英伟达最近口头要求全球云服务商，提供给中国企业的算力不能超过一半，至少51%要面向非中国企业，同时还要求部分云商说明这些算力最终由谁使用。在我看来，这可能是美国进一步收紧中国企业使用海外云算力的又一个信号。对云算力管制落地的预期，已经通过英伟达对先进GPU供应、客户准入和商业合同的影响力，先行落实到了云服务商的日常经营之中。
我从2023年开始持续关注美国云算力管制政策。这几年一个很明显的变化是，美国政策研究者对这个问题的认识正在不断深化，关注点也从最初的前沿模型训练，逐渐扩大到各种形式的大规模算力使用，包括模型推理。
早期的讨论主要集中在如何防止中国企业通过海外GPU训练下一代前沿模型。一个常见的思路是以训练计算量作为管制门槛，例如10的26次方FLOPs。也就是说如果中国企业准备租用足够多的美国GPU，开展这一规模的模型训练，就应该受到限制。
但问题是云服务商未必知道客户究竟在训练什么模型，也不一定有权查看训练数据和代码。而且企业还可以把大型训练任务拆成多个小任务，分散到不同账户或云平台，降低被识别的可能性。
因此美国一些研究者提出了所谓“算力核算”（Compute Accounting）的思路：不必知道客户具体在训练什么模型，只需要监控GPU集群规模、互联带宽、累计计算量、数据进出量、客户支出，以及GPU耗电量和使用模式等多个指标。这些信息很多本来就是云商日常记录的，不需要直接查看客户的训练内容就能了解到。
这些指标也考虑到了中国企业可能采取的规避方式。比如原本需要3万张H100连续训练100天，企业可以拆成10个账户，每个账户训练10天，完成后保存模型权重，再转到下一个账户继续。如果只看单个账户的累计计算量就可能识别不出来。但如果同时监控GPU集群规模和数据进出模式，就更容易发现异常：因为这家企业通常每次仍然需要租用大型集群，而且短期账户往往伴随大量模型权重的上传和下载，同时监控这两个指标就可以堵住这种规避路径。
更值得注意的是，美国一些政策研究者开始主张把云算力管制从模型训练扩大到大规模推理。过去，美国政府主要关注如何防止中国企业利用海外先进GPU训练前沿模型，但现在有观点认为：推理同样会消耗大量先进算力，如果要限制中国企业借助美国算力提升AI能力，就不能只管训练、不管推理。如果美国只限制中国企业租用海外大型GPU集群训练模型，中国企业还是可以把推理任务转移到海外云平台，腾出国内的华为昇腾等算力用于训练。这样一来，美国虽然限制了海外训练算力，却可能间接释放出更多中国国内的训练资源，削弱管制效果。
但问题是推理比训练更加分散、更难监管。前沿模型训练一半都需要大量高速互联的GPU，但推理却可以分散在很多规模比较小的集群上。例如，一家模型企业可以通过几十个甚至上百个账户，在不同地区部署推理服务。每个账户看起来都不大，也不一定需要高速互联。
于是有研究者提出，可以重点监控同一家企业在云平台上的总支出。即使企业内部有很多账户，云商通常也会为了计费和信用管理把它们归到同一个客户主体之下。如果一家企业的累计算力支出达到一定规模，就可以触发更严格的客户身份核验，进一步查清背后的实际控制人和最终受益所有人。
这让我想到，如果美国真的把云算力管制从训练扩大到推理，会不会影响中国大模型企业正在探索的Token Factory模式？
所谓Token Factory模式，简单来说就是中国大模型企业把模型授权给AWS、Google Cloud或其他美国云平台，由这些平台在自己的数据中心部署模型，向美国企业和开发者提供API服务，负责客户管理、计费和技术运维，再根据协议向中国企业支付模型授权费或收入分成。
这种模式最大的特点是：中国模型企业卖的是模型能力，而不是自己直接向美国云商租用GPU算力。 美国云商负责实际的推理计算，客户的数据、Prompt和模型输出可以全部保留在美国云环境中，不需要传回中国，也不必向中国模型厂商开放。
这种安排对各方都有吸引力。对中国模型企业来说，可以利用美国先进GPU和成熟的企业客户渠道，把模型能力变成商业收入，而不必自己承担大规模海外推理基础设施的建设和运营成本。对美国云商来说，则可以增加模型选择，吸引更多开发者和企业客户，销售更多Token，提高GPU利用率，并从里面获得推理服务收入。对美国企业客户来说，可以通过熟悉的美国云平台使用中国模型，同时降低数据直接传给中国模型厂商的安全顾虑。
但从美国监管角度看，这种模式也带来了新的问题：即使中国企业没有直接租用美国GPU，仍然可能通过模型授权和收入分成，从美国先进算力提供的推理服务中获得商业收益。
所以最近一些美国政策研究者开始主张，未来限制中国企业远程获取AI算力，应当把训练和推理活动一起限制，不能只盯着传统的GPU租赁合同和模型训练活动，还应考虑模型授权、托管推理和收入分成这类安排。这些观点认为，如果把GPU集群规模、累计算力、数据进出量、客户支出、耗电量和硬件使用模式这几个指标结合起来去作为确定管制阈值，可能会比较有效地把管制从大规模训练延伸到大规模推理。
但在Token Factory场景下，中国企业只提供模型权重或许可，由美国云商独立运营并向自己的客户提供推理服务，模型开发商不仅完全没有对美国云服务商的裸机访问权限，一般来说也不会获得算力使用权。要禁止这类交易，美国政府可能需要采用不同于传统远程访问管制的法律设计。
美国国会此前试图通过《远程访问安全法案》（RASA）解决云算力“漏洞”，具体参见：“白宫要放H200，国会要管制云”。参众两院的立法提案目前都卡在了参议院银行委员会，迟迟没有新的实质进展。RASA也曾被提出作为2027财年《国防授权法》（NDAA）的修正案，试图搭上年底国防立法的便车。但目前相关条款还没有进入最终妥协文本，本届国会应该没戏了。
但对RASA的集中关注，往往让人忽略了一个重要事实：即使RASA最终没有通过，美国政府也不一定非要等国会立法，才能对中国企业远程使用美国先进算力采取限制措施。
在BIS现有的法律权限中，至少还有几条可以尝试的路径，只不过其适用范围和法律障碍各不相同。
路径一：通过芯片出口许可证附加条件。
假设一家新加坡云计算公司准备向美国采购10万张先进GPU，再把算力出租给中国AI企业。BIS可以考虑在芯片出口许可证中附加条件，要求云商核实最终客户身份，并限制特定中国企业远程使用这些芯片。这样，BIS不需要直接把云服务列入管制范围，而是通过控制芯片出口间接约束这些芯片部署后的使用方式。这种办法的缺陷也很明显：它主要适用于未来出口的芯片。对于已经合法出口、部署在海外数据中心的GPU，事后追加限制要困难得多。参见：“美国禁止中企远程访问GPU的最新消息”。
路径二：利用《国际紧急经济权力法》（IEEPA）限制美国云服务商向特定外国客户提供算力服务。
例如，AWS、Google Cloud或Oracle向中国企业提供先进GPU算力时，可能被要求KYC（核实客户身份、报告特定训练活动），或者在符合新规则的情况下限制服务。2024年拜登政府的AI扩散框架已经提出过类似思路。《国防生产法》（DPA）第705条也赋予美国政府在法定范围内要求企业提供报告和记录的权限。BIS可以考虑利用这项权限，先要求美国云商交代有多少先进AI算力租给了中国客户，为下一步监管摸清底数。
路径三：限制模型权重的跨境转移。
中国模型企业通过美国云服务商训练一个前沿模型，美国政府可能尝试要求模型权重向中国境内转移时取得出口许可证。有的研究还提出，可以把境外使用美国GPU训练出来的模型权重直接规定为美国技术的外国直接产品，从而使用外国直接产品规则（FDP）。2025年拜登政府的AI扩散框架，也提出过对达到一定阈值的前沿闭源模型跨境转移的管制。
如果美国下一步考虑将云算力管制从训练扩大到推理，我认为路径二的IEEPA是美国政府可能会考虑的潜在法律路径。相比通过芯片出口许可证约束海外数据中心，IEEPA可能为美国政府限制本国云服务商向特定中国客户提供算力服务提供法律依据，也更便于从服务交易层面覆盖分散的大规模推理活动。不过，这一权限能否适用、能够覆盖哪些交易，仍然取决于相关国家紧急状态授权、具体规则设计及法律解释。相比之下，路径一的芯片出口许可证条件主要适用于未来出口到第三国的受控GPU，而路径二的模型权重管制则更多涉及特定模型权重的跨境转移，两者对大规模推理服务的约束都相对过于间接。
插一句题外话，根据我国商务部2026年10月16日第48号公告，以及商务部新闻发言人的官方解释，向美国云商交付和授权使用尚未公开、且属于列管范围的模型，目前也可能需要先行登记；新目录正式实施后，则可能需要申请出口许可。所以，有一定几率出现Token Factory模式同时受到中美法律限制而无法继续开展的情况。
按照以往的经验，9月中美重大会晤后，到APEC前后，双方关系可能还会出现一些波折。从最近的情况看，美方一边继续与中国谈判，一边又在科技、投资和供应链等领域推进新的限制措施。如果特朗普政府确实打算在今年年底前收紧中国企业通过海外云服务获取先进AI算力的渠道，那么接下来有两个时间窗口值得关注：一是11月18日深圳APEC峰会之前的两周，二是11月19日APEC结束后至12月14日迈阿密G20峰会之前。这两个阶段既是中美外交的重要节点，也可能成为美方出台新限制措施的时间窗口。
美国的一份研究报告估计，到2026年底，中国企业通过海外数据中心可以远程使用的算力，相当于大约110万张英伟达H100等效算力，到2027年底可能增加到280万，其中七成左右集中在东南亚。到2027年底，中国能够使用的AI算力总规模预计相当于约900万张H100，海外远程算力在其中占比约三成。由于很多算力租赁合同并不公开，而且部分数字来自对数据中心容量和芯片配置的推算，实际规模和占比可能比现有数字还要大。云算力管制如果最终落地，对我国AI算力供应的影响将是显著的，审慎研判并做好应对准备，具有紧迫性和重要性。
