我剛剛在讀關於中興的歷史，突然想到一個奇怪的想法——今天對晶片的戰爭已經不再是八年前的模樣。

你還記得中興的故事嗎？2018年4月，美國商務部發布了一個非常輕微的禁令：不允許出口晶片、不允許出口軟體、什麼都不允許來自美國。這家擁有8萬員工、營收超過一兆人民幣的公司，瞬間停止運作。沒有高通晶片就沒有基地台，沒有谷歌的Android授權就沒有手機。一切崩潰了。僅僅用了23天，中興就承認其主要業務已經無法繼續。為了生存，他們付出了14億美元的代價。

但這一次，對人工智慧的戰爭完全走上了不同的路。

當美國在2022年10月首次限制出口NVIDIA的A100和H100晶片時，大家都認為這是終點。接著2023年10月、2024年12月，又來了第二輪、第三輪的限制。持續升級，封鎖越來越嚴。但這一次，中國企業沒有放棄——選擇了一條更艱難的道路。

真正的問題不在晶片本身，而在於一個叫CUDA的系統。這是NVIDIA自2006年起開發的一套計算系統，已經成為整個人工智慧產業的基礎。每個主要的框架，從Google的TensorFlow到Meta的PyTorch，都深度依賴CUDA。專攻AI的博士生從第一天起就在CUDA環境中學習。每一行代碼都在鞏固NVIDIA的壟斷。到2025年，CUDA系統中已有450萬開發者，超過4萬家全球公司在使用。全球超過90%的AI開發者都與NVIDIA有關聯。

這才是真正的戰壕。CUDA是一個可持續的輪子——用得越多，工具和庫越豐富，環境越繁榮，吸引的開發者也越多。一旦這個輪子開始轉動，幾乎不可能停止。

但中國人找到了脫困的方法——不是直接與NVIDIA在晶片上競爭。

解決方案來自算法。從2024年底到2025年，中國的AI公司都轉向了混合專家模型。思路很簡單：不啟用整個模型，而是將其拆分成多個小專家，只激活與任務最相關的部分。DeepSeek V3就是一個明顯的例子——擁有6710億參數，但在推理時只激活37億，僅佔全部的5.5%。

結果是？訓練成本大幅降低。DeepSeek用2048個H800處理器，訓練58天，花費557.6萬美元。GPT-4的訓練成本約為7800萬美元。兩者相差一個層級。這也直接反映在價格上——DeepSeek比Claude便宜25到75倍。到2026年2月，OpenRouter上中國模型的份額在短短三週內飆升127%。去年還不到2%，現在已接近60%。

但這只是推理的解決方案。訓練問題仍未解決。

這就需要本土晶片了。2025年，一家本土公司在江蘇建成了一條長148米的生產線，從簽約到投產只用了180天。完全自主設計的龍芯3C6000處理器，搭配清華大學的太初元氣T100卡。這條線每分鐘生產五台伺服器，投資11億人民幣，目標年產10萬台。

更重要的是——這些晶片已經開始承擔真正的訓練任務。2026年1月，智譜AI與華為合作，推出了GLM-Image模型，這是第一個完全在中國本土晶片上訓練的高端圖像生成模型。2月，超大型“明星”模型在中國本地的數萬個計算節點上進行訓練。

這是質的飛躍。推理只需要普通晶片，但訓練需要巨大的計算能力和極高的帶寬。這將需求提升十倍。華為的昇騰系列是關鍵解決方案。到2025年底，昇騰環境的開發者已超過400萬，合作伙伴超過3000家，43個主要模型在昇騰上訓練，超過200個開源模型被調整。2026年3月的MWC上，華為推出了全新的SuperPoD架構。昇騰910B的算力已達到NVIDIA A100的水平。差距仍在，但已從“不可用”變成“易於使用”。

不能等到晶片完全成熟才推廣。必須在足夠的範圍內開始部署，並用實際業務需求推動發展。字節跳動、騰訊、百度都計劃在2026年將本土計算伺服器的進口量翻倍。工信部宣布，中國的智能計算規模已達1590 EFLOPS。2026年將是推廣本土計算的關鍵年份。

還有一個沒有人注意到的因素——電力。

2026年初，弗吉尼亞州暫停了新建數據中心的許可。喬治亞緊隨其後。伊利諾伊和密歇根也採取了限制措施。2024年，美國數據中心的電力消耗已達183太瓦時，約佔總消耗的4%。預計到2030年將翻倍，達到426太瓦時，甚至超過12%。Arm的CEO預計，到2030年，AI數據中心將消耗美國20-25%的電力。美國的電網已經很緊張。PJM電網覆蓋13個州，容量短缺6 GW。到2033年，美國將面臨175 GW的缺口。批發電價在數據中心區域已上漲267%。

而中國的情況完全相反。年發電量為10.4萬億千瓦時，而美國為4.2萬億。中國的產量是美國的2.5倍。家庭用電在中國只佔15%，在美國則高達36%。這意味著中國有更大的工業用電，能用來推動計算。美國AI公司所在區域的電價約為每千瓦時0.12-0.15美元，而中國西部地區約為0.03美元——僅為美國的四分之一到五分之一。

當美國面臨電力危機時，中國的AI卻悄然走向國際。這次走出去的，不是產品或工廠，而是Token——由AI模型處理的最小單位。這些Token在中國的計算工廠生產，然後通過海底電纜傳輸到全球。

DeepSeek的用戶分佈講述了一個清楚的故事：中國本土30.7%，印度13.6%，印尼6.9%，美國4.3%，法國3.2%。支持37種語言，在巴西等新興市場非常流行。全球有2.6萬家公司有帳戶，3,200家機構使用了企業版。2025年，58%的新興AI公司將DeepSeek納入技術架構。在中國，DeepSeek佔據了89%的市場份額。在受制裁國家，份額在40%到60%之間。

這與40年前的產業獨立戰爭如出一轍。1986年，東京簽署了美日半導體協議，受到美國巨大壓力。主要條款包括：開放半導體市場，讓美國佔有至少20%的份額；禁止以低於成本的價格出口日本晶片；對價值3億美元的出口徵收100%的罰款。同時，美國拒絕了富士通收購飛兆的請求。

到1988年，日本控制了全球半導體市場的51%，而美國只有36.8%。在全球前十的公司中，日本佔了六席——NEC第二，東芝第三，日立第五，富士通第七，三菱第八，松下第九。但簽署協議後，一切都變了。美國利用301條款全面施壓，同時支持三星和海力士打壓日本市場，低價競爭。日本的DRAM市場份額從80%跌到10%。到2017年，日本在IC市場的份額僅剩7%。巨頭們要么分拆，要么被收購，要么退出。

日本的悲劇在於，它甘願成為全球最好的產品供應商，卻從未思考建立一個獨立的系統。當潮流退去，它才意識到自己一無所有，只有生產。

而今天的中國，站在一個截然不同的十字路口。我們面臨外部巨大壓力——晶片限制不斷升級，但我們選擇了一條更艱難的道路：從算法優化，到本土晶片從推理到訓練的飛躍，到4百萬開發者的Ascend系統，再到Token的全球布局。每一步都在建立一個中國自己擁有的產業體系，這是日本從未做到的。

2026年2月27日，三家本土晶片公司同日發布了性能報告。結果喜憂參半——一半火，一半水。第一家營收增長了453%，首次盈利；第二家增長243%，但虧損1億美元；第三家增長121%，虧損8億美元。

NVIDIA壟斷留下的95%的空白，正逐步被本土企業的數字填補。無論目前表現如何，市場都需要一個替代選擇。這是一個由地緣政治緊張帶來的罕見結構性機遇。

財務損失不是管理失誤——這是為了建立自主生態系統而必須付出的戰爭稅。研發投入、軟體支持、人力成本，工程師們一個接一個解決翻譯問題。這些財務報告真實反映了這場對計算力的戰爭，比任何工業報告都更真實。這不是一場鼓舞人心的勝利，而是一場在前線激烈交戰、血流成河的戰鬥。

但戰爭的形態已經改變。八年前，我們問“我們能否生存？”。今天，我們問“為了生存，必須付出多少代價？”。而這個代價，就是進步。