文｜谢泽锋
编辑｜杨旭然
当 AI 竞争上升至大国博弈维度，先进芯片领域的贸易壁垒已成既定事实。自 2022 年 10 月起，美国商务部工业与安全局（BIS）启动首轮“先进计算”出口管制，将英伟达 A100、H100 及 AMD MI300 等高端芯片列入清单，拉开了漫长的芯片围堵战。
此后管制规则多轮升级，从 A800、H800 到 H20 再到 H200，英伟达“特供版”芯片性能不断降级，却始终难逃受限命运。在高端芯片受限、单卡性能存在代差的背景下，海外高端芯片已逐渐脱离国内 AI 企业自主掌控的范畴。
随着海外芯片获取渠道被压缩及国产替代铺开，决定国内 AI 大模型商业成本的最大变量，已从“能否买到芯片”悄然转向“能否养得起算力中心”。电力、散热、机房等传统“配套”基础设施投入，正成为压在 AI 企业案头的大山，也是近期巨头们资本开支的核心。
封锁：从技术绞杀到主体穿透
当 AI 芯片演变为地缘战略筹码，其管制逻辑愈发严密。2022 年 10 月 7 日，美国发布“先进计算规则”，将特定算力和带宽阈值的 AI 芯片列为管制对象，直接封杀了英伟达 A100、H100 及 AMD MI300 系列对华出口。
英伟达随即推出降低互联带宽的 A800 和 H800“降规版”，一度成为中国 AI 算力市场主力。然而好景不长，2023 年 10 月这两款芯片也被纳入禁售清单。随后面世的 H20 虽通过大幅削减性能勉强符合出口标准，成为彼时市场顶梁柱，甚至出现“一卡难求”局面。
进入 2025 年下半年，政策再变。4 月，H20 等“特供”芯片暂停对华销售；7 月虽恢复出口，但我国网信办随即就“漏洞后门安全风险”约谈英伟达，释放出对海外芯片安全性的高度警惕。年底，尽管美国允许出售 H200，但附带苛刻的转运和审查条件，导致实际采购几乎为零。
与此同时，国产替代加速推进。华为昇腾 910B、寒武纪思元 590 等性能显著优于 H20，且价格更具优势。至 2026 年一季度，英伟达在中国区收入占比不足 6%，在 AI 加速卡市场份额降至 37%，已被国产芯片反超。
当前，美国对华芯片禁令已常态化，管控路径从“地域管制”转向“主体穿透”。即便中国企业试图通过在第三国注册子公司或租用中东算力来“绕道”，均被定义为违规。随着英伟达最先进的 GB200/B300 系列因指标超标被直接禁售，高端芯片引进之路基本被焊死，海外芯片成本已不再是国内 AI 企业的主要考量。
基建：算力中心的能源大考
2026 年 8 月 6 日，由远景科技投资的乌兰察布星河基地正式投产。作为全球最大的单体智算中心，其规划容量超 2GW，绿电占比高达 67%，利用当地风能资源实现绿电直供，成为 AI 基建综合体的新标杆。
黄仁勋曾将能源归为 AI 五层蛋糕的底座。算力中心是名副其实的“吞电巨兽”，与传统用电大户形成竞争关系。2025 年美国算力耗电量约占全美总用电量的 5.2%，已成为第六大电力用户；加州和德州曾因电网负荷过重，导致特斯拉和微软数据中心限电，严重影响模型训练效率。
在通往 AGI 的道路上，中美面临不同制约：美国受困于能源和电网基建瓶颈，中国则长期缺乏高端芯片。随着“力大砖飞”策略的实施，当芯片受制于人时，算力中心的电力消耗与基础设施投入成为了更具决定性的成本变量。
算力成本已成为 AI 企业最大的商业化支出。据测算，包含免费 C 端服务在内，字节跳动单日算力成本高达 1.32 亿至 2.4 亿元，全年亏损压力巨大。“每天烧掉 2 亿多元，日收入却不到 100 万”是当下国民级 AI 应用的真实困局。
为应对挑战，字节跳动计划在乌兰察布投入 700 亿元打造训练中心，并在和林格尔布局 GW 级绿色算力园区。受下游需求暴涨影响，AI 高密度机柜租赁价格整体上调 10%-20%，液冷高功率机柜涨幅更高，算力基础设施进入高速扩张期。
迁徙：从芯片采购到能源竞赛
人工智能的未来，不仅是算力、算法的比拼，更是一场能源竞赛。
2025 年，我国算力中心总用电量达 1700 亿千瓦时，占全社会用电量的 1.6%。预计“十五五”期间，全国算力用电量每年新增超 1000 亿千瓦时，到 2030 年将约占全社会用电量的 6%。
芯片采购属一次性资本支出（CapEx），而电力消耗则是持续性运营支出（OpEx）。一张 700W 的 AI 芯片耗能是传统 CPU 的 10 倍以上，一个万卡集群功率高达 7MW。若加上散热温控系统，一个 1GW 大型算力中心年耗电量接近 100 亿度。即便按低价电费计算，仅年电费一项便高达数十亿元，加之折旧维护，运营成本高昂。
与国内互联网大厂类似，全球科技巨头均在大幅上调资本开支。2025 年字节全年资本开支超 1500 亿元，其中 900 亿元用于 AI 算力；阿里巴巴宣布未来三年投入超 3800 亿元建设云和 AI 基础设施；腾讯上半年累计开支已超 2025 全年水平，主要用于混元模型训练及云算力完善。
持续的 AI 基建投入不可避免地影响了大厂利润。阿里净利润曾骤降，腾讯现金流也承压。当国产芯片性能全面超越 H20、市场份额突破 60% 时，芯片获取的边际难度正在下降，而 AI 基建的成本却在大幅抬升。互联网大厂和大模型企业的成本结构迁移已然开始，这些巨额开支虽处于用户视线之外，却深刻影响着行业格局。
