晶片沒進中國，算力進去了：ByteDance 如何透過挪威取得 2,304 顆 NVIDIA B200 算力

一批沒有進入中國的 B200，為什麼還會碰到出口管制問題？

2026 年 9 月，英國 AI 基礎設施公司 Nscale 準備赴美上市時，一批原本藏在數百頁公司與融資文件中的細節浮上檯面。

Nscale 向美國證券交易委員會提交的文件顯示，公司一項位於挪威 Glomfjord 的資料中心計畫，涉及 2,304 顆 NVIDIA B200 SXM GPU。相關融資文件同時將一家名為 Spring Singapore 的客戶列為 GPU Assets 的使用者之一。

但真正讓事件變得敏感的，是另一層關係。

Nscale 的 SEC 文件本身沒有寫下 ByteDance，也沒有把 Spring 直接稱作 ByteDance 子公司。根據 Financial Times 的調查報導，Spring (SG) Pte. Ltd. 與 TikTok 母公司 ByteDance 有關。

換句話說，目前能確認的資訊其實分成兩層：

第一層是 SEC 原始文件直接證實的事實：

• Glomfjord 資料中心位於挪威。
• 融資架構涉及 Spring Singapore。
• GPU 資產包含 2,304 顆 NVIDIA B200 SXM。
• 另有 32 套 NVIDIA NVL72 GB200 servers 被列入 GPU Assets 定義。
• Macquarie Bank London Branch 是相關融資安排的重要金融機構。

第二層則來自 Financial Times 的調查：

• Spring (SG) Pte. Ltd. 與 ByteDance 有關。
• 這個客戶曾是 Nscale 極度重要的營收來源。

這個區分很重要，因為它避免把媒體調查內容錯寫成 SEC 自己的聲明。

---

2,304 顆 B200，到底是什麼規模？

NVIDIA B200 屬於 Blackwell 世代的資料中心 AI GPU，定位本來就不是一般消費級顯示卡，而是為大模型訓練、推論與高效能運算設計的加速器。

SEC 附件對 GPU 的定義非常具體：

2,304 NVIDIA B200 graphics processing units，SXM model。

這不是『可能部署數千顆 GPU』這種模糊描述，而是寫入融資契約的設備數量。

文件甚至把相關資產進一步定義為 GPU、伺服器、網路設備、配電、作業軟體、授權與相關基礎設施。

這件事之所以有趣，是因為對大型 AI 模型而言，真正有價值的其實從來不只是『擁有晶片』。

真正需要的是：

GPU + 電力 + 散熱 + 高速網路 + 儲存 + 叢集排程 + 運算時間。

因此企業並不一定需要真的把 B200 搬進自己的辦公室，甚至不一定需要擁有 GPU。

只要能透過遠端基礎設施持續取得足夠的 GPU compute capacity，就能使用先進硬體進行 AI 訓練與推論。

這也是整個故事的核心。

---

晶片沒有進中國，工作負載可以進挪威

傳統半導體出口管制非常容易理解。

如果某顆高階 GPU 被禁止出口到特定地區，那麼海關、供應鏈、代理商與物流系統都可以成為控制點。

邏輯大概是：

美國設計晶片 → NVIDIA 出貨 → 伺服器廠整合 → 出口 → 目的地。

只要能控制其中的『出口』，就有機會限制硬體流向。

但雲端運算把這張地圖翻了過來。

假設 B200 從來沒有離開挪威：

NVIDIA B200 → 安裝在 Glomfjord → Nscale 維運 → 海外客戶遠端提交模型與資料 → GPU 完成訓練。

物理上，晶片完全沒有跨進中國。

真正跨境的是：

• 模型權重
• 訓練資料
• API request
• checkpoint
• inference workload
• compute job

也就是說，硬體出口與算力取得開始變成兩件不同的事情。

這也是現代 AI 出口管制正在面對的最大結構性難題之一。

---

出口管制到底是在管『GPU』，還是在管『GPU 能力』？

假設政策目標是阻止特定實體取得訓練最先進 AI 模型所需要的運算能力，那麼單純禁止 GPU 實體出口可能不再足夠。

因為算力本身已經可以變成服務。

這跟過去軟體產業從買光碟變成 SaaS 有點像，只是 AI 世界把這個模型套到了實體超級電腦上。

企業以前可能要買：

10,000 顆 GPU。

現在可以改成買：

10,000 GPU-equivalent 的使用時間。

從使用者角度來看，兩者最終得到的東西可能很接近。

模型並不知道 GPU 在北京、奧斯陸、倫敦還是德州。

PyTorch 看到的是 CUDA device。

因此真正難回答的政策問題變成：

如果受限制企業無法購買 B200，但可以合法遠端使用位於第三國的 B200，那是否仍然達成了出口管制原本想避免的結果？

這不只是法律文字問題，而是整個 AI 基礎設施產業正在改變『技術取得』的定義。

---

Nscale 為什麼會出現在故事中央？

Nscale 是近年快速冒出的 Neocloud 業者之一。

Neocloud 與 AWS、Microsoft Azure、Google Cloud 這種大型通用雲端不同，它們往往更集中在 GPU、高效能運算與 AI workload。

Nscale 自己在招股文件裡把商業邏輯講得很直接：AI 的快速成長會造成大量 dedicated high-performance data center 與 compute infrastructure 需求，而這些設施不一定需要全部蓋在傳統 Tier 1 資料中心城市。

反而是擁有大量便宜電力、土地與能源基礎設施的 Tier 2、Tier 3 地區，可能成為新 AI 資料中心基地。

挪威就是非常典型的例子。

北歐具備幾項 AI 資料中心喜歡的條件：

• 相對低溫環境
• 大量水力等能源資源
• 可取得大規模電力
• 部分地區土地成本低於歐洲核心城市
• 已存在資料中心與過去加密貨幣挖礦基礎設施

SEC 文件甚至明確指出，Glomfjord 計畫包含把原先的 cryptocurrency mining facility 轉換為 AI-ready data centre。

這其實是一個非常有象徵性的轉變。

上一輪運算基礎設施熱潮是挖 Bitcoin。

這一輪則是訓練 Transformer。

機房沒有消失，只是從 SHA-256 礦場變成矩陣乘法工廠。

---

更驚人的數字其實是 73%

2,304 顆 B200 很吸睛，但從企業風險角度來看，另一個數字可能更加重要。

Nscale 的上市文件顯示，公司 2025 年營收約為 3,300 萬美元，較 2024 年的 1,910 萬美元增加約 73%。

同一份上市資料同時警告，公司營收高度集中於少數客戶。

媒體根據相關文件與 Financial Times 報導指出，Spring 所代表的客戶在 2025 年大約貢獻 Nscale 73% 的營收，約相當於 2,400 萬美元。

這代表當時的 Nscale 在很大程度上，是被單一大型 AI 算力客戶養大的。

但這也解釋了為什麼這份合約對 Nscale 如此重要。

對一家正在快速擴張的 GPU infrastructure 公司而言，大型 anchor customer 可以提供非常重要的現金流與融資可信度。

有客戶承諾買算力，銀行才更容易借錢給你買 GPU。

銀行願意借錢，你才能部署更多 GPU。

更多 GPU 又讓你有能力簽更大的客戶。

這是一個典型的 AI infrastructure flywheel：

大型客戶 → 長約 → 融資 → GPU → 新資料中心 → 更多客戶。

---

Macquarie 為什麼連 GPU 怎麼用都要管？

這也是文件非常值得注意的一部分。

Tom's Hardware 根據相關資料指出，由於 Spring 的背景可能牽涉中國企業，Macquarie 對 Nscale 加入了額外監控要求，包括注意 compute anomalies 或 suspicious configurations，以及進行相關盡職調查。

這代表出口管制風險已經不只是 NVIDIA 或資料中心公司的 compliance department 在管。

連提供 GPU 資產融資的銀行，都開始需要考慮：

『我借出去的錢買的 GPU，最後到底是誰在使用？』

這是非常大的制度變化。

AI 基礎設施越來越像金融基礎設施。

一座大型 GPU cluster 背後可能同時存在：

• GPU 供應商
• OEM
• Data Center Operator
• Cloud Provider
• 客戶
• 銀行
• 股權投資人
• 能源公司
• 網路供應商
• 出口管制機構

因此一張 B200 的供應鏈，最後可能牽涉的法律文件比 GPU 本身的 HBM stack 還厚。

---

Neocloud 正在讓 GPU 變成全球流動商品

這件事情更大的意義，其實是 GPU 正在金融化與公用事業化。

傳統上，GPU 是資本設備。

企業買 GPU，折舊幾年，自己使用。

Neocloud 模型則把它轉換成：

GPU → 資產 → 融資抵押 → Data Center Capacity → Compute Contract → recurring revenue。

於是 AI accelerator 開始具有與飛機、船舶、電廠設備甚至不動產類似的金融特徵。

Nscale 的融資文件就是非常典型的例子。

銀行融資不是抽象地說『我要發展 AI』，而是可以直接指向一批特定的 GPU assets：

2,304 B200。

這些 GPU 產生 compute。

Compute 被客戶購買。

客戶付費形成現金流。

現金流再支撐債務與下一輪擴張。

這也是為什麼 AI 基礎設施企業即使營收規模仍然不大，也可以建立極大的 contracted capacity pipeline。

Nscale 的 S-1 顯示，截至 2026 年 5 月，公司約有 502 億美元 committed total contract value，相關合約支援約 284,000 顆已啟用或已簽約 GPU。

從 2,304 顆 B200 到 284,000 顆 GPU pipeline，這家公司幾乎是在一年內從一座北歐機房故事變成全球 AI infrastructure 玩家。

---

這是否代表美國出口管制『失敗』？

不能這麼簡單下結論。

首先，出口管制規則本身持續變動，不同時間點、不同交易形式與不同法人所在地可能適用不同限制。

其次，Spring 與 ByteDance 的關係目前主要來自 Financial Times 的報導，而不是 Nscale S-1 正文自己公開宣告。

第三，遠端雲端算力本身與實體 GPU 出口，在法律上並不必然完全等價。

因此比較精確的說法是：

這個案例展示了以『實體晶片所在地』為中心的出口管制，在全球雲端算力市場中可能出現的結構性灰色地帶。

未來如果政策制定者真的希望限制的不只是 GPU 實體，而是先進 AI compute access，那麼監管可能逐漸從：

Who can buy the chip?

延伸到：

Who can use the compute?

而後者困難得多。

因為一顆 GPU 有序號、有物流、有實體位置。

一個 compute job 卻可能只是一串經過 VPN、專線、API gateway 與 scheduler 的封包。

---

AI 時代真正開始全球化的，可能不是晶片，而是 FLOPS

半導體產業過去幾十年的全球化，是晶片在世界各地移動。

設計可能在美國。

EDA 在美國。

晶圓在台灣製造。

HBM 在韓國生產。

封裝可能在台灣完成。

伺服器在亞洲組裝。

最後送進美國資料中心。

但 AI 基礎設施正在加入新的全球化層次：

晶片甚至不需要移動，計算本身就能跨國界。

模型可以在新加坡提交工作，在挪威完成矩陣運算，再把 checkpoint 傳回另一個司法管轄區。

從電腦科學角度看，這只是 distributed computing。

從地緣政治角度看，卻是一個非常麻煩的新問題。

因為管制機構第一次需要面對一種幾乎沒有物理形狀的戰略資源：

Compute。

石油需要油輪。

天然氣需要管線。

晶片需要貨機。

算力只需要網路。

而 Nscale、Spring 與這 2,304 顆 B200 的故事，可能正好讓我們看到 AI 時代下一輪科技管制最難的一場戰爭會長什麼樣子。

---

Tech English｜本文重要技術名詞

Neocloud｜新型 AI 雲端服務商
專門提供 GPU、AI training、inference 與 HPC 算力的雲端業者，通常不像 AWS 那樣提供完整通用雲端生態，而是更集中於高密度 GPU infrastructure。

Compute Capacity｜運算容量／算力容量
描述系統能提供多少計算資源。在 AI 領域通常由 GPU 數量、GPU 型號、可用時間、互連頻寬與叢集效率共同決定。

Export Control｜出口管制
政府限制特定技術、設備或服務出口至指定國家、地區或實體的制度。AI GPU 已成為近年出口管制的重要標的。

GPU Cluster｜GPU 叢集
大量 GPU 透過高速網路互連形成的運算系統，可將大型 AI 模型的 training workload 分散到數百甚至數萬顆 GPU 上執行。

SXM｜Server GPU Module Form Factor／伺服器 GPU 模組規格
NVIDIA 高階資料中心 GPU 常使用的模組形式，相較一般 PCIe 顯示卡可支援更高功耗與高速 GPU 互連，B200 即有 SXM 版本。

Inference｜模型推論
已訓練 AI 模型實際接收輸入並產生結果的運算階段，例如聊天模型回答問題、影像模型產生圖片，都屬於 inference。