我刚刚在阅读中兴的历史时，突然冒出一个奇怪的想法——今天的芯片战争，已经完全不同于8年前的那场。

你还记得中兴的故事吗？2018年4月，美国商务部发布了一项非常简单的禁令：不准芯片、不准软件、以及任何美国相关的东西。一家拥有80,000名员工、收入超过1万亿人民币的公司，竟然在一天之内停摆。没有Qualcomm的芯片就没有基站，没有谷歌对Android的许可就没有手机。所有一切都崩塌了。只用23天，ZTE就承认其核心业务已无法继续。为了活下去，他们付出了14亿美元的代价。

但这一次，围绕人工智能的战争走的是完全不同的路子。

当美国在2022年10月首次对NVIDIA A100和H100芯片出口施加限制时，所有人都以为这就是终点。随后在2023年10月又来了一轮，2024年12月再来一轮。升级持续，封锁愈发严厉。但这一次，中国企业并没有认输——选择了一条更艰难的路径。

真正的问题并不在芯片本身，而是在一个叫CUDA的东西。CUDA是NVIDIA自2006年起开发的计算系统，最终成为整个AI产业的基础。每一个重要的框架，从Google的TensorFlow到Meta的PyTorch，都与CUDA深度绑定。专攻AI的博士生从入学第一天起就要在CUDA环境里学习。写下的每一行代码，都在加固NVIDIA的垄断。到2025年，在CUDA生态中已有450万开发者，超过40,000家全球公司在使用。全球90%以上的AI开发者都与NVIDIA有关。

这才是真正的战壕。CUDA是一辆可持续运转的“轮子”——用得越多，工具和库就越多，生态就越繁荣，吸引更多开发者。一旦这辆轮子启动，几乎不可能把它停下。

但中国人找到了走出这个困境的办法——并不是试图在芯片上正面和NVIDIA硬刚。

解决方案来自算法。从2024年底到2025年，所有中国AI公司都转向了混合专家模型（Mixture of Experts）。思路很简单：不激活整个模型，而是把模型拆成多个小专家，只激活与任务最相关的那部分。DeepSeek V3就是很直观的例子——6710亿参数，但推理时只激活370亿参数。也就是全部规模的5.5%。

结果是什么？训练成本大幅下降。DeepSeek使用2048个H800计算单元，训练58天，成本为5.576百万美元。GPT-4花费大约78百万美元。差一个完整量级。这也直接反映在价格上——DeepSeek比Claude便宜25到75倍。到了2026年2月，在全球最大的API聚合平台OpenRouter上，中国模型份额在短短三周内增长了127%。去年还不到2%，现在接近60%。

但这只是推理层面的解决方案。训练问题仍然存在。

这时，本土芯片就轮到出场了。2025年，一家本土公司开始建设一条长达148米的生产线在常州——从签约到投产仅用了180天。Loongson 3C6000是完全国产的处理器，而来自清华大学的Taichu Yuanqi提供T100卡。产线每分钟生产五台服务器，投资11.亿人民币，目标是每年100,000台。

更关键的是——这些芯片已经开始承担真正的训练任务。2026年1月，智谱AI联合Huawei发布GLM-Image模型，这是首个在本土国产芯片上完成全量训练的先进图像生成模型。2月，庞大的“星辰”大模型在本土中国的计算集群上进行训练，动用了数万台计算单元。

这是一种质的飞跃。推理需要普通芯片，但训练需要巨大的算力以及极高的带宽。这会把硬件要求放大10倍。Huawei Ascend就是这里的关键解法。到2025年底，Ascend生态的开发者数量超过400万；合作伙伴超过3000家；有43个主要模型在Ascend上完成训练；超过200个开源模型已适配。到了2026年3月的MWC大会上，Huawei发布了全新的SuperPoD架构。Ascend 910B的算力已经达到了NVIDIA A100的水平。差距依然存在，但已经从“不可用”变成了“用起来很容易”。

不能等到芯片完全成熟再进行大规模部署。在性能足够的时候就要开始推广，并用真实的业务需求来推动技术发展。ByteDance、腾讯、Baidu都计划在2026年把本土计算服务器的进口量翻倍。工信部宣布，中国的智能计算规模已达到1590 EFLOPS。2026年将成为本土算力大规模部署的关键年份。

还有另一个几乎没人注意的因素——电力。

在2026年初，弗吉尼亚州叫停了新建数据中心的审批。随后乔治亚州也跟进；伊利诺伊州和密歇根州采取了限制措施。2024年，美国数据中心的用电量达到183太瓦时，约占总用电的4%。预计到2030年将翻倍至426太瓦时，甚至可能超过12%。Arm的CEO预计，到2030年，AI数据中心将消耗美国20-25%的电力。美国电网已经是“勉强支撑”的状态。覆盖13个州的PJM电网面临6吉瓦的容量缺口。到2033年，美国将面临175吉瓦的缺口。数据中心所在地区的批发电价上涨了267%。

中国的情况则完全相反。中国的年发电量为10.4万亿千瓦时，而美国为4.2万亿千瓦时。中国的发电量是美国的2.5倍。中国的家庭用电占总量的15%，美国为36%。这意味着中国能够投入到工业用电中的比例更高，从而为大规模计算提供更强的电力支撑。美国AI企业所在地区的电价为每千瓦时0.12-0.15美元；而中国西部大约只有0.03美元——相当于美国价格的四分之一到五分之一。

当美国面临电力危机时，中国的AI却在悄悄向海外扩张。不过这一次走出去的不是产品或工厂，而是Token——由AI模型处理的最小单位。Token在中国的算力工厂里生产，然后通过海底电缆传输到全球各地。

从DeepSeek的用户分布来看，故事非常清晰：本土中国占30.7%，印度占13.6%，印尼占6.9%，美国占4.3%，法国占3.2%。它支持37种语言，在巴西等新兴市场尤其受欢迎。全球有26,000家企业用户有账户，3,200家机构使用企业版。到2025年，58%的新兴AI公司将DeepSeek纳入其技术架构。在中国，DeepSeek占据89%的市场份额。在受制裁国家，份额在40-60%之间。

这与40年前“工业自主”的战争几乎如出一辙。1986年东京，日本政府在美国巨大的压力下签署了美日半导体协议。核心条款包括：开放半导体市场，保证美国在市场中的份额不低于20%；禁止以低于成本的价格出口日本芯片；对价值3亿美元的出口征收100%的惩罚性关税。同时，美国拒绝了Fujitsu对Fairchild的收购。

到1988年，日本控制了全球半导体市场的51%，美国只有36.8%。在全球前10大半导体公司中，日本占了6席：NEC第二、Toshiba第三、Hitachi第五、Fujitsu第七、Mitsubishi第八、Matsushita第九。但协议之后，一切都变了。美国通过301条款施以全面压力，同时又支持韩国的Samsung和Hynix，以低价打击日本市场。日本在DRAM市场的份额从80%跌到10%。到2017年，日本在IC市场的份额仅剩7%。这些巨头要么拆分，要么被收购，要么在沮丧中退出。

日本的悲剧在于：它甘愿成为全球最好的生产者，却从未想过建立属于自己的独立体系。当浪潮退去时，它才意识到自己除了生产以外，什么都没有。

今天的中国站在类似但又完全不同的十字路口。我们正面临巨大的外部压力——多轮芯片限制不断升级。但这一次，我们选择了更艰难的道路：从算法优化开始；到本土芯片从推理跨越到训练；到Ascend生态拥有400万开发者；再到Token走向全球。每一步都在搭建一个日本从未拥有过的自主产业体系。

在2026年2月27日，三家本土芯片公司在同一天发布了业绩报告。结果是喜忧参半——一半像火，一半像水。第一家公司营收增长453%，并首次实现盈利。第二家公司增长243%，但净亏损10亿。第三家公司增长121%，但亏损8千万。

被NVIDIA垄断留出的95%空白，正在逐步被本土企业填上。无论当前表现如何，市场都需要一个替代方案。这是由地缘政治紧张带来的极其罕见的结构性机会。

财务上的亏损并不等于管理失败——这是为了建立自主生态系统必须支付的战争税。研发投入、软件支持、人力成本——工程师们把翻译问题一项项解决。这些财务报告，真实地记录了这场关于算力的战争，比任何行业报告都更直观。它不是一场令人振奋的胜利，而是一场残酷的前线鏖战，鲜血在流淌。

但战争的形态已经发生变化。8年前，我们问的是“我们还能撑多久？”今天变成了“为了继续活下去，我们要付出多大代价？”而代价本身，就是进步。