黃仁勛罕見發飆，英偉達最深層的困境暴露

2026年4月15日，播客主持人Dwarkesh Patel做了一件許多主持人不敢做的事——他在采訪英偉達CEO黃仁勛時，一路追問到這家全球最高市值公司的"核心命門"。當然，他自己說他是刻意站在被采訪人的對立方提問題，且以Dario支持芯片出口限制的觀點出發。

這場近兩小時的訪談，在第57分鐘時陷入僵局，我特別看了這部分內容，兩人的相關爭論持續了30分鐘左右，這在很多超大企業CEO的采訪中非常罕見。

雙方的分歧主要在于英偉達高端芯片對中國市場的出口限制是否具有合理性。

我的看法：兩人分歧的根源，不在于生意，而在于不同的出發點、心態和競爭邏輯。

一場關于AI終局的假設之爭

Dwarkesh Patel在訪談中，提出了一個清晰的邏輯鏈：AI芯片就像是濃縮鈾——濃縮鈾可以發電，但限制濃縮鈾的流通，就能限制核武器的擴散。因此，限制高端AI芯片出口給中國，就能延緩中國大模型的發展速度；中國縱有強大的工程能力，也難以在算力落后的情況下追上通用人工智能的"奇點"。

他把AI競賽定義為一場"誰先到達終點"的沖刺——終點是通用人工智能（AGI）或更遠的超級智能。在這場沖刺中，任何能讓對手減速的策略，都具有戰略合理性。

或者，他把Anthropic封閉式發布的Mythos模型作為一個例子：如果中國也研發出類似的模型，能快速識別網絡漏洞，豈不是可以攻擊美國的網絡？

這個假設，讓黃仁勛罕見地情緒激動。

黃仁勛的核心論點，是這個比喻從根本上就是錯誤的。他沒有選擇正面辯論AI是否需要那么高的算力，而是直接拆解了Dwarkesh背后的邏輯鏈條：算力不是AI的唯一瓶頸，能源、架構、算法也是。

他的"五層蛋糕"框架，將AI產業從底層到頂層依次定義為：能源→芯片→基礎設施→模型系統→行業應用。在這個框架里，芯片只是第二層，能源才是第一層。如果中國擁有豐富的能源，那么算力的差距可以通過其他方式彌補——比如用更多的芯片疊加、用更高效的算法降低單位算力成本。

更重要的是，黃仁勛認為摩爾定律正在走向終結——芯片性能每年翻倍的時代已經過去了，今天最先進的芯片，其性能優勢不是永恒的護城河，而是有時間窗口的相對優勢。一旦制程逼近物理極限，后來者的追趕難度反而會降低。

基于這兩點，黃仁勛的結論是：限制芯片出口，短期確實會延緩中國AI的發展速度，但長期來看，這只會逼迫中國形成自己的生態鏈——一個內部整合、協同進化的完整體系。這個體系一旦形成，就不再需要依賴英偉達，也不再容易被外部力量切斷。

而這，才是黃仁勛說出"災難性"的真正所指。

而Dwarkesh的假設，恰恰是黃仁勛的反面：AI的終局是某種"超級智能"，算力是到達終點的核心燃料，任何對算力的限制都能有效延緩對手。這個假設為出口管制的合理性提供了道德基礎——"我們在爭取人類未來的制高點，暫時的封鎖是必要的代價"。

但這個假設本身成立嗎？通用人工智能真的會以"超級智能"的形式出現，并成為某種決定性力量嗎？這至今仍是一個無法證明，也無法證偽的信念，而非已經被驗證的結論。黃仁勛對"核武器比喻"的憤怒，本質上是對這種未經檢驗的終極假設的拒絕。

即便是Mythos模型，黃仁勛并不認為是在最先進的芯片上訓練出來的，也不認為Mythos模型的優勢有那么大，掃描網絡漏洞是AI模型發展史上必然會出現的一類功能，但還達不到所謂“核武器”的層級。

黃仁勛甚至認為很多政策是建立在極端假設上，而這些極端假設是帶有一種“Loser”心態的，因為非常害怕輸，所以就選擇封閉別人。

從黃仁勛脹紅的臉色上，可以知道他內心已經很激動，并對這些想法有種“恨鐵不成鋼”的感覺。

逐漸的，兩種不同的競爭邏輯就體現出來了，一種是零和游戲邏輯，一種是共生競爭邏輯。

回到商業：一個無法回避的身份困境

訪談中還有一條更隱蔽的暗線：黃仁勛不希望把英偉達定義為"國家的武器"。

英偉達的市值已突破4萬億美元，但它始終強調自己是一家商業公司——賣芯片、建生態、服務客戶、創造利潤。但在現實中，它的一舉一動都被華盛頓納入戰略框架：CHIPS Act補貼附帶著"在美國制造"的義務；出口管制政策直接決定了它的中國市場命運；美國政府把它視為AI霸權的基礎設施。

黃仁勛在訪談中說："美國內部會優先獲得最新芯片，不會影響美國的領先——而服務中國市場，是為了讓英偉達的生態持續創新。" 至于如何避免最先進的芯片被用作軍事用途，黃仁勛提出讓兩國的研發人員能保持更頻繁的學術交流，設立機制以保證AI的使用在一定倫理內。

這句話的商業邏輯是清晰的，但政治邏輯更復雜。

當政策制定者把英偉達視為"等同于半導體國家競爭力"的存在，他們很難接受英偉達在賺取中國市場利潤的同時，扮演"中立的商業角色"。你很難既被列為"國之重器"，又保留完全的商業自主權。

這個張力，才是英偉達最深層的困境。

理解黃仁勛的真實立場

把整場訪談的邏輯梳理清楚之后，黃仁勛的立場可以概括為以下幾個層次：

第一層：出口管制幫了誰？

短期確實幫了美國半導體設備商（向中國出售成熟制程設備），也讓CHIPS Act補貼有了戰略合理性。但對Nvidia本身而言，失去高價值市場是真實的商業損失。更關鍵的是：管制在戰略層面的實際效果，并沒有所謂"鎖死中國"，而是"逼迫中國整合成一個更有凝聚力的生態"。

第二層：AI競爭的終局是什么？

黃仁勛沒有提到AI的終局是某種"超級智能奇點"，也不認為芯片性能是決定勝負的唯一變量。他的"五層蛋糕"框架，本質上是說：AI是電力革命、互聯網革命之后的下一代基礎設施，它需要的是能源、芯片、基礎設施、模型和應用的完整生態——在這個生態里，單一芯片的優勢只是局部變量，不是決定性力量。

圖源：網絡

第三層：英偉達需要什么？

保持生態的開放性、保持對全球市場的服務能力、保持作為"商業公司"而非"國家工具"的身份——這是英偉達最核心的商業利益。

黃仁勛不希望英偉達成為那個被犧牲的代價。

黃仁勛所有的表態，都是圍繞這三個核心利益展開的。

為什么CUDA是英偉達真正的護城河

理解黃仁勛的擔憂，首先要理解英偉達的護城河到底是什么。

外界的普遍認知是：英偉達的護城河是GPU的硬件性能——芯片算力強、功耗低、生態好。這固然沒錯，但黃仁勛本人在這次訪談中給出了一個更底層的定義：

"輸入是電子，輸出是Token，中間是英偉達。"

這句話的意思是：英偉達真正的護城河，不是某一個芯片型號的性能指標，而是從電子到Token的整套轉化體系的效率。硬件只是這個體系的最底層，往上是驅動層、編譯層、框架層、工具鏈層和開發者生態層——五層疊加，才是英偉達真正的壁壘。

CUDA（Compute Unified Device Architecture）就是這個體系中承上啟下的核心軟件層。它不僅僅是"讓GPU做并行計算的工具"，而是一套定義了"如何用算力"的語言和規則體系。

圖源：網絡

全球數百萬AI開發者，在研究生階段就學習CUDA編程；他們的論文代碼、實習項目、開源貢獻，幾乎全部基于CUDA生態構建。當一個畢業生在CUDA上訓練了第一個模型，他的整個職業路徑都會被鎖定在這個生態上——換框架，意味著重寫代碼；重寫代碼，意味著放棄多年的積累。

更深的一層是：AI框架（PyTorch、TensorFlow）和優化庫（cuDNN、TensorRT）都深度綁定CUDA。這意味著當研究人員說"這個模型在A100上訓好了"，他們實際上是在說"這個模型在CUDA生態里構建好了"。芯片可以換，底層生態遷移的成本卻極高。

這就是為什么黃仁勛在訪談中說："這些生態系統很難替代，換掉它們需要花大量時間和精力，而且大多數人根本不愿意換。"

他還提出了一套"AI五層蛋糕"理論自洽自己的邏輯：能源→芯片→基礎設施→模型系統→行業應用。每一層都不是孤立的，而是彼此深度耦合。英偉達真正的優勢，是在基礎設施層和模型系統層，同時提供了硬件加速和軟件工具的整合方案——這種全棧能力，是單一芯片廠商無法提供的。

中國是如何撕開這道裂縫的

黃仁勛口中"災難"的觸發點，是DeepSeek V4全面轉投華為昇騰芯片。

根據多方報道，DeepSeek V4將首次完全基于華為昇騰950PR（配合中芯國際7nm制程）進行訓練，底層代碼從英偉達CUDA生態重寫為華為自研的CANN框架。如果這一計劃按期落地，DeepSeek V4將成為全球第一個完全脫離英偉達生態鏈路的頭部大模型。

圖源：網絡

這一步的難度，不能被低估。這也是V4為何延后到4月底發布的原因之一。

從CUDA遷移到CANN，核心工作量相當于重寫整個模型的底層算子庫。DeepSeek團隊在V3時期積累了大量的CUDA優化代碼，這些代碼背后凝結了團隊對GPU硬件特性的深度理解。遷移到CANN，不僅僅是換一套API調用，而是需要工程師重新理解昇騰的架構特性，重新設計每一個計算內核的調度邏輯。

但DeepSeek選擇走這一步，恰恰說明：遷移的代價，在戰略收益面前已經變得可以接受。

撕開CUDA裂縫的力量，來自四個方向。

第一：華為昇騰的性能已經足夠用了。

昇騰910C配合中芯國際7nm工藝，在推理場景下的性能已經可以對標英偉達H20。更關鍵的是，昇騰的硬件已經進入大規模量產階段——2026年一季度，昇騰950PR正式發布并進入商用，國內外多個智算中心開始批量部署。

第二：CANN框架已經成熟到可以承接工業級模型。

CANN（Compute Architecture for Neural Networks）是華為自研的異構計算架構，定位對標CUDA。經過多年迭代，CANN在算子覆蓋度、編譯優化能力和調試工具上已經相對完善。DeepSeek V4若能成功遷移，說明CANN已經具備了承載頂級大模型的工程能力。

圖源：網絡

第三：中國AI生態正在形成完整的替代鏈。

芯片層：昇騰、寒武紀思元、燧原、沐曦、百度昆侖芯——五家主要廠商合計已占據國內市場41%的出貨量（2025年數據）；框架層：華為MindSpore、百度PaddlePaddle、阿里MQL；模型層：DeepSeek、通義、文心一言——越來越多的模型開始在國產算力上進行預訓練。

第四：政策壓力加速了遷移意愿。

2022年以來，美國商務部將昇騰系列列入實體清單，倒逼中國科技公司必須在國產芯片上實現技術自主。這種"被迫"的生態整合，反而在客觀上加速了中國AI算力生態的內循環。

清華大學魏少軍教授在一次行業會議上曾指出："當前全球AI發展已被英偉達的GPU架構和CUDA生態深度綁定，形成了'模型-架構-生態'三重依賴。打破這種依賴，不是某一家公司的事，而是需要整個產業生態協同遷移。"

這條路的代價極高，但它正在發生。

這場突圍，能走多遠

黃仁勛的擔憂，還提出了一個反直覺的論斷：芯片不是AI的唯一瓶頸，能源才是。如果美國斷供芯片，中國AI發展的天花板將由電力而非算力決定；能源豐富的中國，有能力自己解決電力問題，屆時整個"芯片斷供"的邏輯就會反轉。

這個論斷有它的合理性，但也有盲點。盲點在于：芯片的制程工藝，不僅僅是"買不買得到"的問題，更是"能不能造出來"的問題。中國目前最先進的制程是中芯國際7nm，而英偉達最新Blackwell系列已使用定制4nm/3nm工藝。芯片制造工藝的差距，不是兩三年可以彌合的。

專家們的預測，大致可以分為兩派。

一派相對審慎，認為中國AI芯片的"替代"，更多是政治壓力下的被迫選擇，而非技術和商業上的自然結果。芯片性能的差距客觀存在，軟件生態的豐富度也遠不如CUDA，短期內很難在英偉達傳統優勢的訓練場景實現完全替代。這一派的代表是部分美國半導體行業分析師，他們認為英偉達的護城河依然堅實，"災難性后果"是黃仁勛在政策游說時的夸大之詞。

另一派則更為激進，認為中國AI生態的整合速度，已經超過了西方觀察者的預期。DeepSeek V3已經證明了中國團隊能在極低訓練成本下做出頂級模型；同樣的工程能力一旦遷移到昇騰生態，迭代速度會顯著加快。昇騰950PR的實測性能，已經接近H20；按照摩爾定律，18到24個月內，昇騰與英偉達旗艦芯片的性能差距將進一步縮小。

圖源：網絡

一個更值得關注的技術趨勢是：DeepSeek證明了，算力效率可以彌補芯片性能的差距。 DeepSeek V3用557萬美元完成了與GPT-4比肩的訓練，其核心方法正是極致的算力利用率優化。這意味著，即便中國芯片性能只有英偉達的70%，通過算法優化，差距可以被大幅壓縮。

一場沒有終點的生態戰爭

回到黃仁勛那句話。

"如果DeepSeek先在華為平臺上發布，那對我們國家（美國）來說將是災難性的。"

這句話的語境，不應該被簡化為"黃仁勛害怕華為"。它背后真實的焦慮是：英偉達最害怕的，不是華為做出一款好芯片，而是中國通過政策壓力+市場整合+技術迭代，形成一個能夠自我進化的AI算力生態閉環。

圖源：網絡

芯片禁運的政策壓力，反而加速了這個閉環的形成——這個邏輯反轉，是黃仁勛"災難"二字的真正所指。

對于中國而言，目前還不意味著勝利。英偉達的護城河，并非一紙禁令就能拆除。CUDA生態積累了十五年的開發者心智和使用習慣，不可能在一夜之間遷移；國產芯片在制程工藝、工具鏈成熟度上，與英偉達的差距依然顯著；完整的替代生態，需要芯片廠商、模型廠商、云服務商和終端用戶的協同共進，這是一場以十年為單位的耐力賽。

但趨勢的方向已經確認。

當DeepSeek V4全面適配昇騰的那一刻，那不只是一個模型的遷移，而是一張多米諾骨牌的倒下。第一個吃螃蟹的人已經出現了，跟進者會越來越多。

黃仁勛的"災難"，或許不會在一夜之間降臨。但它描述的未來，正在以肉眼可見的速度，逼近現實。

本文核心信息來源：Dwarkesh Patel播客專訪黃仁勛全文（2026年4月15日），建議大家可以去看原視頻，信息更豐富；IDC 2025年中國AI加速芯片市場報告；華爾街見聞、財經十一人、芯東西等媒體對訪談的系統整理。