编者按
过去三年,美国对华AI芯片管制的主战场一直是“硬件”——谁能买到英伟达的GPU,谁就拥有训练大模型的入场券。但当算力变成一种可以跨境交付的服务,海关与实体清单就失去了抓手。Ars Technica报道的这项新动向,标志着管制逻辑正从“管货物”转向“管访问”,而这恰恰是出口管制体系最难执行、也最容易引发争议的地带。
从卖芯片到卖算力:漏洞在哪里
据Ars Technica记者Ashley Belanger报道,美国政府正推进新措施,意在限制中国通过远程方式访问美国AI芯片。所谓“远程访问”,指的是中国企业、高校与研究机构不直接采购受管制的加速卡,而是通过美国或其他地区的云服务商租用GPU实例,或在境外数据中心调用算力来完成模型训练与推理。
这种模式在技术上与本地采购几乎等效:训练一个大模型需要成千上万张加速卡协同工作数周,而云端的弹性算力恰好能满足这种突发性、大规模的需求。对于被实体清单挡在门外的中国AI公司而言,海外云平台长期被视为一条现实的“旁路”。
华盛顿的担忧也正在于此。如果最先进的算力可以像水电一样跨境输送,那么针对芯片本身的出口管制就被绕开了——被限制的不是能力,而只是能力的交付形式。
新规想管住什么
从公开信息看,这一轮措施的核心思路是:把“提供算力访问权”本身纳入管制范围,要求云服务商在向特定地区的客户开放高端AI算力前进行身份核验、用途审查乃至申请许可。这意味着管制对象从芯片制造商延伸到云计算产业链——包括超大规模云厂商、算力租赁平台,以及在境外运营数据中心的第三方服务商。
执行层面将涉及一系列技术手段:账户实名与地理位置校验、对大规模训练任务的流量特征识别、对模型权重的传输限制,以及对“转租转售”链条的穿透式审查。这类要求对云厂商的合规团队提出了远高于以往的门槛。
“特朗普政府押注:中国不会在意美国切断AI芯片的远程访问。”——Ars Technica
为什么说这是一场赌局
报道用“bet”一词形容这一政策背后的判断,颇具意味。它的潜台词是:美方认为远程算力并非中国AI产业的命脉,切断它带来的冲击可控,因而北京的反应也会相对克制。
这一判断有现实依据。近年来,中国头部AI企业在国产加速卡上的投入显著增加,华为昇腾、寒武纪等平台在推理场景中的份额持续上升;同时,通过模型架构优化、混合精度训练与蒸馏技术,单位算力所能产出的模型能力也在提高。换言之,算力的“绝对数量”不再是唯一变量。
但赌局的另一面同样清晰:在万亿参数级前沿模型的训练上,国产硬件在互联带宽、软件生态与稳定性方面仍有差距,海外云算力在短期内难以完全替代。若新规严格执行,最先受到冲击的可能不是巨头,而是那些既拿不到国产卡配额、又依赖海外云平台的中小AI团队与学术机构。
产业链的连锁反应
对云服务商而言,这是一道两难选择题:严格执行身份与用途审查,意味着放弃一部分增长最快的客户群体;执行不力,则可能面临巨额罚款与牌照风险。对芯片厂商而言,云端需求的收缩会间接影响其数据中心业务的增速预期——尽管这部分收入在总盘子中占比有限。
更深远的影响在于全球算力版图的重构。若“算力访问权”成为可被武器化的管制工具,各国推动本地化算力基础设施的动力将进一步增强,围绕数据中心、电力与先进封装的投资竞赛也会随之升温。对产业链上下游来说,这既是成本,也是机会。
执行难题才刚刚开始
与实体芯片不同,算力访问具有极强的流动性与隐蔽性:一个账户可以在几分钟内完成注册,一次任务可以拆分到多个司法辖区并行执行,模型权重可以通过网络传输而非物理载体跨境。要真正堵住这些路径,需要的不仅是法规,还有持续演进的检测能力与国际协作机制。
历史经验表明,出口管制的效力往往取决于盟友的配合程度。若主要云计算枢纽所在国家不跟进类似的访问限制,新规的实际效果会被显著稀释。这也解释了为何相关政策的落地节奏与细则,比政策宣示本身更值得关注。
可以确定的是,AI竞争的重点正在从“谁拥有更多芯片”,转向“谁能以何种方式获得算力”。当管制的手伸向云端,规则的重写才刚刚开始。
本文编译自Ars Technica
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接