我注意到，人工智能行业背后正在发生一件非常重要的事，我认为大多数人都忽略了全局。

八年前，ZTE 的故事是一堂关于技术依赖的残酷课：一个美国的禁令，就让这家公司彻底停摆，80,000 名员工全部失去工作。但现在在人工智能领域发生的事完全不同，而且复杂得多。

真正的问题并不总是芯片。当对 NVIDIA A100 和 H100 的限制开始时，大家都以为这就是卡脖子环节。但真正的卡脖子来自某种叫做 CUDA 的东西。NVIDIA 的这一软件平台，已经成为全球人工智能的一切基础。全球超过 90% 的人工智能开发者都在这个生态系统内工作。这是一种可持续的“轮子”——用得越多，它的价值就越高。

但有趣的地方在这里：与其试图直接对抗 NVIDIA，中文（中国）企业选择了一条完全不同的路。

首先是算法。中国企业转向混合专家模型——不是把所有东西都跑一遍，而是只做与之相关的部分。DeepSeek V3 就是最好的例子：6710 亿参数，但在推理时只使用 370 亿。结果是什么？训练成本比 GPT-4 低 14 倍；API（接口）定价比它们的竞争对手便宜 25 到 75 倍。

其次是本土芯片。真正值得关注的是，中国本土芯片已经不再停留在简单推理阶段。2026 年 1 月，首个完整的先进图像模型在国产芯片上完成训练。到了 2 月，一个巨大的模型在完整的中国算力平台上完成训练。这是一次质变——从“具备运行模型的能力”，真正走向“能够构建新的模型”。

至于新的制水价格和基础设施，情况对于美国而言非常令人担忧。电力是计算算力的基本门槛。中国的发电量是美国的 2.5 倍，工业成本则低了 4-5 倍。与此同时，美国正面临真正的电力危机——弗吉尼亚州和乔治亚州已经叫停了新的数据中心审批。

结果是什么？中国的人工智能正在悄然走向全球。它并不是一种传统意义上的产品，而是代码 (tokens)——最基础的处理单元。它们在中国的计算工厂里被生产出来，再通过互联网传送到各处。DeepSeek 现在服务了中国 30%、印度 13.6%、印度尼西亚 6.9%。在受制裁的国家里，市场份额达到 40-60%。

这里还有一个令人费解的相似之处：它与 1980 年代日本半导体产业的故事有点像。日本曾在一个由他人主导的全球体系中表现最好，但它并没有建立独立的生态系统。浪潮退去之后，它什么都没剩下。这一次，中国选择的是一条不同的路——从零开始真正构建一个独立的生态系统。

本土企业的最新财报报告讲述了真实情况：一半是火、一半是水——收入巨大，但亏损也很大。但这并不是管理层失败。这是为建立真正独立而付出的战争税。

现在的问题不再是“我们能不能活下去？”而是“要想独立活下去，我们得付出多少代价？”答案同样是：推进。