本文来自微信公众号：01Founder，作者：Max，编辑：Max，题图来自：视觉中国
5月14日是特朗普访华的第一天。
第一天还没结束，在京东英伟达相关的AI硬件自营专区里，一批此前处在出口管制阴影下的高端AI卡，重新被摆上了货架。
从页面截图看，能搜到的型号包括A100、H100、H800、A800、L40S、L20、RTX PRO 5000、RTX PRO 6000、RTX 5090等。
这些卡不是只挂了一个链接。
A100 80G、H100 80G、H800 80G、A800 80G都在页面中出现；
RTX PRO 6000 96G也有多个版本，标注为服务器版、MAX-Q版、工作站版；
RTX PRO 5000 48G、RTX 5090 32G也在同一批商品里。
这些卡为什么被禁售
过去几年，美国对华AI芯片出口管制的核心，就是限制中国获得高性能训练和推理芯片。
A100、H100是英伟达数据中心AI卡里的代表型号。
A100属于Ampere架构，H100属于Hopper架构，它们长期被用于大模型训练、推理、高性能计算和数据中心部署。
A800、H800则是英伟达为中国市场推出过的降规格版本。
它们原本是为了绕开早期出口限制，但2023年美国进一步收紧规则后，A100、A800、H100、H800、L40、L40S、RTX 4090等产品也被纳入更严格的许可要求。
英伟达当时在提交给美国SEC的文件里明确提到，新规则影响的产品包括A100、A800、H100、H800、L40、L40S和RTX 4090等。
这些卡是用来做什么的
这批卡的用途很明确：训练AI。
A100、H100、H800、A800这类数据中心卡，主要用于大模型训练、模型微调、推理服务、高性能计算和数据中心集群。
NVIDIA官方对A100的定位，就是面向AI、数据分析和HPC的数据中心GPU。
它们不一定是最顶级训练卡，但对大量中小团队来说，已经足够支撑本地模型、行业模型、图像生成、视频生成、RAG和Agent系统。
RTX PRO 6000 96G这类专业工作站卡，则更适合本地高显存场景。
NVIDIA官方介绍里，RTX PRO 6000 Blackwell系列配备96GB GDDR7显存，用于AI、科学计算、渲染、3D图形和实时视频处理等专业任务。
RTX 5090这类消费级旗舰，也会被个人开发者、小团队和AI工作室拿来做本地推理、LoRA微调、图像生成、视频生成和模型实验。
换句话说，这批卡的重新出现，影响的不只是硬件市场。
它关系到中国AI团队能不能更容易获得可用算力，尤其是那些买不起大规模云集群、又需要本地部署和调试模型的中小团队。
路透社：H200也获得批准
与此同时，路透社报道称，美国已经批准约10家中国公司购买英伟达H200芯片，包括阿里巴巴、腾讯、字节跳动、京东、联想和富士康等。
报道同时提到，虽然美国已经给出许可，但目前还没有H200芯片实际交付。
H200是英伟达Hopper系列里的高端AI芯片。
相比H100，H200的关键升级在于更大的显存和更高的内存带宽，主要用于大模型训练和推理，尤其适合长上下文、MoE模型、大规模推理集群这类更吃显存和带宽的场景。
这意味着，美国的管制口径正在出现变化。
路透社说美国已经批准，但芯片还没有交付。
也就是说，政策口子出现了，交易还没有真正落地。
对国产模型意味着什么
短期看，如果这些卡能够稳定流入市场，中国AI公司的算力压力会被部分缓解。
过去两年，国内很多模型团队面临的问题不是没有算法，也不是没有工程能力，而是高端算力获取成本高、周期长、不确定性强。
训练大模型需要卡，微调需要卡，做推理服务也需要卡。
算力越紧，模型迭代越慢，试错成本越高。
高端英伟达卡重新出现在货架上，至少会让一部分团队重新获得更稳定的硬件选择。
这对国产大模型是直接利好。
尤其是已经有模型能力、但受限于训练和推理资源的团队，会更容易做新版本迭代、长上下文优化、多模态训练、Agent测试和推理成本优化。
但这件事也有另一面。
如果英伟达高端卡重新变得容易买，国内芯片厂商会面临更直接的竞争压力。
过去国产AI芯片的一个重要窗口，是英伟达供给受限后形成的替代需求。
现在如果英伟达重新回到一部分市场，国产芯片不能只靠“能买到”这个优势。
未来比的是软件栈、集群稳定性、训练效率、推理成本、迁移成本和真实交付能力。
也就是说，英伟达的回流会缓解中国AI公司的短期算力问题，同时也会逼国产芯片更快证明自己。
对开源生态意味着什么
对开源模型来说，这件事的影响可能更大。
闭源大模型公司最核心的资源是大规模训练集群、数据、工程系统和产品入口。
开源模型真正要扩散，靠的是更多开发者、研究者、中小团队和企业能够拿到足够便宜、足够稳定的算力，把模型跑起来、改起来、部署起来。
如果A100、H100、H800、A800、RTX PRO 6000这类卡重新变得更容易买，开源模型的使用门槛会下降。
企业可以更容易做私有化部署。
开发者可以更容易做本地推理和微调。
高校和实验室可以更容易复现实验。
中小团队可以更容易基于Qwen、DeepSeek、GLM、InternLM等开源模型做行业版本。
这会让开源模型从“网上下载一个权重”走向更真实的使用场景。
尤其是中国开源模型，本来就已经在能力、成本和社区使用上形成了一定优势。
如果算力供给进一步松动，开源模型会更容易在企业端、开发者端和本地部署场景里扩散。
而且算力重新进入市场之后，模型迭代、应用开发和开源扩散都会被推快。
但目前禁令还没有完全结束，H200也还没有实际交付。
货架已经先动了。
对AI行业来说，货架有时候比表态更诚实。
本文来自微信公众号：01Founder，作者：Max，编辑：Max