特朗普政府取消拜登的AI出口管制，重塑全球芯片格局
华盛顿——就在全面实施新的AI出口管制规定前几天，特朗普政府周二突然废除了拜登时代的“AI扩散规则”，转而采取更有针对性的限制措施，旨在阻止先进芯片流向对手方，同时为盟友解除潜在障碍。
美国商务部工业和安全局（BIS）宣布了这一决定，半导体股票应声大涨，行业领头羊英伟达上涨6%，投资者认为此举消除了许多高管曾形容为可能带来灾难性影响的监管负担。
你知道吗？工业和安全局（BIS）是美国商务部的一个部门，通过监管敏感技术和两用物品（即同时具有民用和军事用途的物品）的出口，在保护国家安全方面发挥着至关重要的作用。BIS负责执行出口管制，发放许可，并维护像实体清单这样的名单，以限制与可能威胁美国利益的个人或组织进行贸易。它还帮助保护新兴技术，支持美国国防工业基础，确保关键创新不落入不法之徒手中。
商务部工业和安全事务副部长杰弗里·凯斯勒（Jeffery Kessler）表示：“特朗普政府将与世界各地可信赖的外国合作，推行一项大胆、包容的美国AI技术战略，同时确保技术不落入我们对手方的手中。”他指示执法官员忽略拜登政府的规定。
最后一刻逆转，重塑全球科技格局
拜登政府的框架是在其任期最后几天，即1月15日提出的，原定于明天（5月15日）开始在全球范围内实施一个三层体系，影响强大AI芯片的销售方式。这项现已废除的规定将大约170个国家分为不同类别，拥有不同程度获得美国半导体技术的权限。
下表总结了主要的AI加速器类型，突出了它们的目的、典型应用和独特特性。
| AI加速器 | 目的 | 典型应用 | 关键特性 |
|---|---|---|---|
| GPU | 通用并行处理 | 深度学习训练、图形渲染 | 高并行度、广泛可用、适应性强 |
| TPU | 优化张量操作 | 神经网络训练和推理（谷歌） | 高效率、集成谷歌云 |
| FPGA | 可重构AI任务加速 | 定制AI模型、边缘计算 | 硬件级定制、低延迟 |
| ASIC | 专用AI任务执行 | 高性能数据中心、物联网设备 | 能源效率高、针对特定AI工作优化 |
| NPU | 专门用于AI推理 | 移动设备、边缘AI | 低功耗、实时AI处理 |
资深科技分析师玛丽亚（Maria）表示：“基本上是一夜之间，全球AI供应链被完全重塑。这并非放弃出口管制，更多是从‘一刀切’的方法转向更灵活、但也可能更有针对性的方式。”
拜登的计划将对美国向一些曾被视为在中美技术竞争中保持中立的国家（包括墨西哥、印度和几个欧洲伙伴）出口芯片施加前所未有的限制。根据该计划，只有少数第一类国家才能不受限制地获取最先进的AI加速器。
商务部没有实施这个分层体系，而是宣布将发布具体指导，针对特定问题，包括：
- 在全球任何地方使用华为昇腾芯片都违反美国出口管制规定。
- 警告允许美国芯片用于训练中国AI模型的潜在后果。
- 为公司提供关于保护供应链免受转移策略的新指南。
下表概述了华为昇腾AI芯片，详细介绍了其规格、应用和战略意义。
| 芯片型号 | 发布年份 | 关键特性 | 主要用途 | 战略影响 |
|---|---|---|---|---|
| 昇腾310 | 不适用 | 针对推理、边缘AI进行优化 | 边缘计算、移动AI | 支持物联网设备中的分布式AI |
| 昇腾910 | 2019年 | FP16性能达256 TFLOPS | 深度学习训练 | 展示了中国在AI硬件方面的进展 |
| 昇腾910B | 约2023年 | 基于中芯国际7纳米N+1工艺制造 | 通用AI训练 | 突显了国内芯片制造的进展 |
| 昇腾910C | 2024年 | 结合2个910B芯片；性能约为英伟达H100的60% | 高性能推理 | 将华为定位为英伟达在推理市场的竞争对手 |
| 昇腾910D | 测试中 | 在训练方面与英伟达H100竞争，但效率较低 | 大规模AI模型训练 | 表明华为正努力迈向顶级AI能力领域 |
| 昇腾920 | 2025年 | 中芯国际6纳米+HBM3内存；旨在与英伟达H20匹敌 | AI训练和推理 | 提升中国在尖端AI硬件领域的竞争力 |
行业松一口气，但安全担忧犹存
科技行业立即表示赞许。英伟达（其强大的H100和即将推出的H200芯片支撑着全球大部分先进AI系统）发表声明称：“随着AI扩散规则的废除，美国将迎来一次千载难逢的机会，引领这场革命并在美国创造高薪就业机会。”
AMD曾预计由于限制措施，2025年收入将损失15亿美元，而此次消息传出后，其股价上涨了4%。
一家半导体协会的执行董事托马斯（Thomas）表示：“拜登政府的规定会带来巨大的合规成本，并与我们许多最亲密的合作伙伴之间制造障碍。今天的决定给了美国公司保持全球领导地位所需的喘息空间。”
然而，国家安全专家对保护敏感技术方面的潜在漏洞表示担忧。
国家安全中的技术转让涉及敏感知识、技能和技术的转移，特别是那些具有两用用途的。这个过程带有固有风险，因为不受控的转让可能导致敏感能力扩散到对手方，因此需要强有力的出口管制来维护国家利益。
曾是五角大楼技术转让顾问的海伦（Helen）表示：“尽管存在不足，分层框架确实提供了一种结构化的方法，防止先进芯片通过第三方国家流向中国。没有它，我们基本上只能依赖个别谈判，这可能缺乏一致性或执行机制。”
地缘政治影响波及各地
这项政策逆转对美国在全球各地的主要盟友和伙伴有着重要影响。
沙特阿拉伯和阿联酋等海湾国家已在AI基础设施上投入巨资，它们立即向商务部提出了新的数据中心项目建议。根据本报审阅的文件，这些建议涉及数千兆瓦的设施，将消耗数万个高端GPU。
迪拜技术投资总监易卜拉欣（Ibrahim）表示：“这实际上是‘GPU外交’的体现。获得尖端芯片成为更广泛外交和安全关系中的一个筹码。”
“GPU外交”是指战略性地利用对强大图形处理器（GPU）的获取——这是AI发展不可或缺的资源——作为国际关系中的工具。这个新兴概念突显了对半导体供应链的控制，尤其是先进AI芯片，正成为全球地缘政治和外交政策中的重要因素。
与此同时，该决定维持并在某些方面加强了对中国的限制。明确在全球范围内禁止华为昇腾芯片，表明了限制北京获取先进计算能力的持续决心。
华盛顿的中国大使馆官员拒绝置评，但官方媒体《环球时报》发表社论，称此举是“换汤不换药的技术遏制”。
调整，而非放弃管制
商务部官员强调，这一决定并非监管撤退，而是一次战略性调整。BIS计划发布一份联邦公报通知，正式废除旧规，并将发布一份替代规则，侧重于与个别国家进行直接谈判。
一位要求匿名的商务部高级官员在讨论内部审议时表示：“以前的方法过于官僚，根本无法执行。新的框架将更加精准，专注于真正的国家安全风险，而不是对我们的合作伙伴造成附带损害。”
国会反应分歧，沿袭了惯常的路线。参议员特德·克鲁兹（Ted Cruz）赞扬这一决定“消除了不必要的繁文缛节”，而众议员迈克·加拉格尔（Mike Gallagher）则表示担忧，认为“没有法律护栏，我们可能失去对最有价值技术的控制”。
行业分析师指出，尽管眼前的监管压力有所缓解，但在替代规则最终确定之前，公司仍面临不确定的局面。
摩根士丹利首席半导体分析师杰弗里·王（Jeffrey Wong）表示：“这创造了一个可能为期6-9个月的政策窗口期，在此期间出口条件更为有利，但长期前景依然模糊。今年晚些时候出台更严格的定向管制措施的可能性也不能排除。”
一个简化的时间线，显示了政策窗口期的演变，从稳定条件到监管变化和持续不确定性，以及关键的商业影响和战略应对。
| 阶段 | 发生的事情 | 业务重点 |
|---|---|---|
| 稳定条件 | 规则可预测，不确定性低 | 信心投资，优化运营 |
| 早期变化信号 | 政策提案和辩论出现 | 密切关注，开始情景规划 |
| 活跃政策窗口期 | 可能发生重大变化，不确定性高 | 参与，调整模式，确保敏捷性 |
| 新规实施 | 规定生效，必须遵守 | 更新系统，培训员工，保持敏捷 |
| 持续不确定性 | 规则演变，未来可能变化 | 保持灵活性，嵌入风险管理 |
市场重新校准与战略转变
对于投资者和科技公司来说，此次废除立即引发了对半导体供应链和AI计算分布的重新评估。
三星、SK海力士和美光等存储芯片制造商以及GPU制造商都将受益，因为每颗先进AI芯片都需要大量的高带宽内存。光互连公司和先进散热解决方案提供商也将从部署扩大中获益。
高带宽内存（HBM）是一种专用内存类型，旨在提供比传统内存宽得多的内存总线，从而实现更高的数据传输速度。这使得它对于AI处理和高性能GPU等数据密集型应用至关重要，这些应用需要快速访问大量数据集。
AI计算能力集中在海湾国家等能源资源丰富的地区，这既带来了机遇，也引发了战略担忧。一些分析师已开始讨论“GPU欧佩克”的可能性，即对先进计算资源的控制变得具有地缘政治意义。
“GPU欧佩克”概念指的是少数主导实体可能战略性地控制全球关键GPU资源的供应，就像欧佩克对石油的影响力一样。这种对AI计算能力集中掌控的权力对人工智能的发展和战略控制具有重大的地缘政治影响。
科技战略师莎拉（Sarah）警告说：“通过向海湾国家和其他能源资源丰富的地区敞开大门，我们可能正在以一种可能产生新依赖的方式促成AI能力的集中。五年后，获得AI计算能力的重要性可能不亚于过去几十年对石油的获取。”
在企业等待替代框架的细节时，眼下的影响是大多数半导体出口恢复常态——除了那些明确输往对手国的出口。目前尚不清楚的是，这次监管调整最终能否在平衡创新、商业和安全方面比它所取代的复杂体系更有效。
一位专门研究技术管制的国际贸易律师罗伯特（Robert）表示：“我们放弃了一个僵化、透明的体系，换来了一个更灵活但也可能更不透明的体系。真正的考验将在于这种方法是否能够足够快地适应快速发展的AI格局。”