在過去的幾個星期裡，發生了一件奇怪的事情。我開始注意到全球人工智慧版圖的根本轉變，不僅僅是在模型層面，而是在整個基礎設施層面。

八年前，ZTE的故事是一個嚴峻的教訓。一家巨頭公司因美國對晶片的禁令，一夜之間停止運作。但這一次，情況完全不同。當美國開始收緊對NVIDIA向中國出口的限制時，所有人都以為中國的人工智慧夢將就此結束。

他們錯了。

真正的問題不在晶片本身，而在CUDA——NVIDIA的那個軟體平台，已成為所有人工智慧產業的支柱。如今，全球超過90%的AI開發者都依賴這個環境。這是一個可持續的輪子——用得越多，它就越強大。

但中國企業沒有選擇直接打破這個輪子，而是走了一條不同的路。他們從算法開始。

DeepSeek模型擁有6710億次交易，但實際運行時只激活了370億次。訓練的總成本僅為557.6萬美元。與GPT-4的7800萬美元相比，這個數字差距巨大。差別不在於上限，而在於整個層級。

價格方面？DeepSeek每百萬字符收取0.028到0.28美元。GPT-4的成本是5美元。Claude Opus高達15美元。簡單來說，DeepSeek便宜25到75倍。這個差距在開發者市場引發了地震。

到2026年2月，使用OpenRouter的中國模型在三週內增長了127%。一年前，中國模型的份額不過2%。現在已接近60%。

但這裡最重要的部分來了：僅降低推理成本並不能解決問題。訓練才是真正的黑洞——消耗大量計算能力。

在中國江蘇省，僅用180天就建成了一條完整的本地生產線。主要元件是？龍芯3C6000處理器和泰初元氣的T100顯卡——純粹的中國芯片。產能：每五分鐘一台服務器。

這標誌著故事開始改變。2026年1月，Zhipu與華為合作推出了GLM-Image模型——首個完全在中國本地芯片上訓練的先進圖像生成模型。一個月後，超過數萬個處理單元的中國本地計算池中訓練了“明星”通信模型。

這意味著什麼？本地芯片已經從推理階段進入訓練階段。這是一個真正的質變。

背後的推動力量是華為昇騰。到2025年底，昇騰生態的開發者已超過400萬。合作公司超過3000家。基於昇騰訓練的主要模型有43個。2026年3月，華為推出了名為SuperPoD的新型計算架構。

下載華為的新固件包意味著，昇騰910B處理器的計算能力已達到NVIDIA A100的水平。差距尚存，但已從不可用轉變為實用。

現在最令人興奮的點來了：能源。

美國正面臨嚴重的電力危機。2024年，美國數據中心消耗了183太瓦時的電力，約佔總用電的4%。預計到2030年，這一數字將翻倍。Arm的CEO預測，到2030年，美國人工智慧數據中心將消耗20-25%的電力。

中國每年產生10.4萬億千瓦時的電力。美國則是4.2萬億。中國的產量是美國的2.5倍。更重要的是：中國只有15%的電力用於家庭，而美國則高達36%。這意味著有大量工業用電可以用於計算。

美國AI公司集聚區的電價在每千瓦時0.12到0.15美元之間。中國西部工業用電約0.03美元，僅為美國的四分之一到五分之一。

華為固件包和中國新基礎設施的推廣，意味著中國的AI不再以產品或工廠走向國外，而是以符號——Tokens的形式。這些小型數據處理單元在中國的計算工廠中產生，然後通過海底電纜傳輸到全球。

僅DeepSeek就擁有26,000家全球客戶，3,200家機構使用了企業版。在中國，佔據了89%的市場份額。在受制裁國家，比例在40%到60%之間。到2025年，58%的AI新創公司已將DeepSeek納入其技術架構。

這讓我想起另一場關於產業自主的戰爭。1986年，日本與美國簽署了半導體協議。到1988年，日本控制了全球市場的51%。如今，這一比例已降至不到7%。

為什麼？因為日本接受了在一個由一個強權主導的全球系統中成為最佳產品的命運，但沒有建立一個獨立的生態系統。

這一次，中國選擇了一條完全不同的道路。從算法的改進，到本地晶片從推理到訓練的飛躍，到4百萬開發者的Ascend系統，再到符號的全球擴散。

每一步都在構建一個獨立的產業體系。

2026年2月27日，三家中國晶片公司在同一天發布了性能報告。收入大幅增長：453%、243%、121%。但損失也很大。一半是火，一半是水。

火：市場迫切需要一個NVIDIA的替代方案。95%的空白正逐步被填補。

水：每一次損失都是建立自主生態系統的真實投資。研發、軟體支持、工程師在現場解決一個又一個的翻譯問題。

這些損失不是管理不善，而是必須支付的戰爭稅。

八年前，我們還在問：我們能否存活下來？

今天，問題變了：我們要付多少才能存活？

代價本身就是進步。