美國升級版禁令準備上線！騰訊、百度、阿里巴巴備好上萬GPU應戰，還有國產替代品|數位時代 BusinessNext

美國升級版禁令準備上線！騰訊、百度、阿里巴巴備好上萬GPU應戰，還有國產替代品

美國的半導體禁令可能短期內無法阻擋中國的AI發展，以騰訊為首的多家巨頭都已為封鎖備好大量晶片，未來還將轉向國產晶片作為替代品。

多家巨頭備好晶片「過冬」，禁令短期或難衝擊中國AI發展

今年10月美國政府突然宣佈將擴大半導體禁令，以彌補去年發布的禁令中存在的「漏洞」，且未來可能會每年更新禁令，擴大禁止輸入中國企業的產品與技術範疇。雖然美國政府聲稱，此舉是為了防止中國軍隊的現代化及取得先進AI技術，但民間企業仍受到嚴重影響。

先前輝達由於H100晶片被禁止銷售，開發出符合禁令標準的H800晶片繼續銷往中國市場，然而新禁令擴大範圍後，H800、A800晶片也無法再提供給中國客戶。現在甚至傳出輝達正在開發三款新晶片，以因應新禁令的標準。

但囤好大量AI晶片準備「過冬」的企業並不只騰訊一家。早在今年8月時，《金融時報》便指出，多位消息人士透露， 百度、字節跳動、騰訊、阿里巴巴等中國AI巨頭已下單近10億美元，向輝達採購約10萬顆A800晶片 ，將於今年內交貨。另外這些公司還為2024年交貨的AI晶片，下單多達40億美元，不過新禁令上線後，這部分能否順利交貨還未可知。

字節跳動員工透露，該公司已備好1萬顆輝達GPU來應對接下來發展AI的需求，同時還訂購了近7萬顆預計在明年交貨的A800晶片，總價值約7億美元。阿里巴巴也從輝達手中取得了數千顆H800晶片

根據《彭博社》報導，中國短影音平台快手就被揭露，已經準備了多達1萬顆A800晶片，為接下來的AI競爭準備好充足彈藥。而今年7月由創新工廠董事長兼執行長李開復帶隊成立的AI新創「零一萬物」，雖然沒有透露具體GPU數量，聲稱已準備能支撐18個月需求的AI晶片。

中國企業轉向供應商，輝達市占將受衝擊、華為受益？

中國企業也不打算將AI晶片的供應，完全寄望在輝達與美國政府這場「貓抓老鼠」遊戲上，開始將目光投向國內自產的AI晶片產品。劉熾平提到，騰訊在備好充足輝達晶片的同時，也會尋找中國國內可用的替代品。

「我們必須找到提升AI晶片使用效率的方法。」劉熾平說，「此外，我們也會在國內尋找這些訓練晶片的供應來源。」

輝達AI晶片奪下90%的中國市場，這龐大的利益也貢獻輝達資料中心業務的25%營收，但受限於美國的禁令，中國企業終將轉向自研或國內的晶片供應商，好滿足衝刺AI技術發展的需求。

11月初，《路透社》就提到百度向華為下訂1,600顆910B Ascend AI晶片，且截至10月份華為已經交貨60%，該訂單價值約6,183萬美元。雖然與輝達晶片的規模相比訂單金額很小，但顯示了中國企業轉向國產晶片的方向。

中國方面也正積極加快AI晶片自產的腳步，先前《南華早報》指出，中國正試圖利用粒子加速器打造巨型工廠生產先進晶片，以繞過技術封鎖導致的瓶頸；中國科大訊飛創辦人劉慶峰也在中國企業家論壇上透露，正與華為合作研發AI晶片，並聲稱性能比肩輝達A100。

另外，研究公司Bernstein Research分析師馬克．李（Mark Li）估計，在美國的壓力下，阿里巴巴等有能力自研晶片的科技巨頭，最終會轉向國內的生產合作夥伴，未來自研晶片的使用比例也將有所提昇。

責任編輯：林美欣

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。