DeepSeek 創辦人稱 NVIDIA「自掘墳墓」？華為晶片、CUDA 護城河與中國 AI 算力真相
DeepSeek 創辦人梁文鋒被轉述稱 NVIDIA 正在「自掘墳墓」。這是否代表華為已取代 GB300？本文從來源可信度、晶片效能與 CUDA 生態拆解真相。
一份據稱來自 DeepSeek 創辦人梁文鋒閉門會的轉寫稿，最近在科技圈快速流傳。最受注意的一句話是：NVIDIA 正在「自掘墳墓」，而華為昇騰 950 超節點已能在效能與價格上替代 NVIDIA GB200、GB300。
這個說法很有話題性，但不能直接解讀成「華為已經擊敗 NVIDIA」。截至 2026 年 7 月 27 日，DeepSeek 尚未正式確認這份轉寫稿，原始錄音也沒有公開。更重要的是，稿內的「四顆華為晶片等於一顆 NVIDIA 晶片」沒有交代比較型號、工作負載、耗電量與測試方法，不能當成完整的效能結論。
真正值得注意的，不是哪一家晶片已經贏了，而是美國出口限制正在迫使中國 AI 公司投入原本不願承擔的遷移成本。這會削弱 NVIDIA 在中國市場的生態黏著度，但距離 CUDA 的全球護城河瓦解，仍有一段很長的路。
這份 DeepSeek 閉門會轉寫稿可信嗎？
這場投資者閉門會在 2026 年 5 月舉行，全程約 3 小時 44 分鐘。該媒體表示，已向參與投資 DeepSeek 的機構核實，會議與內容可信，但 DeepSeek 並未回覆採訪。
問題在於，網路流傳的 42 頁文件並不是官方逐字稿。盒飯財經對文件的查核指出，稿件註明由語音辨識自動轉寫，再經 AI 整理，沒有區分說話人，個別術語與數字可能出錯。公開網路上也找不到原始音檔。
因此，這份材料可以用來理解 DeepSeek 的策略方向，卻不適合把每一句話都當成精準、可驗證的公司公告。以下涉及梁文鋒的說法，都是針對「流傳轉寫稿」進行分析，而不是認定 DeepSeek 已正式背書。
「NVIDIA 自掘墳墓」究竟在說什麼？
梁文鋒的論點不是 NVIDIA 晶片突然失去競爭力，而是出口限制改變了中國企業的選擇。
如果中國公司能自由購買 NVIDIA 晶片，繼續使用熟悉的 CUDA 工具、函式庫與伺服器系統，通常比遷移到新平台更省事。國產晶片即使價格較低，也很難說服企業重寫程式、重新驗證模型，還要承擔系統不穩定的風險。
但當最先進的 NVIDIA 產品受到出口許可限制，企業就不能只比較「哪一張卡比較快」。即使替代方案需要更多晶片、更多工程時間，只要能穩定取得，就有理由投入。
這才是「自掘墳墓」背後的商業邏輯：限制銷售本來想壓低中國取得先進算力的速度，卻也替華為、Alibaba、Baidu 等本土晶片提供了最難得的導入機會。客戶一旦完成遷移，未來即使 NVIDIA 產品重新開放，也未必會把所有工作負載搬回去。
這個判斷對 NVIDIA 在中國市場偏空，對中國國產替代偏多，但它說的是採用動機，不是技術已經全面超車。
華為昇騰 950 真的能取代 NVIDIA GB200、GB300 嗎？
轉寫稿中最容易被誤讀的，是「四顆華為晶片等於一顆 NVIDIA 晶片」與「華為 950 超節點可完全替代 GB200、GB300」兩個說法。
問題是，AI 算力不能只用晶片顆數比較。至少還要知道：
| 比較項目 | 為什麼重要 |
|---|---|
| 工作負載 | 模型訓練、批次推論與即時推論需要的硬體特性不同 |
| 數值精度 | FP4、FP8、BF16 等格式的速度與模型品質不能直接混用 |
| 記憶體與頻寬 | 大型模型能否放入記憶體，以及晶片間搬移資料的速度，會影響實際吞吐量 |
| 能耗與散熱 | 四顆晶片若耗電與機房空間大幅增加，總成本可能不划算 |
| 軟體最佳化 | 同一套硬體經過編譯器與核心函式庫最佳化後，效能可能相差數倍 |
| 叢集穩定度 | 萬卡訓練需要處理通訊、故障恢復與長時間穩定運行，不是單卡跑分 |
華為官方資料顯示，Atlas 950 SuperPoD 以 UnifiedBus 互連，架構最多可連接 8,192 顆 NPU；華為也在 2026 年 7 月的 WAIC 展示 1,024 卡真機叢集。這證明它不是停留在簡報上的概念產品。
另一方面，NVIDIA GB300 NVL72是一套機櫃級系統，單櫃整合 72 顆 Blackwell Ultra GPU、36 顆 Grace CPU，並以 NVLink 提供 130 TB/s 的總頻寬。NVIDIA 賣的不是單一 GPU，而是晶片、網路、軟體與管理工具整合後的 AI 工廠。
現有公開資訊可以支持「Atlas 950 已成為可部署的替代選項」，卻不足以支持「同等成本、功耗與穩定度下全面追平 GB300」。我的判斷是，華為在中國市場已經跨過「能不能用」的門檻，下一關才是證明「是否更划算」。
CUDA 護城河為什麼比晶片規格更難取代？
CUDA 是 NVIDIA 的平行運算平台。白話來說，它讓開發者能使用 NVIDIA GPU 執行 AI、科學運算與影像處理，並提供編譯器、函式庫、除錯工具與效能最佳化工具。
一家 AI 公司選擇 NVIDIA，通常不是只買晶片。工程團隊還會依賴 CUDA、cuDNN、NCCL，以及 PyTorch 等框架對 NVIDIA 的成熟支援。模型訓練失敗時，也需要文件、監控、除錯與大量既有經驗。這些累積不會因競爭對手推出一顆規格接近的晶片就消失。
但 CUDA 的護城河也不是完全不可動搖。華為已開源部分 CANN 軟體堆疊，並支援 PyTorch、vLLM 與 TileLang 等工具。TileLang 是一種用來撰寫高效能運算核心的程式語言，可把上層模型運算轉換成不同加速器能執行的程式。工具越成熟，開發者直接接觸底層硬體差異的機會就越少，遷移成本也會下降。
AI 本身還可能加速這個過程。程式代理能協助修改與測試核心程式，讓企業移植 CUDA 工作負載時，不必完全依賴人工逐行改寫。
不過，「可以移植」不等於「生產環境同樣成熟」。真正的測試是：同一個大型模型在連續數週運行後，吞吐量、延遲、耗電、故障率與工程維護時間能否接近 NVIDIA。這些資料目前仍不足，因此我不認為 CUDA 的全球護城河已經快速瓦解。
DeepSeek 真正承認的差距，其實是算力資源
如果只截取「NVIDIA 自掘墳墓」，很容易把這場談話看成中國晶片勝利宣言。但同一份轉寫稿也承認，中國與美國 AI 的主要差距仍是可用算力。
梁文鋒被轉述稱，DeepSeek 與美國前沿公司的模型差距約為 12 至 18 個月，希望以對方一小部分的算力，把差距壓縮到 6 個月甚至 3 個月。他也把人才與應用差距，部分歸因於研究團隊能取得的運算資源不同：算力較少，就沒有足夠機會執行大量實驗。
這個說法更接近 DeepSeek 的核心策略。它不是假設國產晶片已經與 NVIDIA 同級，而是透過模型架構、低精度訓練、專用運算核心與開放權重，盡量提高每單位算力產出的模型能力。
效率可以縮小差距，卻不能無限取代規模。當競爭進入更大型模型、長時間研究實驗與大量使用者推論時，可取得的晶片數量、記憶體、電力與資料中心仍然重要。因此，DeepSeek 的成績同時證明兩件事：演算法效率確實能改寫成本，但先進算力仍是公司最想突破的限制。
DeepSeek 自研晶片，對 NVIDIA 與華為代表什麼？
Reuters 於 2026 年 7 月報導，DeepSeek 正在規劃自研 AI 晶片，初期聚焦推論，也就是讓訓練完成的模型實際產生回答。報導指出，專案仍在早期階段，DeepSeek 尚未正式回應。
如果消息屬實，這不代表 DeepSeek 很快就能製造出與 GB300 正面競爭的晶片。自研晶片還要面對設計、晶圓製造、先進封裝、高頻寬記憶體與軟體工具等限制。
它更像是一種垂直整合：DeepSeek 最了解自己的模型架構與推論流量，可以針對固定工作負載設計更精簡的晶片，降低每次回答的成本。Google TPU、Amazon Trainium 與 Meta 自研加速器採取的也是類似方向。
對 NVIDIA 而言，風險不是明天失去全球 AI 晶片市場，而是大型客戶逐步把穩定、規模大的工作負載搬到自研或國產晶片，只把最複雜、最前沿的任務留給 NVIDIA。對華為而言，DeepSeek 自研晶片既可能是合作，也可能成為推論市場的新競爭者。
這件事對 NVIDIA 的實際影響有多大？
我對 NVIDIA 的全球護城河仍維持中性偏多，對它在中國市場的長期黏著度則偏空。
理由有兩個。第一，出口限制替國產替代創造了需求。企業只要被迫完成一次遷移，華為 CANN、TileLang 與本地供應鏈就會得到更多真實工作負載、錯誤回報與工程人才，生態成熟速度自然加快。
第二，NVIDIA 仍掌握完整系統優勢。GB300 的競爭力不只來自單顆 GPU，還包括 NVLink、網路設備、函式庫、模型最佳化與資料中心管理。要在全球市場取代這套組合，比做出一顆可以執行相同模型的晶片困難得多。
最可能改變這個判斷的證據，不是另一句創辦人金句，而是公開、可重現的部署數據。如果 Atlas 950 能在 DeepSeek 等大型模型上，以接近的成本、功耗與穩定度完成訓練及推論，並能大規模交付，NVIDIA 的護城河就會從「全球標準」逐步變成「特定市場的高階選項」。
在這些證據出現以前，把事件解讀為中國替代進程加速，比宣告 NVIDIA 已被取代更接近現實。
FAQ
DeepSeek 創辦人真的說 NVIDIA 正在「自掘墳墓」嗎？
這句話出現在多家媒體引用的閉門會轉寫稿，但 DeepSeek 尚未正式確認，原始錄音也未公開。可以把它視為具有一定媒體核實基礎的轉述，不宜當成公司正式聲明。
四顆華為晶片真的等於一顆 NVIDIA 晶片嗎？
目前無法驗證。轉寫稿沒有說明兩邊的確切型號、工作負載、精度、功耗與成本，也沒有交代比較的是單晶片、伺服器還是整套超節點。缺少這些條件，四對一只能是方向性說法。
華為 Atlas 950 SuperPoD 已經上市了嗎？
華為已在 2026 年公開 Atlas 950 SuperPoD，並展示 1,024 卡真機叢集。這代表產品已進入實體部署階段，但大規模交付量、第三方效能與長時間運行穩定度仍需要更多公開資料。
CUDA 會被中國 AI 晶片取代嗎？
中國市場會逐步形成 CUDA 以外的工具與生態，但短期內很難在全球完全取代 CUDA。NVIDIA 累積多年的函式庫、開發者、框架最佳化與資料中心工具，仍是競爭者必須跨越的門檻。
DeepSeek 自研晶片會威脅 NVIDIA 嗎？
短期威脅有限，因為晶片設計到穩定量產需要很長時間。較實際的影響是 DeepSeek 可能把大量推論工作搬到自研或國產晶片，逐步降低對 NVIDIA 與華為單一供應商的依賴。
結論：出口限制正在改變生態，但還沒有改寫勝負
「NVIDIA 自掘墳墓」最有價值的地方，不是它預告 NVIDIA 即將失敗，而是點出出口管制的反作用力：當中國公司無法自由選擇最成熟的硬體，就會把資金、人才與真實業務投入替代生態。
這對 NVIDIA 的中國業務是長期風險，對華為與中國 AI 晶片是難得的成長窗口。但從可部署，到同等成本，再到全球生態，仍是三個不同階段。Atlas 950 已讓「能不能用」有了更明確答案；「是否更划算」與「能否取代 CUDA」，還需要真實數據證明。
現階段最合理的結論是：中國 AI 晶片替代正在加速，NVIDIA 的中國護城河確實被削弱，但它的全球硬體與軟體優勢尚未被推翻。
