我只是今年才注意到中國人工智能領域的格局變化有多大。當禁令開始對芯片施加限制時，所有人都認為夢想已經結束了。但你知道我們所有人真正依賴的是什麼嗎？這不僅僅是硬體問題——真正的問題是CUDA。

如果你還沒聽說過，CUDA是由NVIDIA在過去十多年內建立的生態系統。所有主要的AI框架，從Google的TensorFlow到Meta的PyTorch，都依賴於它。現在有450萬開發者在使用它，全球90%的AI開發者都鎖定在這個系統中。這是一個幾乎不可能打破的飛輪——用的人越多，工具越多，退出就越困難。

但這次，中國沒有放棄。策略更聰明——轉向算法。DeepSeek V3擁有6710億參數，但每次推理只用掉5.5%。訓練成本只有557萬美元，而GPT-4則接近$78 百萬美元。你知道發生了什麼嗎？DeepSeek的API價格是每百萬字元0.028美元，而GPT-4則是5美元。便宜了25到75倍。這不僅僅是折扣——這是行業的結構性轉變。

而現在令人驚嘆的部分是：本地芯片已經開始訓練大型模型。2026年1月，Zhipu AI與華為合作推出了GLM-Image，這是第一個完全在本地芯片上訓練的圖像生成模型。龍芯3C6000處理器和泰楚遠啟T100加速卡不僅用於推理——它們已經能夠進行訓練。在江蘇興化，有一條長達148米的生產線，每5分鐘就能生產一台伺服器。這代表著新時代的生產——不僅是實體商品，更是可以出口到全球的計算能力。

華為的昇騰生態系統已經擴展到400萬開發者，3,000個合作夥伴，以及43個已預訓練的主要模型。這個數字還在持續增加。到2026年，中國的智能計算能力已達到1590 EFLOPS。這不再是希望——這已經成為現實。

現在談談能源狀況。美國遇到麻煩。弗吉尼亞、喬治亞、伊利諾伊、密歇根——都因電力短缺暫停了新數據中心項目。到2033年，美國將面臨175GW的容量缺口。但中國呢？每年的發電量達到10.4萬億單位，是美國的2.5倍。而中國的住宅用電只佔總用電的15%，而美國則是36%。這意味著中國擁有更多的工業產能來支撐計算基礎設施。中國西部的電價是每千瓦時0.03美元，而美國則是0.12到0.15美元。差距是4到5倍。

因此，最小的AI資訊單位——代幣——開始在中國生產並出口到全球。DeepSeek的用戶分佈是：中國30.7%，印度13.6%，印尼6.9%，美國4.3%，法國3.2%。全球有26,000家公司，企業版有3,200個機構。到2025年，58%的新AI初創公司將整合DeepSeek到技術棧中。在中國本土，市場佔有率已達89%。

這一切就像40年前日本所經歷的那樣。1988年，日本控制了全球半導體市場的51%，但在美日半導體協議後，他們在DRAM市場的份額降至10%。他們的錯誤在於只依賴自己是最好的製造商，沒有建立獨立的生態系統。如今，中國選擇了另一條路——從極致的算法優化，到開發本地芯片（從推理到訓練），再到聚集數百萬開發者在Ascend生態系統中，並將代幣出口到全球。

2026年3月27日的報告展現了一幅有趣的畫面。Cambrian的營收增長了453%，首次實現全年度盈利。摩爾線程的營收增長了243%，但虧損10億美元。木犀的營收增長了121%，但虧損80億美元。半火半水。但重點很清楚——市場需要一個沒有NVIDIA的替代方案。這是由地緣政治帶來的結構性機會。

建立生態系統是有成本的。每一次虧損都是真金白銀，用於學習、軟體補貼、工程師部署到客戶端。但這些虧損並非因為執行不佳——而是為了獨立自主的戰爭稅。八年前，問題是「我們能否生存」。現在，問題是「為了生存，我們必須付出什麼代價」。這個代價就是發展。