智谱AI落地1GW国产算力中心，单集群超1万颗芯片，规模已超阿里真武集群，且全程零英伟达。这背后是出口管制倒逼，还是一场更大的算力卡位战？[[2]][[6]]
智谱vs阿里：两座国产算力中心对比
智谱AI
模型厂商自建
· 供电规模：1GW
· 单集群芯片：超1万颗
· 集群数量：多组
· 芯片来源：国产（具体型号未披露）
· 软件栈：收购中科加禾，自有编译器+推理引擎
· 建设定位：专属训练GLM系列模型
阿里真武集群
云厂商自研
· 供电规模：未披露
· 单集群芯片：1万颗
· 集群数量：1组（万卡）
· 芯片来源：自研"真武"芯片
· 软件栈：未披露独立收购动作
· 建设定位：云服务商通用型智算
三组可核实数字
供电规模
1GW
约等于75万户家庭同时用电总耗电量（来源：彭博社）
单集群芯片数
>1万颗
多组集群，每组均超1万颗国产AI加速芯片（来源：彭博社知情人士）
中科加禾收购价
数亿元
团队源自中科院计算所编译实验室（来源：科创板日报）
为什么要自建？两条驱动力
外因：实体清单断供
2025年1月，智谱被美国商务部列入实体清单，彻底失去采购英伟达H100及后续高端GPU的渠道，租卡路径关闭。[[2]][[6]]
内因：成本结构重构
此前租赁云厂商GPU属于按需付费的运营支出，自建算力中心将成本转为一次性资本支出，长期单位训练成本更可控。智谱ARR已达10亿美元，规模支撑自建逻辑。[[5]][[7]]
国产AI芯片现在能跑大模型吗？
硬件层：差距客观存在
华为、寒武纪等国产芯片与英伟达H100/H800存在性能差距，但具体型号在本次报道中未披露。[[2]][[6]]
软件层：编译器是关键补丁
中科加禾的核心价值在于编译器、Runtime（运行时环境）、推理引擎——相当于"翻译官"，把模型指令翻译成不同国产芯片能高效执行的代码，解决"卡买来了跑不满"的痛点。[[3]][[4]]
两者结合才能跑
国产芯片品牌多、架构杂，软件栈碎片化导致大量工程资源消耗在跨平台适配上。中科加禾曾深度参与龙芯、寒武纪、华为昇腾等编译器研发，覆盖面广。[[3]]
对AI格局和普通用户的影响
确定影响：算力自主化加速
出口管制倒逼下，国内大模型企业从租卡转向自建国产全栈，本土芯片产业链规模化落地提速。算力自主化使模型训练不再受制于英伟达供货节奏。[[2]][[6]]
对普通用户（不确定预判）：
自有算力理论上可降低GLM系列模型的单次推理成本，但国产芯片生态成熟度仍是最大变量——若利用率无法对标英伟达，成本优势可能有限。模型使用价格是否下降，需观察后续实际运行效率数据。[[4]][[5]]
尚红网提示：文章来自网络，不代表本站观点。
