黄仁勋辞职与中国大模型困境

本文来自微信公众号：嬉笑创客，作者：CB

在所有人目光都放在黄仁勋戏剧性的大瓜之时，中国模型乃至整个AI产业正在迎来自己的至暗时刻。

2026年11月12日，黄仁勋突然辞职。

这位执掌英伟达33年、几乎成为全球AI革命代言人的人物，在一连串私人关系及国家安全争议之后，黯然离开了自己创办的公司。在主动请辞的最后时刻里，濒临崩溃的他说出了I am a piece of s***这样的惨痛之语。

中国AI产业可能失去的，远不止一个愿意卖芯片给中国，和我们相对友善的朋友。

黄仁勋始终是美国对华芯片限制最有影响力的反对者之一。他反复警告华盛顿，限制英伟达进入中国，只会帮助中国建立自己的计算生态。作为生意人，他希望英伟达继续控制中国市场。但国家安全政策从来不需要完全服从商业逻辑。

黄仁勋的离开，恰好发生在美国民主党在中期选举大获全胜之际。但风云诡谲的过程显示，这更是一场特朗普身边、共和党内部对华鹰派在中期败选之际借手民主党媒体发起的一场清君侧，企图剪除企业家对特朗普私人直接影响力。

我们自上一轮贸易战开始就知道，一个会讨价还价、能交易、谈利益的话事人，比嘴上全是主义、对华更不留谈判余地的精英团体更难缠。而接下来2年里，我们可能都要直面后者。

这也是对华AI限制从芯片向全球算力、模型技术及供应链全面扩展的敏感时刻。

先进芯片越来越难买，海外GPU租赁受到审查，OpenAI和Anthropic加强反蒸馏，默许的漏洞要被彻底堵上并被政治化，连中国已经打进美国AI产业链的光模块也被针对性监控。

美国正在试图封堵中国AI追赶过程中几乎所有重要的外部途径。

而更糟糕的是，就算中国企业克服重重阻力，成功训练出一个不错的模型，国内市场也未必愿意或能够为它支付足够的价格。根据Epoch AI的估计，中国六家头部AI企业的年化收入加起来，只有OpenAI和Anthropic两家合计的十分之一。豆包已经有4.19亿月活用户，但根据《晚点LatePost》披露的数据，2026年上半年App每日收入不足百万。腾讯研究院的一项调查显示，国内AI用户中，曾经付费的比例只有9.8%。我们举世独特的信息社会进入方式，让我们在广告、购物、直播、短剧上超常发挥，却在生产力信息化上遥遥落后。

中国有9亿多网购用户、6亿多微短剧用户，但美国软件支出却是中国的近六倍。我们从来不缺数字用户，缺的是能够让用户和企业持续掏钱的生产力软件市场。

外部封锁正在遭遇内部商业化困境。一边是越来越高的追赶成本，另一边是越来越激烈的价格竞争。与此同时，美国通用大模型的技术进步，正在击穿具身智能、机器人大脑这样的垂直模型，甚至可能让中国一批刚刚获得巨额融资的AI创业公司失去存在的理由。

几股力量相互叠加，国产大模型，乃至中国的AI产业正在经历一场至暗时刻。

一、买不到芯片，也越来越租不到算力

11月13日，路透社发布一项调查。记者查阅超过150份中国政府采购、项目投资、建设合同及企业披露文件，识别出合计规划及合同金额超过230亿元人民币、涉及英伟达H100、H200、H800等受限芯片的中国算力项目。

福建仙游一个总投资62亿元的智算中心招商项目，明确提出服务器采用H100；国机集团披露的陕西长安智算中心项目，明确提及H100、H200；甘肃景泰一个已完成EPC工程招标的项目，甚至规划使用约3,072张H100/H200芯片。

在美国先进芯片出口管制已经实施数年的情况下，中国部分算力项目仍然把难以稳定获得的英伟达芯片写入投资规划。一旦芯片最终无法到货，工程建设、融资安排和技术路线都可能被迫重新调整。

过去所有人都说有办法搞到卡，也默认能点亮数据中心，或许只是因为对面没有真的下狠手，也因为有黄仁勋这样的友善力量和东南亚的倒手网络。

过去，买不到芯片还有一条替代道路：直接去海外租。

中国企业可以在新加坡、马来西亚、中东或欧洲租赁数据中心，让英伟达GPU留在境外，远程获取训练算力。英伟达继续卖芯片，Oracle等云服务商继续出租算力，中国模型公司也能维持研发。

但这条路也正在受到威胁。

11月4日，《金融时报》报道称，Oracle在美国政府施压后，取消了与腾讯一项预计价值70亿美元、为期五年的海外算力租赁合作，原计划通过东南亚数据中心提供约10万颗先进AI芯片的计算能力。

真正有制度性意义的，是美国《远程访问安全法案》（RASA）。

今年1月12日，这项法案在众议院以369票赞成、22票反对获得通过。其核心思路是将出口管制从芯片的物理转移延伸到远程使用：如果中国企业不能进口某些先进GPU，为什么可以把GPU放在第三国，然后通过网络使用？

11月11日，《The Information》进一步报道，美国商务部正在制定相关规则，可能将马来西亚、新加坡、泰国、印尼、巴西、挪威和南非纳入更严格的先进芯片出口及远程访问监管体系。

马来西亚自己也开始行动。

11月12日，马来西亚投资、贸易及工业部长表示，该国计划立法要求数据中心披露运营商身份、设施位置、用电情况以及进口GPU数量。11月13日，马来西亚又启动对Speedmatrix相关芯片是否违规再出口的调查。此前，该国已经从2025年7月开始，对高性能美国AI芯片的再出口、转运和过境实施许可要求。

过去美国主要盯着GPU运往哪里，现在开始盯GPU最终由谁使用。即使芯片始终没有进入中国，只要最终计算能力提供给受限制的主体，也可能面临许可要求。

而如果中国决定不再依赖英伟达，全面转向国产算力，美国还有下一道防线。

今年4月提出的MATCH Act，试图联合荷兰、日本等盟友，进一步限制中国获取先进半导体制造设备、关键零部件和相关技术服务。法案已在众议院外交事务委员会获得通过，但尚未完成立法。

其打击对象是中国未来能够自己生产多少先进芯片。

买不到英伟达，可以转向华为。但如果连制造国产先进GPU所需要的部分关键设备和技术服务都受到更严格的限制，中国就必须投入更长时间和更多资本，建设完整的自主半导体制造体系。

从芯片进口、海外租赁，到国产芯片的生产设备，美国正在尝试把中国获取先进算力的几条道路同时收紧。

二、学不到了：反蒸馏之后，成本暴涨，但资本市场不买账了

算力不足，中国模型企业过去还有另一条颇具效率的追赶道路：蒸馏。

美国前沿实验室投入巨额资本，训练模型、探索技术路线、积累高质量数据。中国企业则可以通过学习先进模型的输出、反馈和推理模式，以相对有限的算力迅速缩小技术差距。

中国模型近年来的进步当然还有自主预训练、模型架构、工程优化和强化学习的贡献，但蒸馏所带来的研发效率优势，无法忽视。

如今，美国的模型公司正在加强防御。

今年4月23日，白宫发布针对对抗性模型蒸馏的国家安全科技备忘录。9月，Anthropic发布报告，指控多家中国AI实验室通过大量账户获取Claude的模型能力。OpenAI也公布了针对未经授权提取模型能力的技术反制措施。反蒸馏正在从商业规则演变为系统性技术防御和政府政策问题。

10月11日的一份中国大模型产业讨论纪要中，部分买方和产业参与者估计，直接蒸馏的成本可能上升5—10倍，极端情况下达到20倍。

如果不能方便地学习前沿模型，中国企业就需要承担更多自主训练成本。

过去可以直接从前沿模型获取高质量训练信号，现在可能需要自己去寻找、生产和验证这些数据。

普通互联网文本毕竟有限。下一代模型竞争正在进入Coding Agent、复杂任务规划、AI for Science、空间理解和机器人领域。

这些场景对数据提出了完全不同的要求。

软件Agent需要真实任务执行轨迹和可靠的结果验证。科学研究需要专业人员、实验设备和有效的反馈。机器人则需要复杂物理环境中的动作数据、接触反馈、失败案例和大量实验。需要企业花钱、花时间，甚至投入真实的物理设备去获得。

而且，数据采集和实验验证不像购买GPU那样，付钱之后就能相对确定地得到计算能力。很多实验可能最终证明无效，许多训练方向可能需要反复试错。

美国前沿实验室已经付出过的一部分探索成本，中国企业可能不得不重新承担。

这意味着，过去以较少资本快速追赶的商业模式，正在面临一场成本结构上的变化。

一方面，先进算力越来越难获得；另一方面，自主训练、数据建设和复杂实验又越来越需要算力与资本。

如果美国前沿实验室进一步利用AI本身加快科研和模型研发，差距还可能出现非线性扩大。

上述产业纪要中，有参与者预测中美前沿模型差距可能从此前估计的3—4个月扩大至12个月，甚至在递归自我改进突破后继续扩大至18—24个月，且成本飙升。

而资本市场开始不买账了。

智谱和MiniMax自年内高点已经下跌了约86%和88%，阿里巴巴和腾讯甚至不是因为过度投入而被质疑——而因为投入了不少，但收效有限迟迟不见追赶上的迹象而被diss。

资本市场正在重新审视模型公司的长期价值，是一个值得注意的信号。

过去投资者可以相信，中国模型企业能够以明显低于美国同行的研发投入，持续追赶技术前沿。因此，即使当前收入和利润不高，只要模型能力不断提升，未来仍然存在巨大的商业化与估值空间。

现在这个假设正在动摇。

如果不能继续低成本蒸馏，就需要自己购买算力、建设数据体系、采集真实世界反馈、开展更大规模的训练与实验。这些都是长期、高投入且结果不确定的工作。

更令人担忧的是，下一代模型的研发成本可能不断提高，而模型本身却越来越难形成持久的差异化。

美国的OpenAI、Anthropic同样面临巨额资本开支和盈利不确定性，但它们背后有更大的付费市场、全球客户和云计算资本体系支持。

中国的大型互联网企业则面临着诟病，支出几百亿打了一场不知道改变了什么的外卖大战。等回过神来发现，市场格局并没啥变化，但已经错失了关键的追赶期、浪费了大量资源。

中国独立模型公司则往往处于更加不利的地位。

大型互联网企业还勉强可以用广告、电商、云计算等业务补贴AI研发。即使模型业务暂时无法盈利，也可以通过AI提高主业效率、维护流量入口和扩大企业客户。独立模型公司却需要依靠模型服务自身形成商业回报。

当技术追赶越来越需要资本，资本能力本身就可能成为决定竞争格局的核心因素。

这意味着中国模型行业可能走向更加残酷的集中过程。

资本市场可能会逐渐认识到一个事实：

原来愿意为“低成本追赶美国”的故事支付溢价，现在却可能发现，企业必须以越来越接近美国的成本进行研发，却只能面对远小于美国的收入市场。

对于那些缺乏独立技术壁垒、也缺乏稳定现金流的模型公司，这恐怕是比股价短期下跌更严重的问题。

三、另一场Bitter Lesson：机器人大脑也可能被打穿

还有一件事情可能让中国具身智能行业遭遇一场更加残酷的考验。

过去两年，大量中国创业公司涌入机器人大脑赛道。大家相信，语言模型已经开始解决数字世界的智能问题，物理世界还需要一套独立的智能系统。

于是，VLA、世界模型、具身基础模型成为融资市场的热门概念。谁能率先训练出通用机器人大脑，谁就可能成为机器人时代的OpenAI。

大家还愿意买账的一个原因是，中国在具身本体上确实惊艳全球，且符合我们制造业为本、潜在产业工人替代需求巨大的叙事。

却没想过一个家庭生养了18年的工人，具有一切基本判断和灵巧操作能力，却只要月薪数千元，相对于长周期投入、实操不可控的具身智能是多么降维打击，多么地成本社会化、收益集中化。

更要命的是，现在通用大模型正在直接进入物理世界。

10月14日，英伟达研究人员发布对GPT-6 Astra的机器人控制研究。在RoboLab-120抓取及搬运任务基准中，利用通用大模型进行机器人策略决策的方案，实现了最高74.8%的任务成功率，超过该测试中多个专门训练的机器人模型。

11月10日，Google DeepMind发布Gemini Robotics 2.5，并披露与Apptronik、奔驰开展的工厂试点。在特定汽车零部件分拣任务中，机器人实现了96%的成功率。

已经足够值得警惕。

人们不由得想起人工智能发展史上著名的Bitter Lesson——苦涩的教训。

研究人员花费大量精力设计的领域专用方法，往往能够在短期内取得更好的效果，最终却可能被依靠大规模计算和通用学习的方案超越。

如果通用大模型能够凭借海量多模态数据、更强的空间理解、推理和持续学习能力，直接获得机器人所需要的高层决策乃至部分动作控制能力，那么许多专门研发机器人大脑的创业公司，可能突然发现自己辛苦建立的技术壁垒正在瓦解。

更残酷的是，这些公司通常没有自己的前沿基础模型，也没有与美国巨头同等规模的算力和资本。

它们原本希望凭借有限的机器人数据、专用模型架构和具身训练经验，建立独立的技术优势。如今却可能不得不与训练规模大几个数量级的通用模型正面竞争。

如果通用模型进一步解决时延、成本和操作可靠性问题，那么独立机器人大脑的价值空间就可能被显著压缩。真正具有价值的环节，可能更多转向真实世界数据、低延迟控制、机器人硬件及系统集成。

对于那些主要依靠训练一个VLA模型、展示几项机器人动作来融资的创业公司，这可能是一次残酷的价值重估。

最讽刺的结局可能是：投资人以为自己押注的是机器人时代的基础模型公司，最后却发现，原本需要几十亿元估值来支撑的机器人大脑，正在变成通用模型的一项功能。

中国模型公司还在努力追赶美国的前沿大模型，一部分中国机器人大脑公司，却可能先一步被这些模型打穿。

又是一场Bitter Lesson。而这一次，付出代价的不仅可能是一条技术路线，还有一大批按照旧技术路线融资和估值的创业公司。

四、最残酷的现实：技术越来越贵，智能却越来越便宜

外部限制提高追赶成本，已经足够令人头疼。中国模型企业面临的另一个问题，是辛苦训练出来的模型，未必卖得出好价钱。

10月，Epoch AI发布了一项研究。截至9月，根据不同月份的年化收入估计，中国六家主要AI企业——字节、阿里、智谱、月之暗面、DeepSeek和MiniMax——AI相关年化收入合计约110亿美元，只有OpenAI和Anthropic两家合计约1,050亿美元的十分之一。

云计算市场同样存在类似问题。

阿里巴巴2026年第二季度AI相关产品收入123.76亿元人民币，约18.24亿美元，虽然已经连续十二个季度实现三位数增长，但与美国三大云平台形成的AI收入体量仍然存在明显差距。

一项第三方研究估算，2026年第三季度Azure、AWS和Google Cloud的AI相关贡献收入合计约369亿美元。中国AI商业收入的规模与美国存在显著差距，很难否认。

用户规模更容易让人产生错觉。

之前提过豆包App月活达到4.19亿，几乎称得上全民级AI应用。但庞大的免费用户规模与直接变现能力之间存在巨大反差。

豆包已经开始推出付费会员，试图通过复杂办公、数据分析、多模态生成等高价值任务收费。但中国用户的付费习惯仍在培养阶段。

腾讯研究院今年5月的一项覆盖2,012份有效问卷的AI消费问卷显示，受访AI用户中只有9.8%曾为大模型付费，其中44.7%的付费用户每月花费集中在30—100元。

生产力工具的情况也没有想象中那么乐观。

QuestMobile数据显示，2026年9月国内AI办公赛道活跃规模已经达到1.42亿，同比增长50.6%。其中，腾讯WorkBuddy活跃规模为3,235.3万，百度搭子977万，千问办公790.5万。但互联网百晓生庄明浩分析拆解过，实际有效用户只在百万量级。

而就在厂商努力培养付费习惯的时候，市场还在继续卷价格。

今年双11，千问办公原价28元的月卡卖到0.01元，半小时售出约10万份。腾讯WorkBuddy会员打到5.6折，豆包工作标准版连续包月也在限时降价。

一边是越来越昂贵的模型训练、算力租赁和Agent推理，一边却是几乎白送的会员。

这些促销有其获客逻辑，不能直接当作正常价格。但如果行业长期依赖补贴建立用户规模，真正可持续的付费意愿就仍然需要验证。

而且，美国前沿模型同样在向下争夺市场。

过去国产开源模型的重要卖点，是性能接近前沿，但API价格显著便宜。市场原先期待的是，中国模型能力持续提高，价格逐步向美国前沿模型靠拢。

现在却可能出现另一种情景：美国闭源模型通过推理效率提升和产品分层不断降低价格，而中国模型由于竞争激烈，始终难以大幅提价。

中国模型的研发成本越来越接近美国前沿实验室，商业收入却只有美国同行的一小部分。

这还没有考虑反蒸馏之后增加的数据、实验和自主训练成本。

于是，中国AI产业可能陷入一种危险的循环：为了保持技术竞争力，需要更多算力、更高研发投入和更多资本；但付费用户不足、价格竞争激烈，收入和利润却未必能够同步增长。

用户规模不断增长，Token消耗不断增长，模型能力不断提升，但扣除算力、研发、获客和基础设施成本以后，究竟能够留下多少利润？

这才是决定模型公司长期价值的核心问题。

五、连中国已经领先的光模块，也开始被盯上了

即使在基础模型方面仍然存在差距，中国在全球AI基础设施产业链中也拥有自己的优势环节。

光模块就是其中之一。

美国科技巨头投入巨资建设AI数据中心，大量GPU集群需要高速光互联，中国企业凭借成本、规模和技术优势，成为重要供应商。

路透社援引Counterpoint Research的数据称，中国企业约占全球光模块市场的三分之二。中际旭创、新易盛等公司，已经成为全球AI资本开支的直接受益者。

但路透社报道，美国政府正在考虑限制进口新型号中国光模块，理由涉及数据安全和供应链风险。

限制占比2/3的供应商是非常不理智的行为。微软等美国科技巨头对此表示反对。但打着安全考虑的旗号，竟然能让政策方严肃认真考虑这个事情，已经说明了很多事情。能把蛋糕抢过去的事情，不会缺乏支持者。更可怕的是，我国的出口乃至整个经济增长还很依赖这些客户，很可能对方一边在谋划替代，我们一边还得勤勤恳恳地研发、供应，因为没有足够体量的备选客户。即使有，压价能力只会过之而无不及。