
“`html
AI技術在全球範圍內持續升溫,尤其是在大語言模型領域。然而,高速發展的背後,卻隱藏著一個嚴峻的挑戰:GPU(圖形處理器)的供應短缺。這不僅影響了AI模型的訓練進程,也直接關係到相關產品的推出時間。本文將深入探討GPU短缺對中國AI產業,特別是下一代大語言模型的潛在影響,並分析中國車用晶片國產化的趨勢與挑戰。
GPU短缺的嚴峻現實與對AI發展的限制
摩根士丹利(大摩)的最新報告指出,中國市場對於AI應用和推理的需求非常強勁,遠遠超過了目前GPU的供應能力。這種供需失衡直接導致了AI模型訓練所需的硬體資源受限,進而影響了模型開發的進度和效率。
由於訓練用GPU容量有限,大摩預估,中國下一代大型語言模型(例如DeepSeek R2)的推出時間可能因此延後。這對於那些期望在AI領域快速發展的企業來說,無疑是一個令人沮喪的消息。
雖然NVIDIA預計將推出B30晶片,但其對中國的出口存在不確定性。如果B30無法進入中國市場,部分AI開發者可能會考慮轉向使用華為昇騰910C晶片。然而,目前尚未看到華為昇騰910C晶片的實際大規模銷售。
中國雲端服務商(CSP)也在積極開發自研的ASIC晶片,但這些晶片目前主要用於支援推論運算,部分仍需委託台積電生產。這表明中國在高端AI晶片領域仍然依賴外部供應。
中國車用晶片國產化的雄心壯志與現實考量
中國車廠正積極推動車用晶片的國產化進程,目標在2027年實現100%國產化。然而,要達成這個目標,仍然面臨許多挑戰。
相關實例
上汽、長安、長城、比亞迪、理想與吉利等中國車廠,正計畫在2027年實現車用晶片100%國產化,部分品牌甚至預期最快在2026年進入量產階段。
大摩認為,在2024年中國車用晶片的自給率僅為15%的情況下,要在2027年實現100%自給率的可能性不高。
優勢和劣勢的影響分析
降低對外部供應鏈的依賴,提升供應鏈安全,降低成本。
技術成熟度可能不如國際大廠,初期可能影響車輛性能與可靠性。
深入分析前景與未來動向
相關連結:
Share this content: