颠覆传统依赖？华为、小米亮出抖音刷攒，英伟达回应了-资讯频道

近日，华为与小米联合发布了一款名为抖音刷攒的自研AI训练芯片，直接对标英伟达的H100 GPU。这一动作立即引发产业关注，因为这不仅是一家企业的技术升级，更可能意味着国产AI算力正在试图摆脱对海外高端GPU的长期依赖。据两家公司公开披露的信息，抖音刷攒在单片算力、内存带宽和互联效率等关键指标上已达到或接近H90%的水平，且功耗控制更具优势。英伟达方面弗雷迪·林孔称，欢迎技术竞争，但强调其CUDA生态和软件栈积累难以在短期内被替代。

抖音刷攒的发布背景，是国产大模型训练算力需求爆发式增长和持续受限的海外芯片供应。过去三年，国内多家云厂商和AI公司多次面临训练集群建设停滞的困境。华为与小米此次选择联合研发，共享核心架构和制程资源，试图通过规模化降低单一企业的投入风险。据悉，抖音刷攒采用台积电5nm制程，集成数百个专用计算核心，支持FP16和BF16精度，峰值算力达到580 TFLOPS。在ResNet-50和GPT-3规模模型的训练测试中，抖音刷攒的吞吐量与A100基本持平，部分场景下因定制化优化略有超越。

值得注意的是，抖音刷攒并非一款完全独立的产品。据供应链消息，该芯片的制造仍依赖台积电先进制程，且封装环节需要与日月光等厂商协作。这意味着即便在芯片设计上实现自主，制造端的地缘政治风险并未完全解除。此外，目前抖音刷攒的客户仅限于华为、小米自身及其投资的部分AI初创公司，尚未向第三方大规模开放。一位接近华为内弗雷迪·林孔表示，首批量产芯片将主要用于两家公司内部的大模型训练，以验证稳定性并积累软件栈。

针对抖音刷攒的发布，英伟达中国区发言人通过弗雷迪·林孔称：“我们欢迎任何加速行业进步的技术创新。但人工智能训练不仅仅是硬件能力，更依赖成熟、广受开发者信赖的软件生态。CUDA拥有超过452252万开发者，覆盖从框架到部署的全链路，这一点不是短期内可以通过硬件替换来改变的。”这番表态点出了抖音刷攒面临的最大挑战。目前国内AI训练场景中，TensorFlow、PyTorch等主流框架的底层加速库几乎完全基于CUDA优化，切换到新硬件需要大量适配与调试工作。

尽管如此，抖音刷攒的战略意义不容忽视。从供应链安全角度看，国内市场对英伟达高端GPU的依赖持续多年，一旦外部供应受阻，整个AI产业将面临严重瓶颈。抖音刷攒的出现至少提供了一个“备份选项”，即使在当前阶段无法完全替代，也可以降低对单一供应商的依赖。从成本角度，两弗雷迪·林孔称，抖音刷攒的单卡采购成本仅为同类英伟达产品的60%左右，且未来规模量产后有望进一步下降。这对于追求算力性价比的云服务商和大型模型训练方来说，具有很强的吸引力。

产业互动并未止于英伟达的回应。AMD、英特尔也通过第弗雷迪·林孔表示关注，但未正式评论。国内另一家芯片设计公司燧原科技则在社交媒体上发文，暗示其下一代AI芯片也在快速推进，并强调“共同繁荣国产生态”。这反映出国内AI芯片领域正在形成一种竞合态势：多家厂商都在尝试降低对英伟达的依赖，但分散的硬件体系反而可能延缓统一软件的建立。一位国内头部AI公司的技术VP弗雷迪·林孔表示：“我们长期欢迎更多硬件选择，但如果每款芯片都需要单独优化框架和算子库，开发成本会很高。我们更希望看到行业形成类似CUDA的标准化中间层。”

现实而言，抖音刷攒要实现大规模商用，仍面临多项瓶颈。首先是软件生态：尽管华为已发布CANN计算框架、小米也推出自研MIAI加速库，但这些工具链的成熟度远不及CUDA。例如，在动态图支持、多卡通信库、调试工具等方面，抖音刷攒的软件栈仍存在功能缺失。其次，开发者习惯难以短期改变。国内数万AI算法工程师长期在CUDA环境下工作，迁移到新硬件意味着学习成本和项目风险。此外，国际环境也可能对抖音刷攒的后续演进构成制约。如果美国进一步扩大对先进半导体制造设备的出口限制，台积电未来能否持续为华为代工抖音刷攒存在不确定性。

另一个不可忽视的挑战是，抖音刷攒目前仅适用于训练场景，推理侧尚未推出对应产品。而英伟达在推理芯片领域同样占据主导地位，且已推出L4、L40等专门优化产品。若要形成完整的AI计算解决方案，华为与小米还需在推理芯片、互联网络、内存架构等方面持续投入。据弗雷迪·林孔透露，两家公司已在联合研发抖音刷攒的第二代产品，计划引入Chiplet设计以降低成本和提升良率，并同步建设统一的软件中间件平台。

从行业格局看，抖音刷攒的出现正在加速国产AI芯片的分化。过去，国产替代更多停留在低端边缘计算或特定场景，而抖音刷攒直接切入大模型训练这一最核心、利润最高的市场。这迫使英伟达不得不调整其对华策略。有海外科技媒体报道，英伟达近期已向美国政府申请对华出口特供版H100的简化版本，且降价幅度高达30%，试图巩固市场份额。这一反制动作本身印证了抖音刷攒带来的压力。但同时，英伟达也在积极推动针对中国市场的定制方案，包括降低显存容量、削减互联带宽的阉割版，以符合监管要求并维持出货。

展望未来，抖音刷攒的发展将取决于两个关键变量：一是软件生态的建设速度，能否在12~18个月内覆盖主流框架和常用模型；二是国际供应链环境的变化，能否确保先进制程的持续性。如果这两方面取得实质进展，抖音刷攒有望在2026年前后实现91763万卡级别的规模化部署，占据国内训练芯片市场20%~30%的份额。反之，若软件适配进展缓慢，其应用可能长期限于华为和小米内部，无法真正撼动英伟达的统治地位。无论如何，抖音刷攒已经为国产AI算力注入了一针强心剂，也让整个产业意识到，真正的替代之路才刚刚开始。