Nvidia 的中國問題，並不會因為 Washington 開門放行就結束。
President Donald Trump 表示，即使美國方面據報已為銷售清路，Beijing 仍拒絕批准中國公司購買 Nvidia 的 H200 AI 晶片。Trump 在與中國領導人 Xi Jinping 進行兩天峰會後表示，中國選擇不批准這些購買，是因為它想建立自己的晶片生態系統。
這件事很大條，因為根據早前報導，US Commerce Department 已經允許約 10 間中國公司購買 H200 晶片。據報名單包括 Alibaba、Tencent、ByteDance 和 JD.com 等大型科技玩家。但即使批准已經到位，實際上仍沒有任何 H200 晶片出貨到中國。
美國開綠燈還不夠
出口安排本來就已經相當嚴格。Lenovo 和 Foxconn 作為 distributor，也已經獲得批准。根據 1 月正式制定的規則，每一枚 H200 晶片在重新出口到中國之前，都必須先經過美國領土，接受第三方檢查。
除此之外，Nvidia 每賣一枚 H200 到中國，就必須向 US Treasury 支付 25% 費用。所以對啦，即使有批准，這也完全不是一般 GPU 交易那麼簡單。
但如果 Beijing 不允許自己的公司繼續推進，所有這些條件都沒有意義。Trump 表示他已經和 Xi 討論過這個問題，並暗示事情仍可能有轉機，但他沒有提供細節。US Trade Representative Jamieson Greer 也表示，下一步現在取決於中國。
Commerce Secretary Howard Lutnick 早前也提出類似觀點，表示中國正在阻止進口，以推動本地半導體發展。Huawei 顯然是這個方向下受益的名字之一。一些中國公司據說今年較早前已向 Nvidia 下單，後來卻告知公司無法繼續。
Jensen Huang 的最後一刻行程也沒解決問題
Nvidia CEO Jensen Huang 原本並不在美國出席 Beijing 峰會的代表團名單內。據報他是最後一刻才加入，並在 Alaska 加油停留期間會合，這自然讓外界期待 H200 銷售終於可能有進展。
但根據 Trump 會後的說法，僵局仍然存在。
對 Nvidia 來說，財務打擊是真實的，但公司並沒有押注中國市場回歸。它的 US$78 billion 年度營收指引，假設中國不會恢復 H200 採購。不過分析師認為，如果出口框架能順利運作，可能為該國市場帶回約 US$3.5 billion 至 US$4 billion 的年度營收。
這點尤其痛，因為 Nvidia 曾經佔有中國 AI accelerator 市場約 95%。Huang 後來形容 Nvidia 在當地的市佔率基本上已經是零。
為什麼 Malaysia 和 SEA 應該關心
乍看之下，這好像只是 US-China drama。但對 Malaysia 和 Southeast Asia 來說，這件事很重要，因為 AI 基礎設施正在變成區域軍備競賽。
Malaysia 已經看到更多人關注 data centres、cloud infrastructure、AI startups，以及企業 AI adoption。如果中國更強硬轉向自研晶片，Nvidia 的供應和價格動態可能會在全球改變。如果更少 H200 進入中國，這些晶片可能會被轉往其他地方——但大局更亂，因為 geopolitics 會讓硬體 roadmap 變得難以預測。
對 SEA 公司來說，教訓很簡單：AI 已經不只是 software 的事情。晶片取得、cloud capacity 和出口規則，都可能決定誰能更快 build。依賴美國 cloud providers 的 Malaysian startups 和企業，今天可能還感受不到直接衝擊，但全球 GPU supply chain 仍會影響價格、供應，以及哪些 AI platforms 能最快 scale。
這裡也有戰略角度。中國推動本土 AI 晶片，可能會加速與 Nvidia 替代方案之間的競爭。它們未必能立刻在效率或 software maturity 上擊敗 Nvidia，但如果 adoption 被大規模強推，生態系統可以進步得很快。這最終可能給 SEA 買家更多選擇——或者帶來更多 fragmentation 要處理。
Trump 也表示，他和 Xi 討論了 AI guardrails，而美國官員也提出可能建立一個專門的雙邊 AI 對話管道。White House 也針對所謂 distillation attacks 採取行動，也就是指控中國 AI developers 使用先進美國模型的輸出，以更低成本訓練競爭系統。
所以這不只是關於一張 GPU。這是在爭奪下一層 AI power 的控制權——包括晶片、模型、cloud 和規則。
Source: Tom's Hardware