这么多显卡吗？他们会买这么多显卡，把它堆起来吗？这些显卡有多少通过走私渠道到了中国呢？台湾的20%，新加坡的18%，这一部分到底去哪里了？是不是会有些人感到困扰？其他国家真的能买得起7%的显卡吗？这东西好贵的。

还有人说不要看不起欧洲的AI，他们现在融资很厉害。咱们看看谁买多少显卡，就知道他到底是真的是假的，是不是在吹牛。我们相信还有相当一部分显卡是通过台湾、新加坡以及很多其他国家，或者东南亚的一些国家回流到中国来了。

特别要注意的是新加坡，为什么呢？因为大家知道，在咱们经济开始稳中向好之后，大量的中国企业，特别是VIE企业，他们喜欢把运营总部放在新加坡。在新加坡这个地方去进行各种全球性的贸易，跟美国、跟台湾、跟各个地方去交易，都是在新加坡交易。所以新加坡买了很多东西，未必是用在新加坡的。

另外，新加坡就是一个城市国家，你在这样的一个国家里头寸土寸金的，盖一大堆机房在里头塞显卡，而且还是个热带地方，你还要烧了空调。算算力中心，这个事儿他不划算。所以新加坡大量的跑货，都应该是转口到其他地方去了。

新加坡，你不要说地贵、电贵，或者其他这些资源贵，只有一样东西他就搞不定，那就是人。在新加坡建立一个机房，让一堆的技术人员、维护人员去维护这些机房，他得多贵。所以在那个地方去建算力机房这件事，在商业上是完完全全不符合逻辑的。

但你说新加坡一点没有吗？也不至于，新加坡还有这么多大学，他们可能还是有那么一小部分的算力云什么在那儿。但是我真不认为他们可以买到全世界18%的算力卡，在那个地方去吭哧吭哧地算。这些算力卡应该大量还是流回到中国了。

那你说这些卡哪去了？除了中国电信之外，这些卡去哪了？大家注意啊，除了移动电信，各个省市其实都是有计算中心的。咱们的这种计算中心也算是一种资源，每一个行政机构，甭管是横管还是竖管，他都会说我们自己是不是整一个。

哪怕说：“哎，我这是交通部，我这是铁道部。”我们是不是整个集团中心？所以这些卡可能就彻底被分散到了各个国有企业、央企或者一些政府机构里边去。那么这些卡是哪来的呢？或者怎么进来的？

最近，超微电脑正在被做空，做空的理由是账目混乱，导致出口管制没有很好地被执行。这是做空机构给他写的做空信。超微电脑也很神奇，不说承认，也不说反驳，什么也没说，给了一个回复，说：“我这个财报晚两天再发。”这个大家自己品就好了。

所以我觉得，中国大陆拥有全世界第二多的英伟达各个型号的显卡，还是存在一定的合理性的。而且在这个里面，有大量的是美国政府禁止出口的。中国的显卡实际上都禁了啊，即使是算允许进口那部分，中国也可以在全世界所有的国家里头排到第四：美国第一，台湾地区第二，新加坡第三，中国第四。

那么最后一个问题，我们在AI领域里头跟美国到底差多少呢？原来老说我们没有算例，现在我告诉大家，有！我们有算力，而且算力其实并不少。正常情况下，我们现在做AIGC需要三样东西：人才、算力和数据。人才这个事我从来不认为中国缺，特别是这种工程技术人员。咱们在这块一定是全世界最好的。

算力，刚才按照我们的分析，中国应该也没有那么缺算力。我们算力肯定没有美国多，这个事是确认的，但应该是第二多，估计应该拥有全世界可能20%多，甚至接近30%的算力卡。这个事是相对来说合理的，美国大概拥有40%多，咱们大概拥有30%多，剩下的所有国家和地区去分，剩下的可能百分之二三十的这种算力卡。

数据，其实我们也不缺，我们产生了大量数据。至于说数据质量高低这件事，我觉得没什么可讨论的。英文数据质量确实是要有一些很有质量的，比如说论文这个东西，也不是说咱就拿不到，咱也可以拿到回来去训练嘛。中文的数据也有大量的，你不能说大家每天去做政治学习文章就低质量。你写了很多出来以后，还是可以学出一些不一样的东西来。

再加上中国这么多人产生了这么多的文学作品、这么多的小说、这么多的短视频、这么多的微信里的聊天记录，这些东西它都是内容。那么这些内容一样是可以作为数据去跑大模型的，这个都是没有问题。所以数据我从来不觉得咱们缺。

那你说咱们啥都不缺，那到底跟美国人之间差哪了？有什么东西？咱是不是还有点优势？我们有些地方还有优势，就是应用场景跟收益这一块，我们其实更好一点。什么意思？在中国很多新技术来了以后，不管是国有企业还是政府机构，他们都属于可以义无反顾地去用起来的。这帮人没有那么多的说：“哎，我这以前刚用过，或者刚升级过，我是不是用一段时间再升级。”他们从来不抢这个，哎，又有机会花钱了，我要赶快去花一把。这个是国内的很多政府机构和大企业习惯性的思路。

他们还干嘛叫“拉锁路”？我这个路挖开了，铺根管子进去，待会再挖开了再铺根线进去，再待会挖开了再铺根光缆进去。他们为什么干这事？你不停的折腾，不折腾哪有钱？所以中国人在应用AI的角度上说，在这个全世界范围内，我们应该是跑得比较快的。而且从投入产出来说，我们其实也还算划算。为什么？因为我们工程师便宜，而且人还多。收益，因为大家愿意用，你还是有一定收益。没准一些企业就可以直接在这活下去了。

那同样的事情，你在美国未必活得下来，因为他工程师贵，大家去采购这种项目的时候，也相对来说要比中国的政府和这种大企业要谨慎。所以这块咱们还有些优势。

那你说中国到底有什么劣势啊？那照我这说法，咱们是不是又厉害了我的国了？咱们也有一些劣势。第一个劣势就是合规成本不可控。这个什么叫合规成本呢？咱这就不再详细讲了，听我节目的人应该是知道啥叫合规成本的。那为什么叫不可控，而不是说合规成本高这个事呢？很有意思啊，咱们是分两个方面来去理解这件事。第一方面，所有ToC的应用合规成本都是很高的。什么叫ToC应用？就是个人用户来使用的这些项目，它的合规成本很高。

说错了话就要拔网线，或者有很多人要受到巨大的处分，或者要受到巨大的经济损失。这件事是非常危险的。另一方面，所有对政府和对商业的这种方面，我们的各种应用是百无禁忌的。你在美国，比如说我们想上一个什么医疗系统，想上一个监控系统，那麻烦死你，我告诉你，他不允许，各种的保护隐私。但是在国内，上呗，这有什么？我只听我老板的，其他的都不重要。领导的看法是第一大法的，所以他们完完全全肆无忌惮。咱们的合规成本在这块，对一部分来说很高，对一部分来说基本上可以忽略不计。

那么，中国真正的劣势在哪？合规算是一部分，但也不是完全负面的。有一部分是正面的。咱们做的很多监控软件和一些奇奇怪怪的软件，我们做的是要比美国人好的，因为没有那么多条条框框。咱们真正的劣势在于算力太分散。什么叫算力太分散？你想，马斯克的XAI有多少算卡？非常多，十万块还是多少万块算卡。他拿这些算力卡可以集中力量办大事，可以把他的这个grok的版本一级一级往上推。OpenAI有多少算力卡？他可以拿着微软的算力卡去疯狂的计算。谷歌有多少？亚马逊有多少？Anthropic跑的是亚马逊的这个算力卡，他们都是几十万块的往上跑。他们等于非常集中的算力卡，才可以去维护一个什么东西，叫做缩放法则。

因为现在大家冲的就是缩放法则，我用更多的数据，用更多的算力卡集中在一起进行一次的这种运算，他可以推出更好的不一样的模型来。而这些算力卡一旦分散开了，比如我现在都到云计算中心去了，都交给中国移动、中国电信了，或者交给各省市，再加上交通部、航天航空，每间都买一堆，那这个就分散掉了。以后你就没有办法说我现在想要十万块H100，我们去推一个grok2出来，你就没有这个能力了。这个是我们现在真正缺的。所以，中国需要的是巨头，这样才能够去追赶Scaling law。如果像现在这样，我们整了一大堆的算力卡进来，四处分散，撒了胡椒面了。或者说，我搁在云计算机房里头。你租5块，他租10块，大家都做一大堆实验型的这种小模型出来。那个是会跟美国越拉越远的。

好，这就是我们今天主要讲的内容：中国到底有哪些大企业在去买美国的英伟达的显卡？中国是不是真的只有这么多显卡？以及中国跟美国之间，AI到底差在什么地方？

好，感谢大家的收听。请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。