我在八年前关注ZTE的故事，当时发生了灾难——美国全面禁令随即将其按下了暂停键。一家拥有80万名员工、收入超过万亿人民币的公司，在一天之内从地图上消失了。场景令人揪心：没有高通芯片，没有安卓许可。最终故事以1.4亿美元的和解费用收场，年度损失一度高达7,000亿人民币。

但2026年2月发生的事情完全不同。DeepSeek宣布其V4多模态模型，将完全依赖国产芯片，不使用NVIDIA。市场最初的反应是怀疑，但这个公告背后隐藏着更深层的问题：中国究竟如何建立起真正的算力独立？

事实是，掐住中国AI公司的不止是芯片。是CUDA——NVIDIA自2006年以来垄断的整个平台，掌控着整个生态系统。全球超过450万开发者与之绑定，他们写下的每一行代码都在不断加深鸿沟。当美国对A100、再到H100、再到H20实施禁令时，中国企业才意识到：真正的问题并不在芯片，而在整个软件环境。

不过，仍有出路。从2024年底到2025年，中国企业采取了完全不同的策略：混合专家模型。思路很简单——不把模型整段都激活，而是把它拆分成“小型专家”，只激活与任务最相关的那一部分。DeepSeek V3就是一个清晰的例子：有6710亿次交易，但只激活其中370亿次，也就是5.5%。训练成本？5.576百万美元；而GPT-4为78百万美元。差距极其巨大。

这种算法上的发展，直接体现在价格上。DeepSeek的接口每百万token收费0.028美元，而GPT-4o为每百万token 5美元。授权价格从25倍到75倍不等。到2026年2月，仅在三周内，通过OpenRouter使用中国模型的用量上涨了127%，首次超过美国。

但降低推理成本无法解决训练的问题——这是算力“黑洞”。那台“训练铲子”来自哪里？

答案在中国东南部的一座小城市。2025年，这里仅用了180天就建成了一条完整的计算生产线。龙芯3C6000处理器以及太初元气T100卡——两者全部实现国产化。产能：一台服务器每五分钟下线。更关键的是：这些芯片已经开始训练真正的大模型。智谱AI用国产芯片把GLM-Image完整训练完毕。通信公司则在一个本地计算池中训练其超大型模型，该计算池包含成千上万的处理单元。

这不是推理——这是训练。一次彻底的质变。

在这些背后站着华为昇腾。到2025年底，开发者数量超过400万，合作伙伴超过3000家。共有43个主力模型在昇腾上完成训练。2026年3月，华为SuperPoD在海外市场推出。昇腾910B的算力已达到NVIDIA A100的水平。差距从“不可用”变成了“可用”。

与此同时，美国正面临真正的用电危机——弗吉尼亚、乔治亚、伊利诺伊叫停了新建数据中心项目。到2030年，能源消耗或将达到美国电力的12%，而电网本就已经承压。

中国则相反：中国的发电量是美国的2.5倍，西方工业电价仅为0.03美元——只有美国电价的四分之一。这意味着巨大的产能可以被导向算力。

现在，中国的AI正悄然走向世界——但走向世界的不是产品或工厂。走向世界的是Token：(Token)。模型处理的这种很小的信息单位，已经变成了一种新的数字商品。在算力工厂里生产，通过海底电缆传输到世界各地。

从DeepSeek用户的分布可以看出很多：中国30.7%，印度13.6%，印尼6.9%，美国4.3%。覆盖37种语言。到2025年，58%的新兴AI公司把DeepSeek纳入其技术架构。在中国，DeepSeek在市场中占据了89%的份额。

这让我想起40年前另一场战争。1986年，日本在美国压力下签署了半导体协议。当时它处在巅峰——到1988年，它控制了全球市场51%。但协议签署之后，一切都改变了。如今它的份额降到了只有7%。巨头们一个接一个退出。

日本的悲剧在于：它接受了在全球分工体系中做“最好的产品”，却没有建立自己的独立体系。当浪潮退去，它最终只剩下了生产。

今天的中国站在类似但不同的岔路口。我们面临巨大的压力——三轮不断升级的芯片禁令。但这一次，我们选择了一条更艰难的路：在算法层面做极致优化，让国产芯片从推理跨越到训练；积累数百万开发者进入昇腾体系；然后在新兴市场让Token实现全球扩散。

每一步都在构建一个日本从未拥有过的工业体系。

在2026年2月27日，三家国产芯片公司在同一天公布了各自的结果。一半是火、一半是水。火是收入，分别增长453%、243%和121%。水是亏损，总额达到8,000亿美元。每一次亏损，都是把“打造自主生态系统”的真实投入变成现金——研发、软件支持、现场工程师逐个把问题解决掉。

这不是管理不善造成的亏损。这是必须缴纳的战争税。

八年前我们问的是：我们还能撑得住吗？今天问题变成：我们需要付出多少才能撑得住？代价本身，就是进步。