随着全球技术封锁的加剧，本来旨在拖住竞争对手的策略，却意外促使本土供应商获得了巨大的市场机会。2026年9月4日，彭博社引用了知情人士的消息，透露一家中国顶尖大模型公司DeepSeek计划在内蒙古乌兰察布的智能计算中心，一次性部署至少16万颗国产AI芯片。这些芯片将主要用于模型推理，而非训练，其项目整体规划的功率预计达到吉瓦级，总体订单金额约为25.6亿美元，供应进度将取决于华为的生产能力，整个过程可能需要一年以上的时间。此前，DeepSeek已进行过对华为芯片的测试。

需要注意的是，这个消息并未得到DeepSeek和华为的官方确认，16万颗、25.6亿美元以及交付时间表均尚未最终确定，未来可能会有所调整。尽管数字可能会有波动，但顶尖模型厂商愿意采购数量级别的国产芯片、建设吉瓦级智能计算中心，无疑是一个值得关注的重要信号。

接下来的分析要考虑的是，技术封锁下的市场代价究竟由谁承担。技术管制的初衷是限制被封锁方，但其直接后果是垄断者不得不退出一个庞大的市场，将原本可以轻松获取的订单拱手让出。高端AI芯片市场长期以来被少数几家国际厂商所主导，而中国的数据中心扩建则是全球最大的增量市场之一。相较于一次性的商业交易，这更像是整个智能计算基础设施建设周期中持续性的采购流失——从今天的服务器，到明年的智算中心，订单是相互连贯的。

同样重要的是生态的连带效应。芯片进入后，相关的服务器、网络方案、开发工具、软件库及人才将一并扎根。用户使用时间越长，换供应商的难度就越大，这就使得垄断者拥有了一条可以自我强化的收入链。而一旦监管到位，这条稳定的收入流便被强行中断。原本应流向垄断者的采购预算不再消失，而是转化为本土供应商的订单池，这是封锁者可能低估的后果。

垄断方失去的还有规模反馈。随着芯片的使用，市场对客户反馈和迭代的需求变得愈发关键，而丧失了最大的应用市场相当于失去了最重要的产品改进依据，这将从长远上减缓其自身的迭代速度。

反过来看国产芯片，在正常的市场环境中，其实很难获得如此大额度的订单。即使国产芯片性价比看似优越，客户也未必会愿意进行替换。这是因为更换芯片会面临巨高的切换成本。首先是软件迁移，企业大模型和系统是在现有芯片的软件生态中开发的，转到另一套指令和开发框架需要重新编码、重编译和适配，而这些都会耗费大量的人力和时间。其次是稳定性验证，算力对于大模型至关重要，企业需要反复测试新芯片在高负载、长周期及大规模集群下的稳定性，而验证周期较长、试错成本极高，导致很多公司不愿意让核心业务成为实验对象。再次是人才与运维，团队熟悉的工具、排错经验和运维流程都围绕原有生态构建，换平台就意味着要重新培训和积累经验，这又是一笔隐性但巨额的投入。

因此，结合以上诸多因素，客户往往被“锁定”在原有生态，国产芯片一般只能获取几千颗的试点订单，这个量级无法支撑固定研发成本，生产线没有足够的产量，生态也难以建立。与此同时，技术封锁则非常有效地抹平了这些切换成本——即便客户不愿意换，也不得不进行替换，将本来阻碍国产芯片进入的障碍打破，实际上为本土供应商支付了客户教育和迁移的高昂成本。在“被迫使用”之后，客户才有可能转变为“主动选择”使用的态度。而这种转变能否实现，关键在于规模。

芯片行业的特点是边际成本递减，产量越大、工艺越熟练，单颗成本便会降低，软件生态也愈加完善，这是一条自我强化的规模曲线。16万颗的订单意味着国产算力首次在顶级客户中接触到这条陡峭的规模曲线。往昔国产芯片基本以几千颗规模进行试点，这样的数量无法摊平巨额的研发成本，从而形成“量小—价高—生态弱—更没人用”的负循环。而如今，十万颗级别的量级则完全不同：产线可获得稳定的长期大单，生产能力得以饱和，固定成本被巨量出货摊薄，从而降低单颗成本。大批服务器制造商和软件开发者将因此获得适配的动力，生态体系将开始向良性循环转变。