英伟达H200拟于明年2月入华 阿里被曝采购AMD MI308 国产GPU迎“冷静期”
近日，市场多方消息称，英伟达已向中国客户释放信号，计划在 2026 年 2 月中旬开始向国内交付 H200 系列 AI 芯片。这被普遍视作此前美国方面“有条件放行”对华销售高端 AI 芯片政策的具体落地。
与此同时，有传闻称阿里巴巴正考虑向 AMD 下单 4 万至 5 万颗 MI308 芯片。在国产 GPU 厂商集中上市、情绪高涨的背景下，上述消息对相关概念股带来明显扰动：12 月 24 日，刚刚登陆资本市场的摩尔线程、沐曦股份股价分别下跌 6.32% 和 7.03%，其中沐曦收盘价已跌破首日盘中低点。
H200计划重启对华供货：或首批交付4万至8万颗
在英伟达的产品矩阵中，H200 属于 Hopper 架构的高端产品，整体性能仅次于新一代 Blackwell 系列（如 B100），此前一直处于对华出口受限状态。
H200 发布于 2023 年 11 月，重点针对大模型训练与推理中的显存瓶颈做了升级：
搭载最高 141GB HBM3e 显存，比 H100 的 80GB HBM3 提升约 76%；
相比早期中国特供版 H20（96GB HBM3），显存容量约为其 1.5 倍；
显存带宽最高可达 4.8TB/s（部分测试可达 5.1TB/s），较 H100 的 3.35TB/s 提升四成以上，是采用 GDDR6X 的 H20 方案的多倍水平。
今年 12 月初，美国方面通过社交媒体表示，将允许英伟达在“获批客户”“限定条件”下，对中国销售 H200，并从相关销售额中收取一定比例的分成。随后，又将类似安排扩展至 AMD、英特尔等其他 AI 芯片厂商。
按照业内流出的说法，英伟达计划优先动用库存保障明年 2 月中旬的首批交付，预计将提供 5000 至 10000 套 H200 模组，对应约 4 万至 8 万颗芯片，相关订单有望为公司贡献数十亿元级别营收。英伟达方面则回应称，将在合规前提下持续优化供应链，对华交付 H200 不会削弱其对全球其他客户的供货能力。
需要强调的是，H200 的出口仍需逐单审批，美国针对“同等规格芯片代工”的限制也并未明显放宽，例如先进制程、高算力等级产品的代工限制仍然存在。因此，本次 H200 放开更多被视作对国内算力缺口的一次阶段性补位，而非长期稳定的解决方案。
阿里被曝下单MI308：大显存与成本优势成“折中选项”
与英伟达主打顶级性能略有不同，AMD 在对华 AI 芯片布局上更突出“性价比”与兼容性。
市场传闻中的 MI308，被定位为“面向中国市场的合规产品”，核心卖点集中在显存和成本两个维度：
搭载 192GB HBM3 显存，目前在商用 GPU 中处于较高水平，比 H200 多出 50GB 以上；
显存带宽约 10.3TB/s，是 H200 的两倍以上，更适配 70B 级大模型全参数推理等高显存场景；
在受美国出口管制限制的前提下，MI308 的 FP8 算力被控制在 320 TFLOPS 以内，低于 350 TFLOPS 的上限；
单卡价格据称较英伟达 H20 便宜约 15%，八卡模组整体成本控制在 120 万元左右，相比 H200 约 140 万元的模组价格更具成本优势。
在部署成本和改造工程方面，MI308 采用与 MI350 系列相近的散热与机架设计，能够直接适配现有主流数据中心环境，无需大规模改造，可以缩短上线周期。对阿里云等需要快速补充推理算力的云厂商来说，这类方案在成本、部署效率和性能之间形成了相对均衡的组合。
考虑到美国方面已对 H200 等更高档产品松动出口限制，未来 AMD 是否会进一步在国内推出 MI325X 等更高规格产品，也成为市场关注的方向。若相关政策和产品节奏继续演变，现阶段传出的“阿里下单 5 万颗 MI308”的消息，后续不排除存在调整空间。
对国产GPU的短期扰动：性能与生态仍是关键考量
从二级市场的即时反应来看，英伟达 H200 放开销售以及大型互联网企业加大对 AMD 芯片的采购预期，对处于风口期的国产 GPU 概念股，形成了明显的情绪压制。
在中高端算力需求区间，H200 尽管不及最新一代 Blackwell 系列，但作为 Hopper 架构的高端产品，其综合算力指标仍对国内同类产品保持一定领先优势，且相较此前的 H20 有明显进步。
从相关公开测算的 TPP（综合算力指标）来看：
H200 TPP 约为 15832；
华为昇腾 910C 约为 12800；
寒武纪思元 690 约为 8986；
沐曦 C500 约为 3840。
在算力差距之外，生态成熟度也是大型模型企业评估的重要维度。CUDA 生态在深度学习框架、开发工具、社区资源等方面的积累，使得很多企业在“性能+迁移成本”的综合权衡下，仍会优先考虑英伟达、AMD 等国际厂商的产品。
当然，国产 GPU 阵营也并非完全“从零起步”。目前：
华为 CANN 对 CUDA API 的兼容覆盖率已在 80% 左右；
海光对 ROCm 的迁移效率约在 85% 左右。
通过兼容主流生态、发展自有软件栈、与下游大模型及应用厂商联合优化，国产方案在实际落地中的适配程度正在逐步提升。
短期来看，H200 和 MI308 的供货预期，将在一定程度上分流本应流向国产 GPU 的部分高端算力需求。
但从中长期看，国际供应政策反复不定，始终是悬在头顶的一把“紧箍咒”，反而强化了国内厂商、自研团队推动国产替代的动力。
自主生态仍是长期主线
面对不稳定的外部环境，国内多家头部互联网科技公司已经在算力芯片上选择多条路径并行：
一方面积极采购国际主流方案，以缓解当下的训练和推理算力缺口；
另一方面，通过自研芯片、扶持国产 GPU、联合产业链伙伴建设软件生态等方式，尝试在更长周期内降低对单一供应链的依赖。
从产业发展角度看，本次 H200 在对华销售上的“松动”，在短期内有助于缓解 AI 大模型企业的算力紧张问题，也能在一定程度上平抑市场对“算力荒”的预期。但真正决定行业竞争格局的，仍然是本土产业链在以下几方面能走多远：
GPU 厂商持续的产品迭代与工艺升级；
与云厂商、大模型企业协同打磨软硬件栈；
工具链与接口标准的统一、规范与开放；
在能源效率、总体拥有成本（TCO）等指标上的综合竞争力。
只有在硬件、软件和生态多层面形成真正可替代、可持续的体系，本土 GPU 及相关产业链，才能在未来的全球 AI 竞争中，建立起不依赖“政策缝隙”的长期优势。
