塔斯娱乐资讯网

黄仁勋辞职之后,世界才明白:中美AI竞争,芯片仅是冰山一角

英伟达这次换帅,比几乎所有人预想的都快。2026年11月12日,英伟达宣布黄仁勋辞职,卸任总裁、首席执行官及董事职务,即刻生效。

执行副总裁兼首席财务官Colette Kress出任临时CEO,同时继续担任CFO。从1993年参与创办公司算起,他在这个位置上坐了33年。

黄仁勋辞职后,英伟达股价一度下跌13%至14%,市值回落至4万亿美元以下。不少人的第一反应是,英伟达没了掌舵人,美国AI会不会乱了阵脚。

可冷静下来想想,一家公司的人事变动,改变不了中美AI竞争的大格局,因为这场竞争早就不只是比谁的GPU更强了。黄仁勋自己其实早就点破过这一层。

2025年11月5日,据英国《金融时报》报道,他在"人工智能未来峰会"期间表示,得益于更低的能源成本和更宽松的法规,中国将在AI竞赛中击败美国。他还常说,算力就是电力。

这句话放到今天,分量更重了。芯片之争已经升级成一场国家层面的"算力国力战",比的是电力、算力、水资源和整套基础设施。

上海有一个很有代表性的新动向。临港外海约10公里处,一座海底数据中心已经正式投运。

它沉在海面以下约10米,由海上风电场直接供电。和传统机房相比,它能节能约20%,不用淡水冷却,也基本不占陆地。

数据中心为什么要放到海底?思路和马斯克提出的"太空数据中心"有些相似。

建数据中心,绕不开三道坎。第一道坎是电。

AI发展到最后拼的是电力和储能,这在业内几乎是共识。马斯克想去太空,是为了让太阳能板直接对着太阳;放在海底,是为了就近用上强劲的海上风电。

第二道坎是散热。陆上数据中心消耗的电力,约40%没有用在计算上,而是用在降温上。

一个机房里动辄十万块GPU同时运转,发热量非常大。太空和海底都能把这部分开销省下来。

第三道坎是淡水。陆上机房大多用淡水水冷,耗水量大,环保压力也大。

搬到海底,这个问题基本就解决了。还有一个容易被忽略的好处:离用户近。

数据传输再快也有物理上限,就是光速,每秒约3×10^8米。手机发出的请求如果要送到几千公里外的机房,算完再传回来,速度怎么也比不上城市旁边的计算中心。

上海海底数据中心建成后,整个大上海地区都能更快拿到计算结果。这种模式如果跑通,其他一线沿海城市很可能会跟进。

在这些细节上花心思,是因为AI真正落地以后,比的就是成本。中国发展AI更强调用起来、赚到钱,让AI进入各行各业的生产流程。

有数据显示,国内的Token用量已经是美国的两倍左右,背后是各行业的普遍使用。美国的AI发展则更多集中在少数头部大公司的研发上。

上海一家刚完成天使轮融资的AI创业公司,评估产品竞争力时首先看的就是算力成本,成本越低,竞争力越强。放到国家层面也是一样。

芯片性能再强,最后也要装进机房,而机房背后是发电、输电、变电、冷却、运维一整套体系。每度电的价格、每台设备的交付速度,最终都会反映在AI调用价格上。

价格低的一方能吸引更多用户,用户多了数据就多,迭代更快,成本又会继续下降。芯片这一块,中国也在提速。

据彭博社2026年6月报道,相关部门正在制定一份约2万亿元的AI算力网络蓝图,要求AI芯片、服务器等关键设备至少80%采用国产,华为、寒武纪等本土厂商都在其列。过去美国用芯片封锁中国,现在中国庞大的市场需求反过来成了国产产业链成长的土壤。

国产芯片跟不跟得上,已经能看到答案。除了华为和寒武纪,百度有昆仑芯,阿里有平头哥,世界人工智能大会的AI芯片赛道上还有不少以前很少听说的新品牌。

更关键的一步是DeepSeek V4。今年4月24日,DeepSeek V4正式发布,八款国产AI芯片在发布当天就完成了适配,模型不再被英伟达的CUDA生态绑住。

生态建设需要时间,业内估计还要两到三年。只有让模型和应用都跑在国产芯片和国产底层架构上,自主生态才能真正建立起来。

这是摆脱依赖最关键的一条路。不过,冰山水下最厚的部分还是电力。

2025年全国全社会用电量达到10.4万亿千瓦时,相当于美国全年用电量的两倍多。今年增长势头没有减弱。

1—9月,全社会用电量累计80734亿千瓦时,同比增长3.9%。其中,高技术及装备制造业用电量9619亿千瓦时,同比增长8.7%。

互联网数据服务用电量为793亿千瓦时,增速达41.6%。7、8月全社会用电量均突破万亿千瓦时,创历史新高。

这些数字说明,算力产业已经实实在在地运转起来了。美国的情况不同,它缺的不是钱,而是电和设备。

仅今年一年,Alphabet、亚马逊、Meta和微软就计划投入超过6500亿美元。但美国今年规划中的数据中心项目,近一半将面临延期或取消,关键瓶颈之一正是变压器、电源、电池等电力设备的严重短缺。

美国能源部2024年底发布的报告预计,到2028年美国数据中心年耗电量可能达到325至580太瓦时。变压器的问题更麻烦。

伍德麦肯兹估计,大型电力变压器的交付周期在2025年二季度达到128周,发电机升压变压器达到144周。今年5月,普华永道美国基建业务负责人对路透社表示,部分高容量变压器要排队四年。

相比之下,国内一台500千伏大型变压器的典型交货周期为10至14个月。钱可以很快筹到,变压器却不是砸钱就能马上造出来的。

老电网要改造,新负荷要接入,两件事挤在一起,美国的时间表只能一拖再拖。中国的底气来自很早就开始的布局。

特高压输电网络是十多年持续投入建起来的;"东数西算"工程把数据中心引向绿电充足的西部,再把算力服务送到需求旺盛的东部。有统一电网支撑,西部的风电、光伏可以稳定送到东部。

从内蒙古到北京这样的距离,数据时延只有十毫秒左右,普通人几乎感觉不到。储能是另一项硬实力。

算力使用有明显的峰谷差,削峰填谷要靠储能。截至2025年底,中国新型储能累计装机约占全球一半。

抽水蓄能电站这样的"天然大电池"和大规模锂电池储能电站,都由国家统一规划、各省推进落实。压力也确实存在。

AI快速发展的同时,新能源汽车也在普及,充换电服务业用电增速达55.4%,国家电网和南方电网的负担都不轻。低碳电力方面,核电目前在发电结构中只占约5%。

这不是技术跟不上,而是给后续增长留出了空间。钍基熔盐堆等新技术落地后,核能会逐步放量。

应用端的变化最容易看到。在上海,不少企业和博主都用字节跳动的飞书做内部管理,效率明显高于传统表格工具,岗位细分和分类也用上了AI。

凭借庞大的人口规模,国内AI应用反馈更快,落地也更快。从应用端、硬件端到实体基础设施,中美之间的差别正在一层层显现。

黄仁勋离开了,英伟达会迎来新的掌门人,股价也会找到新的位置。但中美AI竞争的胜负不取决于某一个人,也不只取决于某一款芯片。

芯片可以被卡住,电价卡不住;GPU出口可以被限制,特高压线路的铺设限制不了。谁的底座打得更牢、成本压得更低、应用推得更快,谁才能走得更远。露出水面的芯片固然显眼,但决定冰山能浮多高、撑多久的,是水下那些不起眼却实实在在的基础设施。