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：华为昇腾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