DeepSeek 创始人梁文锋在近期一场投资人会议上表示，中国 AI 落后美国，关键不在人才短缺，也不在技术瓶颈，而在算力资源差距。根据第一财经取得的会议记录，他说：“我们与美国最大的差距在于资源。所有在人才、模型能力与应用层面看到的差异，都源自算力资源的差距。”
梁文锋：DeepSeek 与美国顶尖 AI 公司仍有 12 至 18 个月差距
梁文锋在会上提到，DeepSeek 目前掌握的算力规模，相当于约 20,000 张 NVIDIA H 系列 GPU。与此同时，全球最先进模型的活跃参数量已经达到 8,000 亿，而中国最顶尖模型仍只有数百亿规模，差距约为 10 倍。
他还表示，即便 DeepSeek 把这一轮超过 500 亿元人民币、约 74 亿美元的融资全部投入算力采购，仍不足以训练同等规模的模型。整体来看，他估计 DeepSeek 目前落后美国头部 AI 公司约 12 至 18 个月，但公司用对方约二十分之一的算力做出了可比结果，接下来的目标是在芯片受限条件下，把差距压缩到 3 至 6 个月。
与华为合作，尝试降低对 CUDA 软件生态的依赖
会议记录还显示，DeepSeek 正在与华为深度合作，围绕华为升腾（Ascend）计算生态对旗下模型进行优化。与此同时，DeepSeek 也在推动自研高阶程序语言 TileLang，并配合自有编译器，试图降低对 NVIDIA CUDA 生态的依赖。
根据 Citrini 分析师 Jukan 的整理，DeepSeek V3 目前仍然使用 NVIDIA GPU 完成训练，但这一路线已经明显削弱了对 CUDA 的软件绑定。Jukan 称，相关方案在推理效率上有明显提升，性能损失被控制在 1% 至 2%。如果 TileLang 和自研编译器能够完成向华为芯片的移植，中国芯片长期被诟病的生态问题，预计可在约一年内得到初步解决。到那时，剩下的核心瓶颈将主要是产能。
硬件层面仍有差距，Jukan 估算约落后 2 年
在硬件方面，梁文锋表示，华为 AI 超节点 950 SuperPod 在性能和价格上，已经可以与 NVIDIA GB200、GB300 系统竞争，DeepSeek 预计还能拿到约 16,000 张华为 AI 芯片。
不过，Jukan 给出了更具体的换算方式：现阶段大约仍需要 4 张华为卡，才能匹敌 1 张 NVIDIA 卡的性能，整体技术水平约落后 2 年。按这一口径看，中美芯片差距大致可以概括为 4 倍的硬件性能差距，加上 2 年的时间落差。
中国开源模型短期内仍在强化 NVIDIA 生态
Jukan 还把重点放在 NVIDIA 与中国 AI 市场之间的关系上。他认为，中国开源 AI 模型的大规模流通，短期内反而会继续强化 NVIDIA 的主导地位。原因在于，这些模型大多在 NVIDIA GPU 上完成训练，发布时也通常以 NVIDIA 硬件为优化目标，推理市场自然倾向于把 NVIDIA GPU 视为最佳执行平台。
在他看来，这套机制一方面保护了以 NVIDIA GPU 建立推理业务的 Neocloud 云服务商，另一方面也让 NVIDIA 在一定程度上牵制了 Google、Amazon 等超大规模云服务商加快自研 ASIC 芯片的节奏。Jukan 直言：“没有人会在 TPU 或 Trainium 上运行 DeepSeek V4 或 Kimi K3 的推理工作负载，至少目前还没有。”
若中国实现算力自主，CUDA 护城河可能被削弱
不过，Jukan 对 NVIDIA 的中长期判断偏空。原因不是 NVIDIA 会失去中国市场，而是中国一旦不再以 NVIDIA GPU 作为模型训练和优化基础，推理市场对硬件的选择也会开始松动。届时，Google TPU 和 Amazon Trainium 的竞争力可能相对提升，依赖 NVIDIA GPU 的 Neocloud 业者策略位置也可能被削弱，NVIDIA 借助 CUDA 生态对整个 AI 算力市场形成的软性锁定，将面临动摇。
按 Jukan 的说法，DeepSeek 这场投资人会议披露的，不只是单一中国 AI 公司的算力焦虑，也是一条正在形成中的技术突破路径。梁文锋对 AGI 演进路线的描述，涵盖思维链推理、AI 代理人、持续学习到自我进化，而这些规划都指向一个共同方向：不再把 NVIDIA 作为核心基础。
CUDA 护城河是否已经走到终点，现在下结论还太早。但多家企业正试图绕开这套生态，这一点已经越来越清楚。