我注意到中國人工智慧故事中一個非常重要的點，我認為大多數人完全忽略了它。

八年前，ZTE遭遇了一場真正的災難——美國全面禁令，一夜之間停止了其所有運營。八萬名員工，超過一兆人民幣的收入，一瞬間一切崩潰。現在到了2026年，故事完全不同。DeepSeek宣布他們建立了一個完整的多模態模型，沒有NVIDIA。差別在哪裡？這次中國建立了一個真正獨立的生態系統。

真正的問題從一開始就不是晶片。所有談論晶片禁令的人都診斷錯誤。真正扼殺中國AI公司的，是CUDA——NVIDIA的平臺，控制著一切。想像一下，全球90%的AI開發者都依賴這個平臺。每一行代碼、每個項目、每個團隊從第一天起就用它學習。這是一個非常深的壕溝——你不能只換個“胃”就轉身。

但中國選擇了不同的路。不是直接與NVIDIA競爭，而是重新思考算法本身。混合專家模型——一個簡單但強大的想法。不是運行整個模型，而只啟用必要的部分。例如：DeepSeek V3：擁有6710億參數，但在推理時只激活5.5%。結果？用2048個H800單元訓練58天，花費560萬美元。與GPT-4約7800萬美元的成本相比，這個價格差異直接反映出來——DeepSeek比Claude便宜25到75倍。

這個價格差異改變了一切。到2026年2月，使用中國模型在OpenRouter上的用戶激增127%僅僅三週。去年，市場份額只有2%，現在接近60%。但背後發生的事情更重要——應用從簡單的對話轉變為智能代理，消耗的符號數量高出百倍。當符號消耗變得巨大時，價格就成了決定性因素。

真正的突破來自本土晶片。在江蘇，他們在180天內建成了一條完整的生產線。龍芯3C6000處理器和太初元氣卡——純粹的中國晶片。更重要的是？它們開始承擔真正的訓練任務。Zhipu AI用本地晶片訓練了第一個圖像生成模型。中國電信用完整的本地計算池訓練了自己的大型模型。這不僅僅是推理——是真正的訓練。兩者之間的差距巨大。推理相對容易，訓練需要十倍的計算能力、更高的帶寬和先進的軟體生態。

華為昇騰是這個系統的核心。400萬開發者，超過3000個合作伙伴，訓練了43個主要模型。到2026年3月，華為推出了SuperPoD——一個全新的計算架構，使昇騰910B的計算能力達到NVIDIA A100的水平。還不完美，但差距已從“不可用”變成“可用”。不要等待完美——立即部署，利用市場需求來推動晶片和軟體的發展。

還有一個沒有人常談的優勢：電力。美國正面臨嚴重的能源危機。弗吉尼亞和喬治亞已暫停新數據中心的批准。到2030年，美國數據中心的電力消耗可能佔總消耗的12%。電網已經很緊張。批發電價在數據中心集中的地區上漲了267%。

另一方面，中國的電力產出是美國的2.5倍。家庭用電只佔總用電的15%，(而美國為36%)，這意味著有大量工業用電可用。中國西部的工業電價約每千瓦時0.03美元——是美國電價的四分之一到五分之一。這種巨大的能源優勢，徹底改變了格局。用水和高耗能的晶片在電力充裕的環境中成本更低。

現在從中國出來的不是產品或工廠——而是Tokens。由AI模型處理的最小單位，成為一種新的數字商品。在中國的計算工廠生產，然後通過海底電纜傳輸到全球。DeepSeek的用戶分佈告訴你很多：中國佔30.7%，印度13.6%，印尼6.9%，美國4.3%。全球有26,000家公司有帳戶。在新興市場，普及率非常高。

這讓我想起80年代日本在半導體的故事。1988年，日本控制了全球市場的51%。但在美日半導體協議後，一切都改變了。全面壓力、支持競爭者，最終日本在DRAM市場的份額從80%降到10%。到2017年，日本在IC的份額僅剩7%。悲劇是，日本接受了成為全球最佳生產者的角色，而沒有建立真正的獨立生態系統。

這次，中國走的路完全不同。從算法的極大改進，到本土晶片從推理到訓練的飛躍，再到4百萬開發者的昇騰系統，最後到全球Token的擴散。每一步都在建立一個真正獨立的產業系統。

2026年2月27日公布的財報，講述了真正的故事。Kimo收入激增453%，首次實現盈利。Moi Tun增長243%，但虧損10億。Muxi增長121%，虧損8億。這一半是火焰，一半是水。火焰代表市場的巨大熱情。Jensen Huang留下的95%空白正逐步被填補。海洋資源是建立生態系統的成本——每一筆真實的虧損，都是在為CUDA替代品的建設付出代價。研發投資、軟體支持、工程師在現場解決一個又一個翻譯問題。

這些損失不是管理不善——是戰爭的稅。戰爭的形態已經改變。八年前，我們還在問：我們能否存活？今天，問題是：為了存活，我們要付出多少代價？這個代價就是進步。