非常容易忘記2018年ZTE一夜之間崩潰的原因。只是一個來自美國的禁令，讓一個擁有8萬員工的公司完全無法運作。沒有高通晶片，沒有Google授權——一切都結束了。如今，八年過去了，我們看到中國AI產業的故事已經完全不同。

事實上，問題並不真的出在晶片上。我們知道CUDA才是真正的障礙——由NVIDIA打造的計算平台，已經超過十年，並且現在擁有超過450萬開發者遍布全球。這個完整的生態系統就像一個飛輪，幾乎難以想像能被打破。但這次，中國的AI公司沒有選擇直接對抗，而是走上了更理性的道路。

從2024年底開始，我們看到策略的轉變。混合專家模型成為焦點——不再需要為每個任務運行整個系統的模型。看看DeepSeek V3：擁有6710億參數，但每次推理只有5.5%的參數在激活。訓練成本？大約只需560萬美元。相比之下，GPT-4的成本高達$78 million，僅是其的七分之一。

而他們的API價格更是顛覆市場的關鍵。輸入代幣每百萬個$0.028到$0.28，而GPT-4則是$5。便宜25到75倍。這不僅是行銷策略——這是AI產業運作方式的結構性轉變。二月，在OpenRouter上，中國模型的每週使用量在短短三週內激增127%。已經超越美國。

但真正的突破在於基礎設施。在江蘇，他們建造了一條長達148米的生產線，用於搭載Loongson 3C6000和泰楚元氣晶片的伺服器。從簽約到運營，只用了180天。而現在，本地晶片的集群已經開始訓練完整的大型模型——不僅僅是推理。這才是質的飛躍。去年一月，GLM-Image成為首個完全用本地晶片訓練的SOTA圖像生成模型。今年二月，中國電信在上海完成了他們的十億級模型的全訓練，使用本地計算資源。

在華為的Ascend生態系統中，現在已有400萬開發者，超過3000個合作夥伴，以及43個主要模型在Ascend上進行預訓練。Ascend 910B的FP16計算能力已達到NVIDIA A100的水平。還不完美，但已經可以用了。而生態系的建立不應等待完美——應該利用實際商業需求來推動發展。

能源狀況為這個優勢又增添了一層。弗吉尼亞和喬治亞已經暫停了新的數據中心許可，原因是電力限制。預計到2030年，美國數據中心的用電量將達到426太瓦時——可能超過全國用電的12%。而在中國，年發電量為10.4萬億單位，是美國的2.5倍。而西部中國的工業用電價格僅為每千瓦時$0.03——是美國$0.12到$0.15的一半甚至五分之一。

因此，當美國擔心電力問題時，中國卻在悄悄建立計算能力，並為全球市場生產代幣。DeepSeek的用戶分佈很清楚：30.7%來自中國，13.6%來自印度，6.9%來自印尼，4.3%來自美國，3.2%來自法國。全球有26,000家公司，企業版有3,200個機構。在中國，市場佔有率高達89%。在其他國家則是40%到60%。

與日本半導體悲劇的平行非常明顯。1986年，日本在壓力下簽署了美日半導體協議，變得依賴外部控制。市場份額從51%跌到7%。教訓很簡單：如果不建立自己的生態系統，產業就會消失。

在AI領域，中國選擇了更艱難的道路——從極端的算法優化，到從推理到訓練的本地晶片擴展，再到在Ascend生態系統中培育出400萬開發者，並將代幣出口到全球。每一步都是真金白銀的投入，短期內也伴隨著損失。但這就是追求獨立的代價。

2月27日，三家本地AI晶片公司公布了成果。康比恩（Cambrian）營收增長453%，首次盈利。摩爾線（Moore Threads）營收增長243%，但虧損10億美元。牧星（Muxi）營收增長121%，但虧損80億美元。半火半水，但市場需要NVIDIA的替代品。而這也是一個不容錯過的地緣政治機會。每一次損失都是對獨立的投資，這才是真正的進步。