一张“哑火”的AI禁令

文章转载来源：脑极体

围绕AI算力展开的政治博弈，一直在此起彼伏地发生着。

不过，事情也在悄然发生变化。

我们发现，那种“美国一禁运，中国就破防”的紧张情绪，已经减弱了很多。

前不久，美国商务部出了一份《采取额外措施应对与重大恶意网络行为相关的国家紧急状态》提案，提出：禁止中国公司使用美国的云计算资源来训练AI模型。

这相当于AI芯片禁运的“补丁”。美国商务部长吉娜·雷蒙多在采访时提到，美国的云数据中心也大量使用AI芯片，而美国对芯片实施了出口管制，也必须考虑关闭这条路径。

这一次，中国AI业内和大众的情绪都还算稳定。

一方面表现在语言上。AI行业群内对这个提案的讨论都很少，并不是讳莫如深，而是一种“早已料到”的淡定，倒是对国产算力替代、通用算力训练AI等话题的关注度，不断提升。

另一方面表现在行动上。各个AI企业、大模型公司，也并没有急着“下美国云”，或是紧急研究什么避险方案。要知道之前英伟达H100和A100芯片被禁运时，产业各方都迅速反应，英伟达随即推出定制版，国内大厂疯抢囤货，紧张感拉满。

同样是对AI算力的限制，为什么美国云基础设施，不再让我们 “汗流浃背”了？从一张“哑火”的AI禁令背后，我们可以读到很多。

新AI禁令，影响到底有多大？

先说结论：没多大。

可能有人要急了，AI算力供需本就紧张，芯片不让卖、云也不给用，你还说没事，心也太大了吧？

知道你很急，但你先别急。

第一，美国云厂商在国内公有云市场的份额很小，并且越来越小。

按美国商务部长的说法，被要求审核中国AI公司身份的美国基础设施即服务 (IaaS) 提供商，主要包括亚马逊AWS、微软Azure、英伟达算力云等。

微软Azure、英伟达算力云的中国市场份额，小到无法拥有姓名。IDC近日发布的《中国公有云服务市场（2023年第三季度）跟踪》报告显示，2023年第三季度，中国公有云（IaaS+PaaS）市场中，唯一占据一席之地的美国云服务商是AWS，其市场份额也只有8.2%。并且相比2022年第三季度的8.5%，占比还有所下降。所以说，受该禁令影响的中国用户数量并不多。

第二，美国云厂商的中国用户，使用量也都不大。

目前使用AWS、azure等美国云数据中心的中国用户，以外企的中国机构、出海中企、混合部署等需求为主。艾瑞咨询曾在《2021年中国基础云服务行业数据报告》中，首次增加了“出海业务”，亚马逊AWS的市场排名立马从第五挺进前三，说明其国内业务的“出海”比例极高。

外企在中国、中企走出去，是一个目前还不算主流的边缘市场。而混合多云部署的中国政企客户，“不把鸡蛋放在同一个篮子里”，目的是分散风险，美国厂商的云本身就是“备胎”，当然也不会将太多核心业务放在上面。

（艾瑞咨询：2021年中国基础云服务行业数据报告）

第三，美国云的AI黏性有限，中国主流的AI大模型及应用都在国内云上。

有人会担心，微软云azure支持OpenAI那么领先的大模型，还有各种AI套件，肯定会吸引一部分国内用户，通过云访问调用其AI能力吧？

一方面，OpenAI的大模型并不向大陆开放，IaaS层面的计算资源差异性不大，海外云的吸引力也就大打折扣。另外，要让AI模型跑得“多快好省”，不仅要有万卡集群的硬实力，还需要软硬协同优化、异构硬件兼容、开发工具链、社区生态，甚至商业资源、联合开发等各种支持，国内云厂商无疑更具本土化优势，也成为中国产学研用机构做AI的首选。

政企客户和国计民生关键行业，自主可控已经成为共识，纷纷选择成为国内云厂商的客户。2023百度云智大会的一组数据显示，千帆大模型平台上的月活企业数，已近万家。

具备底层技术的中国AI大模型企业，更是从一开始，就将大模型部署在国内的云上。2023年7月，讯飞星火就与华为昇腾AI联合，让国产大模型架构在自主创新的软硬件基础之上，打造国产通用智能新底座。最新升级的讯飞星火认知大模型 V3.5，也强调自己是“国产算力原生模型”。

所以说，美国云服务商在中国大陆的市场份额少，业务体量小，AI黏性又不够强，因此对中国AI的影响有限，从而导致了此次禁令的“哑火”。

不是N卡用不起，而是国产算力更有性价比

这样会不会出现一种情况，像20世纪熊猫EDA那样，美国一看禁了个寂寞，干脆放开来抢市场，国内用户就流向了海外云平台？

大概率也是不会出现的。

因为国产算力并不只有安全自主可控这一个“卖点”，性价比优势对中国AI产业界也很有吸引力，而这是英伟达AI芯片很难取代的。

坦率地说，我们的芯片制造工艺确实还做不出顶级的强大芯片，性能上不比N卡强，为什么国产算力还能有高性价比呢？

高性价比的背后，是国内云厂商从三个角度的努力：

一是自建多样化的国产算力平台。

除了英伟达的高端GPU，国产AI芯片、通用CPU算力、超算中心算力，也都能处理AI专项任务，而且成本上更具优势。目前，云厂商都在强化对国产硬件的兼容性，积极构建国产算力体系。

具体来说，华为的AI芯片制造技术已经开始取得突破，昇腾系列稳定出货，在某些性能上甚至超越了英伟达的中国特供版。海光、华为、飞腾等自主设计开发的CPU/DCU芯片，既可以确保自主可控，也容易规模化量产。已经建好的超算中心，也可以为AI提供算力服务。

多样化、异构的国产算力体系，可以缓解AI和云计算对高端GPU的紧缺。

记得一位中科院的科学家跟我说过：等到智算、超算没有分界线的那一天，中国AI可能就真的崛起了。而国产算力从硬件走上云端，转变为AI云服务，正在加速这一天的到来。

二是算力网络的一体化调度。

OpenAI训练ChatGPT等采用的是“集中式”算力，即万卡集群。中国没有那么多先进的卡怎么办？用“分布式”算力，把各个地区的算力网互联互通，一样可以给AI企业提供算力服务。

举个例子，北京、上海、广州、武汉等地都有2000块卡的算力中心，把它们通过专网联合起来，就能组建起一万块、两万块卡的算力平台，代替一个万卡集群，来做超大规模数据训练。

“分布式”算力，就需要把分布在全国各地的智算中心、云计算中心、超算中心给联接起来。早在2020年，国家多部门就出台了《关于加快构建全国一体化大数据中心协同创新体系的指导意见》，建立横跨东西的算力网络与数据存算一体化节点，可以有效调节中国算力供需。通过统一算力调度平台，可以将数据源周围的闲置算力资源调度起来，更高效地满足AI产业各界的巨大需求。

三是技术创新的算力榨取。

当然，国产算力要在性能上达到顶级GPU的能力，确实有些为难。所以，尽可能地榨取国产算力，让其精准适配AI训练推理等任务的需求，会让资源利用率更高，成本效益更加显著。

提升算效，发挥出每一张卡的价值，需要一系列创新技术的支持，软硬件联合优化，计算行业与AI行业的协作。云厂商联合基础设施供应商、AI产研各方，积极开展技术创新，提升算力训练效率。

比如，百度智能云千帆平台，就通过分布式并行训练策略和微秒级互联能力，让万卡训练集群的加速比达到95%，也就是发挥出了95%比例的机器的效能。

总结一下，让中国AI发展不掣肘于芯片供应，国内云厂商真的很努力。

今天再面对一纸“禁令”，中国AI也可以淡定地说一句：不是N卡用不起，而是国产算力更有性价比。

备战是为了不战，中国AI的未来通道

如今，对于AI算力，或许我们可以暂时放下紧张情绪，对相关禁令松一口气了。

必须强调一点，自主可控不是为了全面替代。彻底脱离海外AI软硬件的供应链，既不现实，也没有经济效益。

有句话说得好，要把枪放在谈判桌上。

当我们有了自主的AI基础设施，自己的AI软硬件开发生态，不用担心“美国一禁运，就没有算力用”，对方没有了“博弈”的筹码，一通操作结果禁了个寂寞，自然也就没有必要再继续折腾了。如此，才有可能避免“擦枪走火”，让算力供应维持一个比较平衡和稳定的外部环境。

所以说，备战是为了不战。

当然，一波又一波的禁令也表明，围绕AI这一关键领域的博弈只会愈演愈烈。昨天禁芯片，今天禁云服务，明天禁什么不知道，但禁令一定会“虽迟但到”。

这种局势下，我们也要做好更多准备，才能在较量中获得话语权。

云计算作为中国AI的战略支柱，国内云厂商想要接住“泼天的富贵”，接下来还有许多工作要做：

1.做好国内算力基础设施与一体化算力网络的有效应用。

比如AI芯片种类繁多，既有不同品类，也有不同版本，兼容难度非常大，AI企业想用到最合适的芯片，有较高的切换成本，云平台对国产芯片的兼容性更强，能够减少企业AI训练的难度。再比如，算力网互联以后，异构算力怎么标识、怎么调度、怎么计费、通信协议怎么解决、资源配置效率怎么提升……这些问题都是需要持续解决的，也构成了国内云厂商的机遇。

2.提供全栈AI能力和完善的迁移服务。

AI大模型的技术复杂性也带来了采用、部署等方面的挑战，云厂商可以通过更友好、全面的AI能力和迁移能力，支持行业客户与开发者，建立起自己的AI生态系统，收获业务增长。

3.加强出海业务及服务能力。

前面提到，禁令的影响范围，可能是AWS上一些外企在华、中企出海的业务。这也提醒我们，中国的云服务商，不能故步自封，要积极出海，给中国企业在海外，搭建一条可信、可靠的通道，支撑它们海外业务的持续开展。目前，拥有全球化经验和业务布局的华为云，已经加速了欧洲、中东等市场的脚步，给中企出海、外企入中一个“更好的选择”。