我曾在八年前关注过中兴的故事，当时发生了灾难——美国全面禁令立即停止了它。拥有8万名员工、收入超过万亿人民币的公司，在一天之内从地图上消失了。场景令人痛心：没有高通的芯片，没有安卓的许可。故事以14亿美元的和解金和每年70亿人民币的损失告终。

但2026年2月发生的事情完全不同。DeepSeek宣布了V4多模态模型，将完全依赖国产芯片，没有NVIDIA。市场的第一反应是怀疑，但在这个公告背后隐藏着更深层次的问题：中国如何建立真正的计算自主权？

事实是，压垮中国人工智能公司的，不仅仅是芯片。是CUDA——NVIDIA自2006年以来垄断整个生态系统的平台。全球超过450万开发者与之关联，他们写的每一行代码都在加深鸿沟。当美国对A100、H100、H20实施禁令时，中国公司意识到，真正的问题不在芯片，而在整个软件环境。

但有出路。从2024年底到2025年，中国公司采取了完全不同的策略：混合专家模型。思路很简单——不激活整个模型，而是将其拆分为多个专家，只激活与任务最相关的部分。DeepSeek V3就是一个典型例子：拥有6710亿参数，但只激活370亿，即5.5%。训练成本？557.6万美元，而GPT-4则需7800万美元。差距巨大。

这种算法的进步直接反映在价格上。DeepSeek的接口每百万字符收费0.028美元，而GPT-4则为5美元。许可成本低25到75倍。到2026年2月，使用国产模型在OpenRouter上的调用增长了127%，仅用三周时间，首次超过美国。

但降低推理成本并不能解决训练的问题——这是计算能力的黑洞。训练“挖掘机”从何而来？

答案在中国东南部的一个小城。2025年，仅用180天就建成了一条完整的计算生产线。龙芯3C6000处理器和太初元气的T100显卡——全都国产。产量：每五分钟一台服务器。更重要的是？这些芯片开始训练真正的大模型。智谱AI用国产芯片训练了完整的GLM-Image。通信公司用数万处理单元在本地计算池中训练了其庞大的模型。

这不是推理——这是训练。一个质的飞跃。

背后是华为昇腾。到2025年底，开发者超过400万，合作伙伴超过3000家。43个主要模型在昇腾上训练完成。2026年3月，华为在海外市场推出了SuperPoD。昇腾910B的算力达到了NVIDIA的A100水平。差距从无法使用变成了可用。

而美国正面临真正的电力危机——弗吉尼亚、乔治亚、伊利诺伊暂停了新建数据中心项目。到2030年，能源消耗可能占到美国电力的12%，电网已然捉襟见肘。

另一方面，中国的电力产出是美国的2.5倍，工业用电价格仅为0.03美元——美国的四分之一。这意味着巨大的发电能力可以用来进行大规模计算。

如今，中国的人工智能正悄然走向世界——但不是产品或工厂。它输出的是符号(Token)。模型处理的小信息单元，已成为一种新的数字商品。在计算工厂生产，经过海底电缆传输到全球。

DeepSeek用户的分布说明了一切：中国占30.7%，印度13.6%，印尼6.9%，美国4.3%。支持37种语言。到2025年，58%的AI创业公司将DeepSeek纳入其技术架构。在中国，市场份额高达89%。

这让我想起四十年前的另一场战争。1986年，日本在美国压力下签署了半导体协议。那时正处于巅峰——到1988年，控制了全球市场的51%。但签署协议后，一切都变了。如今，它的份额已降至仅7%。巨头们一个接一个退出。

日本的悲剧在于，它接受了成为全球分工体系中最优产品的角色，却没有建立自主体系。当浪潮退去，它只剩下了生产。

今天的中国也站在类似但不同的十字路口。我们面临巨大压力——三轮芯片禁令不断升级。但这一次，我们选择了更艰难的道路：在算法层面进行极致优化，推动国产芯片从推理到训练的跃升，积累数百万开发者加入昇腾体系，然后在新兴市场推广Token的全球化。

每一步都在构建一个中国从未拥有的工业体系。

2026年2月27日，同一天，三家国产芯片公司公布了它们的成果。一半是火，一半是水。火的是收入，增长分别为453%、243%和121%。水的是亏损，总额达十亿八千万美元。每一笔亏损，都是为了打造一个自主生态系统的真实投入——研发、软件支持、现场工程师逐一解决问题。

这不是管理不善的亏损，而是必经的战争代价。

八年前，我们还在问：我们还能坚持吗？今天，问题变成了：我们要付出多少才能坚持？代价其实就是进步。