第九章　芯片荒

一

2022年11月30日，凌晨。

山姆·奥特曼在旧金山一个普通的公寓里，敲下了最后一行代码。

OpenAI上线了ChatGPT。

没有发布会，没有新闻通稿，没有 CEO 站台演讲。奥特曼只是在Twitter上发了一条简短的推文：

“Talk about ChatGPT here.”

五个小时后，这条推文被转发了三万次。

ChatGPT在五天之内，用户数量突破了一百万。

这是历史上所有互联网产品里，最快达到百万用户的速度。

但几乎没有人注意到另一件事——在这同一夜之间，全球H100显卡的等货周期，从六周跳到了十一个月。

二

ChatGPT点燃的不只是用户热情。

它点燃的是一场算力军备竞赛。

微软是第一个反应过来的。

ChatGPT上线不到两周，微软云Azure的算力需求开始爆发。微软立刻给英伟达下了一笔追加订单——十万块H100。

英伟达的回复是：最快十一个月后交付。

Google在同一天启动了内部”红色代码”响应：所有非核心项目暂停一个月，所有算力资源优先供给Bard项目。

Meta在一个月内买下了英伟达约一半的H100库存。

马斯克坐在那间已经空了一半的办公室里，面前的笔记本上开着xAI的商业计划书草案。他对着屏幕看了一会儿，然后说：

“我不想用Google的AI，也不想用微软绑定的OpenAI。我们需要自己的算力。”

那是xAI的种子，第一次在特斯拉的内部讨论中被提及。

会议在下午四点结束。所有人都走了之后，马斯克还坐在会议室里，面前摊着一台笔记本电脑，屏幕上是ChatGPT的界面。他让ChatGPT回答了一个问题。回答得不错。他又问了一个。也不错。他连续问了七八个问题，话题从航天工程跳到电池化学，再跳到一首他喜欢的诗——ChatGPT全都给了他看起来像模像样的答案。

他关掉了浏览器。

然后他又打开了。他注册了一个新的账号，用了一个假的名字。他在对话框里打了一行字：“你是谁？”

ChatGPT回答：“我是OpenAI训练的大型语言模型。”

他把那行字又看了一遍。“OpenAI”。

他盯着那六个字母看了很久。屏幕的光照在他脸上，一动不动。那个房间里的灯没开，下午四点的旧金山，太阳已经西斜，光线从百叶窗的缝隙里切进来，在他面前的桌面上投下几道平行的影子。

他想起2015年。OpenAI刚成立那会儿，他坐在那个会议室里，跟山姆·奥特曼、格雷格·布罗克曼一起讨论非营利组织的架构。那时候他们还相信”AI应该属于全人类”。他甚至替他们出了钱——一亿美元，占了他当时差不多十分之一的净资产。

现在那些钱变成了一百万用户、微软的排他协议、和一条”Talk about ChatGPT here”的推文。

他合上电脑。没有站起来。

他的右手放在桌面上，五指慢慢收拢，握成拳，又松开，又握成拳。那个动作重复了几次，像是一个人的手在做它自己的事情，和大脑没有关系。

然后他站起来，走出了会议室。走到走廊尽头的时候，他掏出手机，翻到通讯录，找到了”山姆·奥特曼”那个名字。

他的拇指在名字上方停了三秒。

然后他锁屏，把手机放回口袋。

那天晚上，他在推特上发了一条消息：“OpenAI was created as an open source (which is why I named it ‘Open’ AI), non-profit company to serve as a counterweight to Google, but now it has become a closed source, maximum-profit company effectively controlled by Microsoft.”

翻译过来就是：我出钱建的OpenAI，变成了微软的武器。

有人问：“你打算怎么办？”

马斯克没有回复。

三

2023年3月，中国AI圈经历了一场集体失眠。

GPT-4发布。

它能看图，能推理，能写代码，能通过律师考试。

它领先中国任何一个已发布的大模型至少一到两年。

李彦宏在文心一言的发布会上停了一下，然后说：

“我们的模型和GPT-4的差距，大概在两三个月。”

会后，一位在场的技术高管对着手机屏幕上的直播回放，对同事说：

“不是两三月，是一两年。”

那条发言的视频片段被截了下来，在科技圈被反复传播，标题是：“李彦宏承认文心一言落后GPT-4至少两年”。

他没有说过那句话。

但没有人关心真相。

百度内部的人关心另一件事：文心大模型最终要放在哪里。

答案不是搜索框，不是文心一言的对话框。答案是Apollo——百度的自动驾驶平台。李彦宏在2023年的一次闭门会上说：

“文心的终点不是聊天机器人。是让车能自己开。“Apollo从2017年发布到现在，已经跑了六年。它的瓶颈从来不是数据，不是算法结构，是”理解复杂场景”的能力——这正是大语言模型的强项。文心大模型接入Apollo，等于给自动驾驶系统装了一个能看懂路口、读懂行人意图、判断交警手势的”大脑”。这件事百度没有对外大张旗鼓地宣传。但行业内的人知道：百度在AI上的所有投入，最终指向的是同一个出口——车轮。

同一时期，深圳。

腾讯的混元大模型团队在滨海大厦的一个楼层里封闭开发。腾讯的策略和其他大厂都不一样：不抢首发，不在发布会之前剧透，不参加任何benchmark排行榜争夺。

马化腾在内部说过一句话：“大模型这个赛道，没必要第一个跑到终点。但我们必须在终点有人。”

事实证明，腾讯押的是另一个维度：应用落地。

当百度、阿里在发布会舞台上比拼参数的时候，腾讯把混元嵌入了微信搜索、腾讯会议、QQ浏览器——这些产品的日活加起来超过十亿。腾讯的AI优势不在模型本身，而在模型能触达的用户数量。

2023年9月，腾讯混元大模型正式发布。它没有在各项榜单上拿到第一。但它的日调用量在三个月内突破了十亿次——因为每一个在微信对话框里输入问题的用户，都在不知不觉中调用了混元。

这不是一场发布会能赢的战争。这是一场渗透战。

同一时期，北京。

字节跳动的AI团队在一个叫”绿洲”的内部项目代号下，已经跑了快一年。没有人对外宣布过这个项目的存在。梁汝波在2023年中期的一次内部全员会上说：

“我们不急着发布。GPT-4出来之后，所有人都在问’中国什么时候有自己的GPT-4’。但正确的问题不是这个。正确的问题是：中国的AI，应该长什么样？”

字节的答案跟百度、阿里、腾讯都不一样。百度要做技术标杆，阿里要做开源生态，腾讯要做应用渗透。字节要做的是：把AI塞进每一个中国人的日常信息流里。

豆包——这个名字还没有对外公布——在2023年秋天已经完成了第一轮内部测试。测试用户是字节自己的员工。他们被要求用豆包写周报、做会议纪要、查资料、编文案。产品团队的考核指标只有一个：日活能不能在三个月内破百万。

他们不知道答案是什么。但梁汝波知道一件事：字节手里有一张其他大厂没有的牌——每天六亿人在刷抖音，每天几百亿条内容在被推荐算法分发。如果AI能帮用户更好地消费这些内容，或者更好地创作内容，豆包的入口就不是一个App，而是整个字节的内容生态。

2023年11月，字节正式决定以”豆包”作为AI产品的品牌名，对外发布的时间定在2024年春天。

那个月，梁汝波在内部说：

“AI这场仗，我们不比谁先跑，比谁跑得最久。”

四

2023年10月，美国商务部扩大对华AI芯片出口限制。

这一次，不只是华为。

A800、H800，以及所有峰值性能超过一定门槛的AI训练芯片，全部禁止向中国出口。

A800是英伟达专门为中国市场设计的”合规版”H100——在性能上略作削减，以符合此前的出口管制规定。

现在，连A800也禁了。

寒武纪的第一批商用芯片，在禁令生效的那个月，刚刚完成了规模化交付。

壁仞的GPU，在禁令生效的那个月，刚刚开始向客户发货。

摩尔线程的第一代训练芯片，在禁令生效的那个月，刚刚通过内部测试。

禁令把中国AI芯片公司推上了一个奇怪的战场：产品终于准备好了，但市场可能已经消失了。

同一时间，北京。

两份几乎同时出炉的文件，定义了中国AI的另一种边界。

一份是《数据安全法》配套实施细则，2023年9月正式生效。另一份是《生成式人工智能服务管理暂行办法》，2023年8月15日由国家网信办等七部门联合发布，自2023年8月15日起施行。

前者规定了数据跨境传输的审批流程——中国用户的对话数据，不能随便发到境外服务器。后者规定了生成式AI服务的准入要求——上线前需要报备、需要安全评估、需要内容溯源机制。

这两份文件合在一起，把中国AI公司逼到了另一条路上：你可以用英伟达的GPU，但你不能把用户数据送到境外。你可以训练大模型，但你需要在境内完成训练和推理。

一位百度内部人士后来回忆说：“2023年秋天，我们开了无数次会，讨论一个问题：文心一言的推理服务，能不能放在境外云上？答案最后是否定的。不是技术问题，是合规问题。”

合规成本，成了中国AI公司的另一道门槛。

与此同时，国家发改委和工信部在2023年第四季度密集调研了”东数西算”工程进度。这个2022年启动的国家工程，原本的目标是把东部的数据计算需求，引导到西部能源充裕、气候适宜的地区——贵州、内蒙古、甘肃、宁夏。AI爆发之后，“东数西算”突然有了一个新的使命：为中国AI训练算力建国家级的高速公路。

国家大基金二期，在2023年底低调完成了一笔投资：向长鑫存储注资超过两百亿元。长鑫是中国唯一能量产DDR4/DDR5内存芯片的公司——而HBM（高带宽内存），是AI训练芯片最关键的配套器件之一。大基金没有高调宣布这笔投资。但行业内的人都读懂了信号：国家正在为”算力自主”铺一条从芯片到算力的完整链路。

五

华为昇腾在禁令后迎来了一个没有预料到的机会。

2023年底，国内互联网公司开始大规模采购昇腾910B作为替代方案。

不是因为它比H100强——实际上，它的性能大约是H100的六成到七成。生态支持也远不如CUDA，很多开源框架在昇腾上的适配还需要手动优化。

但它有货。

阿里的通义千问团队在2023年底做了一次内部评估：切换到昇腾平台，训练效率大约下降百分之三十，但至少可以继续训练。

华为内部把那个时期叫做”最后的窗口期”。

昇腾团队在禁令生效后的三个月里，接待了超过一百家国内AI公司和研究机构的来访。每一家，问的是同一个问题：你们能供多少货？

昇腾的回答是：产能有限，先到先得。

那段时间，几乎所有头部互联网公司都派人去过华为。每个人问的都是同一件事：能供多少货？

答案通常不是他们想听的。但没有第二家供应商能给出更好的答案。

六

算力饥荒拉进来的玩家，远不止科技巨头。

小米在2023年8月发布了自研大模型MiLM，参数规模13B，直接集成进小爱同学——一个服务数亿终端用户的toC场景。和华为盘古主攻行业应用不同，小米从一开始就把AI塞进了消费者手里。雷军的逻辑不复杂：汽车要智能座舱，手机要端侧AI，IoT设备要语音交互。每一个场景都需要算力，每一个场景都在吃GPU。

而在算力之外，雷军还做了另一件事。顺为资本连续多轮投资了银河航天——中国头部的低轨宽带通信卫星公司。银河航天建成了中国首个低轨宽带通信试验星座”小蜘蛛网”，正在冲刺科创板。

这两件事放在一起，逻辑就清楚了：小米的”人车家全生态”，往下需要算力底座，往上需要卫星互联网覆盖。雷军不需要亲自造火箭，但他要确保一件事——等星座建成了，小米的终端一定是第一批接进去的。

七

算力饥荒的另一面，是电力饥荒。

2023到2026年间，全球数据中心的电力消耗年增速从百分之八跳到了百分之二十七。一个万卡集群跑满一天的耗电量，相当于一座五万人口小城的居民用电。AI对电力的吞噬速度，比历史上任何产业都快。

宁德时代看到了这件事。

2025年，宁德时代入股达卯科技——一家做能源AI调度的创业公司。达卯的算法能提前预测风光出力和算力需求，动态调节储能充放电节奏。在商汤科技上海临港智算中心里，这套系统把电力调度变成了自动化流程。

2026年，宁德时代战略入股中恒电气——国内高压直流电源领域的头部企业。加上宁德时代自身的储能电池技术，从发电到储能到输电到机柜，一条完整的AI能源链路开始成形。

宁德时代不写代码，不训练模型，不抢GPU。它只做一件事：确保那些抢GPU的人，有足够的电。

从动力电池巨头到AI基础设施的底层操盘手，这家公司往前走了一步——没有发布会，没有宣言，甚至没有几个人注意到。

全球算力市场一夜之间从”过剩”变成了”饥荒”。初创公司发现，他们连”参赛资格”都拿不到——不是因为算法不够好，而是因为买不到GPU。中国市场在禁令扩大后的第一天，发现自己站在悬崖边上：软件生态准备好了，硬件替代方案有了，但供应链的窗口正在关闭。

黄仁勋坐在圣克拉拉的办公室里，看着一长串等待H100的客户名单。窗外是五月已经入夏的加州阳光。他转过头，对助理说：

“这是我们做过的最难的一张牌。但它已经打出去了。”