2185EFLOPS衝刺 中國AI晶片自主2028年迎關鍵考驗

中國以2185EFLOPS的智算規模與國產人工智慧（AI）晶片訓練大模型的實例作為籌碼，全力推進2028年AI基礎設施自主目標。雖然已出現以國產硬體訓練大型模型的案例，但要說頂尖模型已全面擺脫對輝達(NVDA)的依賴，恐怕還言之過早。

中國工業和資訊化部27日公布，截至6月底，全國智算規模達到2185EFLOPS，已建成70多個算力調度通道，AI核心標準也累計訂定近200項。

EFLOPS是指每秒可執行百京次浮點運算的算力單位。AI模型訓練與推論還需要圖形處理器（GPU）、高速網路、資料中心電力與軟體框架相互配合，因此單一晶片效能並不能完全代表整體競爭力。

中國同時宣布，將在「十五五」規劃期間扶持高階訓練晶片、多模態演算法、世界模型與人形機器人等領域。這意味著北京不只把AI視為模型效能的競賽，而是晶片、資料中心、電力與軟體整合而成的產業基礎建設戰。

彭博（Bloomberg）報導指出，中國正研議在未來5年投入約2兆元人民幣、約2950億美元，打造全國性AI資料中心網路。方案內容包括將國產供應商採購比例至少提高至80%，並訂出至2028年建成互聯運算網格的時間表。

不過，這項計畫目前仍處於初期討論階段，尚未定案。消息指出，藍圖將由中國國家發展和改革委員會主導，中國移動與中國電信可能負責主要營運，但具體架構與預算執行方式仍可能調整。

已有公開案例佐證這個方向。Z.ai於1月13日發布GLM-Image模型時表示，從資料前處理到大規模訓練的整個流程，都是在Ascend Atlas 800T A2晶片與MindSpore AI框架上完成。

美團(3690.HK)也在6月30日公布LongCat-2.0模型，說明這款1.6兆參數模型是在約5萬卡規模的國產運算叢集上完成訓練與推論。這個案例顯示，中國國產晶片不只能用於推論，也開始被用在大型模型的訓練階段。

不過，要說這代表中國頂尖AI模型已全面國產化，恐怕仍嫌太早。《南華早報》（South China Morning Post）報導稱，中國不少領先的AI模型目前仍是以輝達(NVDA)晶片訓練而成。

《南華早報》同時指出，若要轉換到華為(Huawei) Ascend平台，開發團隊必須重寫以CUDA為基礎的程式碼，時間與成本恐增加50%以上。換句話說，除了取得國產晶片本身之外，開發生態系、編譯器與效能最佳化都可能成為瓶頸。

華為2025年公布的產品路線圖顯示，Ascend 950系列預計2026年推出，Ascend 960規劃於2027年問世，Ascend 970則預定2028年上市。這份時程顯示，中國在AI硬體自主上的布局，已經延伸到具體的產品規劃與供應鏈安排。

美國的出口管制政策，也是推動中國加速國產化的背景因素之一。本媒體先前報導，中國高階AI晶片市場的實際供應比重，會隨美國出口管制執行力度、中國當局審批，以及晶圓、高頻寬記憶體（HBM）採購狀況而變動。

對台灣讀者而言，這股趨勢也牽動半導體與AI基礎設施布局。中國擴大採購國產零組件，可能為台灣的記憶體、設備與電力基礎設施產業同時帶來機會與壓力。

就加密貨幣市場而言，目前尚未觀察到與這起事件直接連動的交易所、代幣或鏈上指標變化。不過，在美國對前沿AI模型的事前審查爭議持續延燒之際，中國正試圖以國產晶片與運算基礎設施走出另一條路。

接下來的關鍵在於，國產晶片量產、軟體生態轉移與大規模叢集運作，能否在2028年前如期銜接。目前可以確認的是政府擴充基礎設施的方向，以及部分以國產晶片完成訓練的案例；至於全國性互聯運算網格與80%國產採購目標，仍停留在報導與規劃階段，尚未定案。