4张昇腾才抵1张GB300，梁文锋为什么还说“贵200%也无所谓”？ 英伟达在2026年11月扔出的那条新规，很多人只看到了“51%”这个数字，没看懂它真正在堵什么。 据《金融时报》和香港经济日报报道，英伟达已经口头通知全球云计算客户：未来新签合约中，至少51%的服务必须卖给非中国客户。注意两个细节：口头的，不是书面的；只针对新合约，老合约不动。这种“不留痕迹”的操作方式本身就说明了一件事——英伟
4张昇腾才抵1张GB300，梁文锋为什么还说“贵200%也无所谓”？ 英伟达在2026年11月扔出的那条新规，很多人只看到了“51%”这个数字，没看懂它真正在堵什么。 据《金融时报》和香港经济日报报道，英伟达已经口头通知全球云计算客户：未来新签合约中，至少51%的服务必须卖给非中国客户。注意两个细节：口头的，不是书面的；只针对新合约，老合约不动。这种“不留痕迹”的操作方式本身就说明了一件事——英伟达知道这条线踩在法律和商业的灰色地带，但它还是踩了。 因为过去一年多，中国科技公司找到了一条“曲线救国”的路：芯片买不到，那就租。租东南亚、租中东、租任何能连上英伟达GPU的海外数据中心，在别人的机柜上训练自己的模型。 英伟达这一刀，砍的就是这条路。 但真正让这件事从“新闻”变成“信号”的，是同一天传出的另一条消息：DeepSeek下一代大模型V5，计划基于华为昇腾芯片进行训练。此前昇腾在DeepSeek手里只干推理的活，训练一直靠英伟达。现在训练也要搬上昇腾了。 两件事叠在一起，指向同一个结论：中国AI算力的底层逻辑，正在从“买不买得到英伟达”切换为“能不能在自己的灶台上把饭做熟”。 “4张抵1张”的账，算的从来不是性价比 梁文锋有过一个非常坦率的公开表态。他说华为昇腾950超节点在性能和价格上可以“完全平替”英伟达的GB200和GB300，但紧接着补了一句大实话：1张GB300干的活，需要4张昇腾950来干，而且华为的方案“落后两年” 。价格呢？贵50%到100%，“甚至贵200%也无所谓”。 这句话如果按传统采购逻辑看，简直不可理喻。同样一件事，用4倍的芯片、贵出两倍的价钱、性能还落后两代，图什么？ 图的是有和无的区别。 2026年10月，一机架英伟达B300芯片在中国非正式市场的成交价是1850万元人民币，约280万美元。同一批货在国际市场上的标价是多少？60万美元。4.67倍的溢价，买到的还是没有原厂保修的走私货。这已经不是在买商品，是在买“不被断供的保险”。而当连走私渠道都在被英伟达的白名单制度收紧时，这道保险也在失效。今年英伟达已经把获准购买其AI芯片的亚洲客户数量砍掉了超过一半。 所以在算力荒面前，“4张抵1张”这笔账的核算单位变了。它算的不是每块钱买到多少FLOPS，算的是当别人不卖给你的时候，你手里有没有一套哪怕笨重、哪怕昂贵、但能转起来的系统。梁文锋说“所有GB300能做的任务，华为超节点都能做，延迟和各方面都一样”。这句话的分量，比任何跑分都重。能跑通，和跑得快，在断供面前是两个完全不同的优先级。 昇腾走的不是“追赶”的路，是“换道”的路 如果盯着单卡参数看，昇腾和英伟达的差距是肉眼可见的。昇腾910C的FP16算力大约只有B300的9%，HBM带宽和互联带宽的代际差摆在那里。按单卡对决的思路，这场仗没法打。 但华为换了一个打法：单卡不够，系统来凑。 昇腾950超节点用1024张卡组成一个逻辑上的“大芯片”，通过灵衢互联协议把集群内的通信延迟压到3微秒级别，提供1 EFLOPS的FP8算力和256TB统一内存编址。在DeepSeek-R1的推理测试中，基于昇腾910C的CloudMatrix超节点架构，计算效率已经超过了H100/H800的公开数据。这意味着在真实任务里，系统级工程能力正在补上单卡制程落后的缺口。 这条路有代价。更多芯片意味着更多机柜、更多电力、更复杂的散热和运维。但它绕开了中国在先进制程上的硬约束，用集群规模和互联效率去对冲单点性能的不足。华西证券的研报把这种转变概括得很直接：国产算力的驱动力已经从“单卡性能追赶”切换为“系统级工程能力+供给保障能力”。 DeepSeek在9月底开源的那套面向昇腾的基础设施组件——TileLang编译工具、计算库、分布式通信库——和此前英伟达平台的组件一一对应。这不是象征性的“适配”，是在软件栈层面把昇腾当成一个严肃的训练平台来对待。V5上昇腾训练，是这条软件迁移路线的自然终点。 这条链条会传导到普通人身上，只是传导的方式不那么直接 很多人觉得芯片和算力是科技公司的事，跟自己没关系。但算力成本的变化，最终会出现在三个和普通人有关的地方。 第一个地方，是AI服务的价格。 中小企业采购算力的议价能力本来就弱，算力涨价潮下，头部企业可以通过批量采购锁定低价配额，中小企业的成本差距在持续拉大。AI短剧、AI客服、AI设计工具这些看起来“轻资产”的生意，后台烧的都是真金白银的算力。当底层算力因为地缘政治和替代成本而被推高时，这些服务的定价很难不跟着走。 第二个地方，是创业的门槛。 过去一个AI应用团队可以靠租几张GPU起步，现在海外算力租赁的路在被封，国内昇腾生态还在爬坡，创业公司拿算力的难度和成本都在上升。经济日报的报道里有一句话很扎心：如果让中小企业陷入“想拥抱AI
