据报道，美国芯片制造商英伟达将生产专为中国市场设计的人工智能（AI）芯片，也被称为“中国专用版”。 该芯片从英伟达的 H100 芯片缩小，以符合最新的美国出口管制法规。
过去一年，人工智能技术的突破是全球科技产业最大的亮点，人工智能的发展需要芯片企业提供算力支撑。 以华为代表的一些国内厂商在人工智能芯片领域取得了重大进展，在相关硬件性能方面与英伟达同类产品差距不大。
然而，国产人工智能芯片的整个生态与国外厂商相比，仍存在相当大的差距。 NVIDIA的AI芯片得到了大量第三方厂商的支持，NVIDIA提供了丰富的工具和库，如CUDA（编程接口）、CUDNN（深度神经网络加速库）、TensorRT（高性能深度学习模型推理软件开发工具包）等，可以帮助开发者更高效地开发和部署AI应用。
NVIDIA 拥有庞大的开发者社区和用户群。 开发人员可以从社区获得技术支持、分享经验和资源，以进一步发展生态系统。 NVIDIA 的 AI 芯片兼容主流深度学习框架和开发工具，如 TensorFlow、PyTorch 等。 这种兼容性和互操作性使开发人员能够更轻松地将现有模型和应用程序迁移到 NVIDIA 的平台。
对于需要购买人工智能芯片的国内厂商来说，如果选择英伟达的架构，可能就无法选择国产公司的架构，因为这意味着在人才储备、技术兼容性等方面需要巨额的前期投入，迁移成本不容忽视。
这一次，英伟达搞到了对中国的人工智能芯片“特殊供应”，这也让人有一种似曾相识的感觉。 过去，当许多国内技术取得突破时，外国公司往往会放松对中国的一些技术限制。 以半导体设计中的EDA软件为例。 上世纪90年代初，清华大学、北京大学、哈尔滨工业大学、上海交通大学等国内10所知名高校积极参与国产EDA软件研发，并成功推出国产EDA Panda软件。 软件开发成功后，国外突然解除了对中国EDA软件的封锁，实施了一系列策略，比如向一些高校免费捐赠软件供师生使用; 向中国开放一些工具，让它们免费; 与上游代工厂建立紧密的利益联盟，等等。 这些都导致了国产EDA软件在国内市场逐渐被边缘化。
无数案例表明，并不是中国做不到半导体设备、软件和材料，而是西方厂商主导的半导体上游领域形成了相对稳固的利益共同体，新的龙头企业很难挤进去。 以光刻机为例，光刻机需要数千家制造商共同努力解决关键问题。 由于光刻机价格极其昂贵，供大于求，所以对第一台机器不敏感，光刻机厂家一般很少主动改变第一台业务。 同时，由于光刻机产量小，很多光刻机零部件在全球市场上都比较小，一个零部件可能总市场达数亿元，所以即使冉冉升起的厂商开发出相应的技术，在收益方面也未必具有划算性价比。
过去一年，中国产业链传来好消息，华为Mate60系列手机及配套的麒麟9000S系列芯片在全自动驾驶的情况下取得重大突破，供大于求。 华为作为第一产业链的主要参与者，取得了这样的突破，对中国半导体产业产生了显著的带动作用。 在开发手机芯片的同时，华为还与上游厂商紧密合作。 华为不仅为他们提供稳定的订单，还向上游零部件、设备和材料制造商开放市场知识和相关数据。 这种**链的束缚，很可能会撕开西方现有利益共同体的缺口。
我国目前正处于国产芯片发展的关键时期，如半导体、新能源汽车、工业软件、机床、航空航天、新材料等领域。 对于国内厂商来说，相对而言，发展上最大的难点是现有生态的突破和新生态的构建。 攻克这一难点不是单个厂商能做到的，而是需要相关部门、企业和用户、高校和科研机构的通力合作，共同给予国内厂商更多的机会和支持。
好消息是，阿里巴巴、科大讯飞等多家国内科技公司纷纷购买了华为的Ascend系列自主可控智能计算芯片。 只要中国产业链上下游齐心协力，我们的生态圈就会很快发展起来。
中国是全球最大的互联网成员和制造业大国，在互联网产业、人工智能、电子制造等领域处于世界第一梯队。 我们完全有理由相信，基于中国本土产业和用户优势的中国自身行业标准，在国际上也将具有相当大的竞争力。 （作者是科技行业知名观察家，《大国的关键》一书的作者）。