非常容易忘记2018年中兴一夜之间崩溃的原因。只是一封来自美国的禁令，一家拥有8万员工的公司就无法再生产任何东西。没有高通芯片，没有谷歌授权——一切都结束了。如今，八年过去了，我们在中国的AI行业看到一个完全不同的故事。

实际上，问题并不真正在芯片。我们知道CUDA才是真正的障碍——由NVIDIA开发的计算平台，已有超过十年的历史，现在拥有超过9100亿开发者。这个生态系统就像一个飞轮，几乎难以想象。但这次，中国的AI公司没有选择直接对抗。它们选择了一条更合理的道路。

从2024年底开始，我们看到策略的转变。混合专家模型成为焦点——不再需要为每个任务运行整个系统的模型。看看DeepSeek V3：19283746565748392亿参数，但只有5.5%的参数在每次推理中激活。训练成本？大约560万美元。相比之下，GPT-4的成本达到了$78 million。只是一七分之一的价格。

而他们的API价格是真正的游戏规则改变者。输入令牌每百万个收费0.028美元到0.28美元，而GPT-4则是5美元。便宜25到75倍。这不仅仅是市场营销策略——这是AI行业运作方式的结构性转变。去年二月，在OpenRouter上，中国模型的每周使用量在短短三周内增长了127%。已经超过了美国。

但真正的突破在于基础设施。在江苏，他们建造了一条长达148米的生产线，用于搭载Loongson 3C6000和TaiChu Yuanqi芯片的服务器。从协议到投入运营，仅用了180天。而现在，本地芯片集群开始训练完整的大模型——不仅仅是推理。这是质的飞跃。去年一月，GLM-Image成为首个完全在本地芯片上训练的SOTA图像生成模型。二月，中国电信在上海用本地计算池完成了其十亿级模型的全训练。

在华为的Ascend生态系统中，现在有400万开发者，超过3000个合作伙伴，以及43个主要模型在使用Ascend进行预训练。Ascend 910B的FP16计算能力已达到NVIDIA A100的水平。虽然还不完美，但已经可以用了。而生态系统的建设不应等待完美——应利用实际商业需求推动发展。

能源状况为优势增添了另一层。弗吉尼亚和乔治亚暂停了新的数据中心许可，因为电力限制。预计到2030年，美国的数据中心将消耗426太瓦时的电力——可能超过总用电的12%。但在中国，年发电量为10.4万亿度，是美国的2.5倍。而中国西部的工业用电价格为每千瓦时0.03美元——是美国0.12到0.15美元的一半甚至五分之一。

因此，当美国担心电力时，中国悄然在建设计算能力，并为全球市场生产代币。DeepSeek的用户分布很清楚：30.7%在中国，13.6%在印度，6.9%在印度尼西亚，4.3%在美国，3.2%在法国。全球有26,000家公司，企业版有3,200个机构。在中国，占据89%的市场份额。其他国家则在40%到60%之间。

与日本半导体悲剧的类比非常明显。1986年，日本在压力下签署了美日半导体协议，变得依赖外部控制。市场份额从51%下降到7%。教训很简单：如果不自己建立生态系统，就会失去行业。

在AI领域，中国选择了一条更艰难的道路——从极端的算法优化，到从推理到训练的本地芯片规模扩展，再到在Ascend生态系统中培养400万开发者，以及将代币出口到全球市场。每一步都是真金白银的投入，短期内会有真正的损失。但这就是追求独立的成本。

2月27日，三家本地AI芯片公司公布了业绩。康比特（Cambrian）收入增长453%，实现首个盈利年。摩尔线程（Moore Threads）收入增长243%，但亏损10亿美元。牧星（Muxi）收入增长121%，亏损80亿美元。半火半水。但市场需要NVIDIA的替代方案。这也是一个不能错过的地缘政治机遇。每一次亏损都是对独立的投资，这才是真正的进步。