图4：山东一座晶圆厂内部，工作人员在无尘车间作业（资料图）图5：昇腾384超节点亮相高交会，国产AI算力基础设施（资料图）图6：武汉人工智能计算中心的Atlas 900 AI训练集群（资料图）
技术封锁的算盘本来是拖住对手，可经济学上它同时制造了另一个结果：垄断者让出市场，被封锁者的本土供应商白捡一张规模入场券。
2026年9月4日，彭博社援引知情人士的消息，一家中国顶级大模型公司，拟一次性部署至少16万颗国产AI芯片。
不评测芯片性能、也不荐股，只算一本替代经济学的账：这笔订单，到底由谁付了代价、又把谁送上了成本拐点。
这本账前，先把消息口径分清楚。
2026年9月4日，彭博社援引知情人士报道，DeepSeek计划在内蒙古乌兰察布在建的大型智算中心，部署至少16万颗华为下一代昇腾950DT人工智能加速芯片，主要用于模型推理而不是训练。
报道还提到，项目整体规划达到吉瓦级、约1GW功率，订单总额据估算约25.6亿美元，交付节奏取决于华为实际产能，全部完成可能需要一年以上。此前DeepSeek已经尝试过华为芯片。
图1：广州粤芯半导体技术股份有限公司拍摄的晶圆（资料图）
必须说清楚一件事：这条消息来自彭博对知情人士的援引，DeepSeek和华为到目前都没有正式官宣。
16万颗、25.6亿美元、交付时间表都还没有官方落定，后续可能调整。数字最终会有出入，但方向意义不会因为几十颗的浮动就翻转。
即便数字有调整，一家顶级大模型厂商愿意规划
十万颗量级的国产芯片、建吉瓦级智算中心，本身就是一个值得算账的信号。头一笔要算的，是封锁这本双向账里，谁先付出了市场代价。
技术管制的初衷是拖住被封锁方，可它头一个确定的后果，是垄断方被迫从一个超大市场退出，让出原本稳拿的订单。
高端AI芯片市场长期由少数几家海外厂商主导，中国数据中心扩建是全球最大的增量市场之一。
丢掉的与其说是一次性的一单生意，不如说整个智能算力建设周期里持续滚动的采购——今天一批服务器，明年一座智算中心，订单是连着往后滚的。
图2：华润微电子重庆园区，工人在8吋功率半导体晶圆生产车间作业（资料图）
更关键的是生态连带。芯片卖进去，配套的服务器、互联方案、开发工具、软件库、人才习惯会一起扎根，客户用得越久迁移越难，垄断者等于占住了一条会自我强化的收入流。
管制一来，这条滚动收入流被强行切断。原本会流向垄断者的采购预算不会消失，它必须在市场上找替代，于是就地转化为本土供应商的订单池。这是封锁者事先未必算足的代价。
垄断者失去的还有规模反馈。芯片越用越需要海量客户反馈来迭代，丢掉最大应用市场，等于少了一块最重要的产品磨刀石，长期看削弱的是它自己的迭代速度。
这一侧算完，再看另一侧：国产芯片在正常市场里本来很难抢到这么大的单，封锁到底替它做了什么。
在正常的开放市场里，即便国产芯片性价比不错，客户也未必愿意换。
因为换芯片要付一笔巨大的切换成本，把这笔账拆开。
头一项是软件迁移。大模型和业务系统是在原有芯片的软件生态上写出来的，换到另一套指令体系和开发框架，要改代码、重编译、重做适配，工程师的人力和时间都是钱。
第二项是稳定性验证。算力是大模型的命根子，企业要反复测试新芯片在高负载、长周期、大规模集群下稳不稳、掉不掉链子。
验证周期长、试错成本高，没人愿意拿核心业务当试验田。
图3：北京大学物理学院，基于二维硒化铟半导体晶圆的集成晶体管阵列（资料图）
第三项是人才与运维。团队熟悉的工具链、排错经验、运维流程都围绕原生态建立，换平台等于重新培训、重新积累，这又是一笔隐性但巨大的投入。
正因为这三笔账加在一起，客户会被"锁定"在原有生态，国产芯片往往只能拿到几千颗的试点单。这个量级摊不开固定研发、喂不饱产线、也养不起生态。
而封锁等于用外力强行抹平了这笔切换成本——客户不换也得换，原本阻碍国产芯片进门的那道坎，被管制一脚踹开，等于替本土供应商支付了最昂贵的客户教育和迁移成本。
客户被"逼着用"之后，才有可能走向"觉得好用、主动选"。而能不能完成这一跳，取决于规模。这就是16万颗的意义。
芯片是典型的边际成本递减行业，产量越大、工艺越熟、单颗成本越低、软件生态越完善，这是一条会自我强化的规模曲线。
16万颗，是国产算力头一次在顶级客户那里摸到这条曲线最陡峭的一段。
过去国产芯片多是几千颗级试点，这个量级摊不平巨额研发固定成本，产线吃不饱、单位成本下不来，配套软件厂商也没动力为小体量做适配，生态飞轮转不起来，困在"量小—价高—生态弱—更没人用"的负循环里。
十万颗量级、吉瓦级的规划则是另一回事：产线拿到长期稳定的大单、可以满产排程，固定成本被巨量出货摊薄，单颗成本下行。
大批服务器厂商、软件开发者有动力围绕它做适配，生态开始正向滚动。
而且这次主要用于推理。这一步很务实：推理对芯片间高速互联的要求比训练低，负载更标准化，更容易先跑通规模。
先在更容易替代的场景把量做起来、把成本曲线和生态养熟，再往更难的训练端啃，符合经济规律的推进次序。
顶级大模型厂商愿意把主力推理负载压到国产芯片上，等于用真金白银给这条成本曲线投了信任票。
规模一旦越过拐点，"越用越便宜、越便宜越多人用"的飞轮就很难再停下来。
不过账本要算足，乐观曲线之外还有几道硬约束。把约束算足，才不会把一本趋势账写成庆功账。主要有四道坎。
头一道是消息本身还没落定。16万颗、25.6亿美元都来自彭博对知情人士的援引，两家公司还没官宣，最终规模、金额、节奏都可能调整，提前开庆功宴并不稳妥。
第二道是推理与训练的差别。这批芯片主要用于模型推理，而训练对单卡算力、芯片间高速互联、超大集群调度的要求高得多。
推理规模做起来不等于训练端也解决了，训练自主仍是一场硬仗。
第三道也是最硬的一道，是先进制程和产能。
芯片制造受制程工艺、制造设备、良率制约，报道自己也说交付取决于华为产能、全部完成或需一年以上。
需求端的十万颗订单要真正变成机房里点亮的芯片，还得过供给端这一关。
第四道是软件生态的长期功课。开发框架、算子库、开发者社区的成熟不是一单订单能完成的，需要多年持续投入和大量客户共同打磨。
把四道坎都摆清楚，结论反而更扎实：国产算力正在爬坡，方向被规模订单锁定，但距离登顶还有硬仗。承认约束不丢人，是让这本账经得起推敲。
乌兰察布草原上，吉瓦级智算中心正在拔地而起，若这笔订单如期落地，十几万颗国产芯片将在一排排机柜里同时点亮。
把这本双向账算到最后，看得最清楚的是分配方式的改变：
封锁没能省下被封锁方的成本，反而把一个超大市场的订单，从原来的账本上永久划走了一部分，转给了正在爬坡的本土产业链。
从"被迫用"到"觉得好用"再到"主动选"，中间还有制程、产能、生态的硬仗。
但当十万颗级的规模订单出现，成本曲线和生态飞轮的方向就被锁定，逆转的难度越来越大。
对所有关心产业的人，这本账给出的冷静启示是：制裁这门生意，算账方式往往和发起者的想象正好相反——你能限制对方买什么，却挡不住对方因此自己造什么，而规模，最终会把"不得不"熬成"离不开"。
