Rất dễ quên cách ZTE sụp đổ vào một đêm năm 2018. Chỉ một lệnh cấm từ Hoa Kỳ, và một công ty có 80.000 nhân viên đã không thể làm gì nữa. Không chip Qualcomm, không giấy phép Google—đã kết thúc rồi. Giờ đây, sau tám năm, chúng ta thấy một câu chuyện hoàn toàn khác trong ngành AI của Trung Quốc.

Thực ra, không phải chip là vấn đề chính. Chúng ta biết CUDA mới là trở ngại thực sự—nền tảng tính toán do NVIDIA xây dựng hơn mười năm trước, và hiện có hơn 4,5 triệu nhà phát triển trên toàn thế giới sử dụng. Toàn bộ hệ sinh thái này giống như một bánh đà quay vòng gần như không thể dừng lại. Nhưng lần này, các công ty AI Trung Quốc không chọn đối đầu trực tiếp. Họ chọn con đường hợp lý hơn.

Từ cuối năm 2024, chúng ta thấy chiến lược đã chuyển hướng. Các mô hình chuyên gia lai (hybrid expert models) trở thành trọng tâm—những mô hình không còn cần chạy toàn bộ hệ thống cho mỗi nhiệm vụ. Xem DeepSeek V3: 671 tỷ tham số, nhưng chỉ 5,5% hoạt động trong mỗi lần suy luận. Chi phí huấn luyện? Gần 5,6 triệu đô la. So sánh, GPT-4 đã tiêu tốn $78 million đô la. Chỉ bằng một phần bảy giá.

Và giá API của họ thực sự là một bước ngoặt lớn. Token đầu vào là $0,028 đến $0,28 mỗi triệu, trong khi GPT-4o là $5. Rẻ hơn 25 đến 75 lần. Đây không chỉ là chiến lược marketing—đây là sự thay đổi cấu trúc trong cách ngành AI hoạt động. Tháng 2, trên OpenRouter, việc sử dụng các mô hình Trung Quốc hàng tuần đã tăng 127% chỉ trong ba tuần. Vượt cả Hoa Kỳ.

Nhưng bước đột phá thực sự nằm ở hạ tầng. Ở Giang Tô, họ đã xây dựng dây chuyền sản xuất dài 148 mét cho các máy chủ sử dụng chip Loongson 3C6000 và TaiChu Yuanqi. Từ ký kết hợp đồng đến vận hành chỉ mất 180 ngày. Và giờ đây, các cụm máy chủ chip nội địa bắt đầu huấn luyện các mô hình lớn toàn diện—không chỉ suy luận. Đó là sự thay đổi định tính. Tháng 1, GLM-Image trở thành mô hình tạo hình ảnh SOTA đầu tiên được huấn luyện hoàn toàn trên chip nội địa. Tháng 2, China Telecom hoàn tất huấn luyện toàn bộ mô hình tỷ lệ tỷ của họ tại Thượng Hải bằng nguồn tính toán nội địa.

Trong hệ sinh thái Ascend của Huawei, hiện có 4 triệu nhà phát triển, hơn 3.000 đối tác, và 43 mô hình chính đã được huấn luyện trước bằng Ascend. Công suất tính toán FP16 của Ascend 910B đã đạt mức của NVIDIA A100. Chưa hoàn hảo, nhưng đã hoạt động được rồi. Và xây dựng hệ sinh thái không cần chờ đợi hoàn hảo—cần dựa vào nhu cầu thực tế của doanh nghiệp để thúc đẩy phát triển.

Tình hình năng lượng còn tạo thêm một lợi thế nữa. Virginia và Georgia đã tạm dừng cấp phép các trung tâm dữ liệu mới do hạn chế về điện năng. Dự kiến đến năm 2030, các trung tâm dữ liệu của Mỹ sẽ tiêu thụ 426 terawatt-giờ—có thể chiếm hơn 12% tổng điện năng. Nhưng ở Trung Quốc, sản lượng điện hàng năm là 10,4 nghìn tỷ đơn vị, gấp 2,5 lần Mỹ. Và giá điện công nghiệp ở miền tây Trung Quốc chỉ là $0,03 mỗi kilowatt-giờ—bằng một nửa hoặc một phần năm so với mức $0,12-$0,15 ở Mỹ.

Vì vậy, trong khi Mỹ lo lắng về điện năng, Trung Quốc âm thầm xây dựng năng lực tính toán và sản xuất token cho thị trường toàn cầu. Phân phối người dùng DeepSeek rõ ràng: 30,7% Trung Quốc, 13,6% Ấn Độ, 6,9% Indonesia, 4,3% Mỹ, 3,2% Pháp. Có 26.000 công ty trên toàn thế giới, 3.200 tổ chức trong phiên bản doanh nghiệp. Ở Trung Quốc, chiếm thị phần 89%. Ở các quốc gia khác, từ 40-60%.

Liên hệ với thảm họa bán dẫn của Nhật Bản rõ ràng. Năm 1986, Nhật Bản đã ký Hiệp định Bán dẫn Mỹ-Nhật dưới áp lực, và trở nên phụ thuộc vào kiểm soát bên ngoài. Thị phần của họ giảm từ 51% xuống còn 7%. Bài học đơn giản: nếu không xây dựng hệ sinh thái riêng, bạn sẽ mất ngành công nghiệp.

Trong AI ngày nay, Trung Quốc đã chọn con đường khó hơn—từ tối ưu thuật toán cực đoan, đến mở rộng chip nội địa từ suy luận đến huấn luyện, đến phát triển 4 triệu nhà phát triển trong hệ sinh thái Ascend, và xuất khẩu token ra toàn cầu. Mỗi bước đi đều tiêu tốn tiền thật, thua lỗ thật trong ngắn hạn. Nhưng đó là cái giá của độc lập.

Ngày 27 tháng 2, ba công ty chip AI nội địa đã báo cáo kết quả. Cambrian, doanh thu tăng 453%, năm đầu có lãi. Moore Threads, tăng 243% doanh thu nhưng lỗ 1 tỷ đô la. Muxi, tăng 121% doanh thu nhưng lỗ 8 tỷ đô la. Nửa cháy, nửa nước. Nhưng thị trường cần một sự thay thế cho NVIDIA. Và đây là cơ hội địa chính trị không thể bỏ lỡ. Mỗi khoản lỗ là đầu tư cho sự độc lập, và đó mới là tiến bộ thực sự.