编辑 | 伊风
出品 | 51CTO技术栈（微信号：blog51cto）
在即将卸任的时刻，拜登上演一把最后的疯狂：将加码芯片出口的限制。
彭博社报道，新出口管制可能很快宣布。这是他为阻止先进技术落入中国之手的最后一搏。
据知情人士透露：美国希望从国家和公司层面限制用于数据中心的AI芯片出口，并推动全球企业与美国标准保持一致。
如此一来，美国的手就能伸得更远了，确保AI在其盟友国家中发展。
图片
这一措施将扩大半导体出口限制，试图在AI需求激增之际控制其技术扩散。
这些规定将创建三层芯片贸易限制：
- Tier 1：美国一小部分盟友，将几乎不受限制地获取美国芯片
- Tier 2：全球大多数国家将面临以国为单位的总算力限制
- Tier 3：美国的对手国家和地区，数据中心将被全面禁止进口芯片
消息一出，英伟达的股价应声而倒，在彭博报道发布后盘后交易中下跌逾1%。
1.分组管制措施：向中国出口数据中心芯片，将被全面禁止
这种分组管制不是绝对的，否则微软、谷歌这样的巨头将很难在全球各子公司顺利开展其业务。
知情人士称，他们希望建立一种“验证终端用户”（VEU）的认证，通过创建可信实体，在全球范围内于安全环境中开发和部署AI。
简而言之：若公司通过VEU获得了芯片，将不计入该国家的进口总量。
一级管控：几乎完全不受限制的盟友国家
- 对象：少数几个美国的核心盟友国，例如五眼联盟（美国、英国、加拿大、澳大利亚、新西兰）和其他密切合作的国家（日本、韩国等）。
- 政策：这些国家将 几乎无限制地获得美国的AI芯片和相关技术，允许其充分利用美国的半导体和计算能力。
此外，总部设在这些地区的公司还可以申请美国政府的综合许可，向世界其他大部分地区的数据中心供应芯片。
但需要满足以下条件：在Tier 1国家和地区以外的算力总和不得超过25%，且在任何一个Tier 2国家和地区的算力不得超过7%。同时，企业必须严格遵守美国政府的安全要求。
知情人士表示，总部位于美国的企业想要申请VEU资质，必须确保至少50%的算力留在美国境内。
二级管控：大多数国家，5万GPU封顶
- 对象：除盟友和对手之外的 绝大多数世界其他国家。
- 政策：这些国家将受到 国家层面的计算能力总量限制，即每个国家允许进口和使用的AI芯片数量和性能会有 配额，限制其获取高端计算资源。算力的上限是：在2025年至2027年期间，每个国家和地区只能获得约5万块GPU。
三级管控：被全面限制的竞争对手
- 对象：包括中国、俄罗斯等
- 政策：这些国家将 完全被禁止进口AI芯片和高性能计算产品
2.谷歌、微软或成全球AI“看门人”角色
路透社报道，因为拜登急于实施该政策，甚至还有一个简化版的方案。
直接赋予谷歌、微软等公司成为全球范围内的“看门人”角色，如此一来，这些公司可以无需VEU认证，便能在海外无需许可证就提供云端的人工智能能力。
作为“看门人”，微软和谷歌“必须遵守严格要求，包括向美国政府报告关键信息，并阻止中国访问AI芯片。”
据知情人士透露，计划的部分细节首次披露，显示了拜登政府在最后阶段的紧迫。他们急于简化AI芯片出口审批流程，同时进一步阻止中国获得先进芯片。
3.为新规敲警钟：英伟达批评、甲骨文怒斥
英伟达（Nvidia）周四批评了拜登的这一计划。
英伟达表示：即将卸任的美国总统不应通过实施最后时刻的政策“抢先行动”，这肯定会影响即将上任的特朗普。
“我们鼓励拜登总统不要通过实施只会伤害美国经济、倒退美国发展并使美国对手受益的政策来抢先行动，”英伟达副总裁内德·芬克尔（Ned Finkle）在一份电子邮件声明中表示。
“在最后时刻对大多数国家实施出口限制将导致政策的重大转变，这不仅无助于减少误用风险，反而威胁到经济增长和美国的领导地位。”
英伟达指出，每个数据中心和企业都在通过所谓的加速计算整合AI技术。“全球对日常应用中加速计算的兴趣为美国提供了巨大的机会，能够促进经济发展并增加美国的就业岗位。”
此外，云巨头Oracle也跳了出来，在一篇博客文章中批评该计划，称其将扰乱美国在云计算、芯片和AI领域的领导地位，而未能专注于高风险的目标活动。
“国会通过2800亿美元的《芯片法案》所取得的成就正在被破坏，这项规则使美国公司的全球芯片市场份额减少了80%，并将其拱手让给了中国竞争对手，”Oracle执行副总裁Ken Glueck在博客中写道。
他认为，这一框架更应被称为“为阿里巴巴、华为、腾讯和中芯国际发展而制定的出口控制框架”。
值得一提的是，以创造了低成本奇迹的DeepSeek被当做了限制芯片可能带来消极影响的“典型”。限制芯片后，可能倒逼中国找到了用更少算力训练大模型的方案。
总部位于美国得克萨斯州的咨询公司Everest Group的IT业务总监阿比舍克·森古普塔（Abhishek Sengupta）认为，限制高端芯片出口可能促使被针对的国家开发更高效的算法，以弥补硬件性能的不足。
他以中国初创AI公司DeepSeek举例说：“DeepSeek依赖英伟达的H800芯片，其性能低于英伟达在中国市场受限的尖端产品。结果呢？一个计算效率更高的大语言模型（LLM），在几个基准测试中优于ChatGPT-4o和Llama 3.1等行业内知名产品，而训练成本仅为550万美元。”
