中國新創公司DeepSeek近期在大型 AI模型開發過程中遭遇重大挫折。該公司原本計劃以華為升騰（Ascend）晶片支撐其R2模型訓練，試圖擺脫對美國Nvidia晶片的依賴，卻最終因性能與生態等多重因素宣告失敗。這起事件迅速引發國際媒體與社群討論，並成為觀察美國晶片出口管制實際效果的一個關鍵案例。
根據 Financial Times（2025年8月14日）的報道，DeepSeek在嘗試將大模型運行於華為升騰平台時，遇到了一系列無法克服的瓶頸，包括運算性能不足、穩定性欠佳，以及在軟硬件整合層面的反覆問題。即便華為官方不斷強調升騰在國產替代上的重要角色，實際作卻顯示，其在GPT-4等級模型的高效訓練中仍有相當差距。 Gadget Review也指出，DeepSeek原本計劃藉此彰顯「國產自主」的實力，但最終仍不得不「回歸 Nvidia」平台，重新依賴美國供應鏈。
這一失敗並非孤立案例，而是反映出中國AI晶片發展的結構性困境。升騰在推理與訓練效率上遠不及Nvidia，尤其在工具鏈與開發者社群的支持度上差距更為明顯。許多從事企業級AI的工程師也坦言，如果要進行大規模訓練，Nvidia仍然是唯一可行的選項。這些討論揭示了中國晶片產業在技術突破之外，還必須面對整個生態系尚未成熟的現實。
更重要的是，這起事件具體體現了美國對中國的晶片出口管制所產生的效果。自2022年起，美國持續收緊對中國出口高階GPU的限制，特別針對Nvidia A100、H100等能支撐大模型訓練的先進晶片。華府的戰略意圖十分清晰：藉由掐住算力來源，延緩中國在AI領域的突破。 DeepSeek的經歷正好印證了這一點，即便中國企業擁有雄厚的資金與研發意願，仍因晶片與生態差距而無法完成「去美化」的目標。
在戰略層面，DeepSeek的「換芯」失敗，中國若持續依賴 Nvidia，勢必受制於美國政策變化，隨時可能遭遇斷供風險;若完全轉向本土晶片，則須承擔性能不足、研發周期長、開發工具匱乏的風險。短期內，中國似乎仍難以在大模型競賽的算力需求上擺脫美國的主導地位。
這起事件也具有明顯的國際意涵。對美國與其盟友而言，DeepSeek的失敗正好證明了管制政策的有效性，進一步鞏固了其在全球AI算力供應鏈中的領先地位。歐盟、日本與韓國等國，也因此更傾向加強與美國的半導體合作，以確保先進GPU技術不會流向中國，並避免自身產業鏈受波及。這一點從近期美日韓三邊合作框架中的「AI技術安全條款」即可窺見端倪。
台灣作為全球GPU與AI晶片製造的關鍵樞紐，在這波格局中角色更為突出。 Nvidia的高端晶片多仰賴台積電代工，這讓台灣在供應鏈安全上的地位進一步提升。相對之下，中國對台積電先進制程無法取得直接掌控，只能轉而推進本土替代方案，但從DeepSeek的案例來看，這條路仍遙遙無期。
DeepSeek原本計劃彰顯國產自主實力，最終仍不得不回歸 Nvidia平台，重新依賴美國供應鏈。（美聯社）
對全球 AI產業而言，這代表競爭的門檻被重新界定。能否取得 Nvidia等美國供應商的支持，將成為能否參與下一波大模型競賽的決定性因素。這不僅是企業層面的競爭，更是國際科技秩序的再分配：美國及其盟友坐擁核心算力，而中國則在自主研發與國際孤立間掙扎。
總體而言，DeepSeek的故事不僅是一段企業嘗試「國產替代」的失敗記錄，更是美中科技博弈的縮影。這場競賽清楚地揭示，美國晶片管制的確已經發揮效果，並有效延緩了中國在尖端AI領域的進展。對中國而言，唯有在自主晶片設計、軟硬件協同優化與完整生態建設上持續突破，才有可能逐步改變這種結構性依賴。否則，DeepSeek的經驗或許將不斷在其他中國 AI企業身上重演。
※作者楊聰榮為ESG碳減量聯盟理事長，中台灣教授協會理事長，任教於台灣師範大學。
