撰文：Sleepy.txt八年前，中兴心脏骤停。2018 年 4 月 16 日，美国商务部工业与安全局的一纸禁令，让中兴通讯这家拥有 8 万名员工、年营收超千亿的全球第四大通信设备商，在一夜之间停摆。禁令内容很简单，未来七年，禁止任何美国公司向中兴出售零部件、商品、软件和技术。没有了高通的芯片，基站停产。没有了谷歌的安卓授权，手机也没有能用的系统了。23 天后，中兴发布公告，称公司主要经营活动已无法进行。不过中兴最终活了下来，但代价是 14 亿美元。10 亿美元罚款，一次性付清；4 亿美元保证金，存入美国银行的托管账户。此外，全部高管换血，接受美方合规监督团队进驻。2018 年全年，中兴净亏损 70 亿元人民币，营收同比暴跌 21.4%。时任中兴董事长殷一民在内部信中写道：「我们身处在一个复杂的、高度依赖全球供应链的产业中。」这句话，在当时听来，是反思，也是无奈。八年后，2026 年 2 月 26 日，中国 AI 独角兽 DeepSeek 宣布，其即将发布的 V4 多模态大模型，将优先与国产芯片厂商深度合作，首次实现从预训练到精调的全流程非英伟达方案。翻译一下就是：我们不用英伟达了。消息一出，市场的第一反应是质疑。英伟达在全球 AI 训练芯片市场的份额超过 90%，放弃它，这在商业上合理吗？但 DeepSeek 的选择背后，藏着一个比商业逻辑更大的问题：中国 AI，到底需要一场怎样的算力独立？被卡脖子的到底是什么很多人以为，芯片禁令卡住的是硬件。但真正让中国 AI 公司感到窒息的，是一个叫 CUDA 的东西。CUDA，全称 Compute Unified Device Architecture，是英伟达在 2006 年推出的一套并行计算平台和编程模型。它允许开发者直接调用英伟达 GPU 的算力，来加速各种复杂的计算任务。在 AI 时代到来之前，这只是一个属于少数极客的工具。但当深度学习的浪潮袭来，CUDA 变成了整个 AI 产业的地基。AI 大模型的训练，本质上就是海量的矩阵运算。而这恰恰是 GPU 最擅长的工作。英伟达凭借提前十几年的布局，用 CUDA 为全球的 AI 开发者搭建了一整套从底层硬件到上层应用的完整工具链。今天，全球所有主流的 AI 框架，从谷歌的 TensorFlow 到 Meta 的 PyTorch，底层都与 CUDA 深度绑定。一个 AI 专业的博士生，从入学第一天起，就是在 CUDA 的环境里学习、编程、做实验。他写的每一行代码，都在加固英伟达的护城河。这组数据背后，有一个容易被忽视的结构性变化。2025 年下半年开始，AI 应用的主流场景从聊天转向了 Agent。Agent 场景下，一次任务的 Token 消耗量是简单聊天的 10 到 100 倍。当 Token 的消耗量指数级增长时，价格就成了决定性因素。中国模型的极致性价比，恰好踩中了这个窗口。但问题是，推理成本的降低，并没有解决训练的根本问题。一个大模型如果不能在最新的数据上持续训练、迭代，它的能力就会迅速退化。而训练，依然是那个绕不开的算力黑洞。那么，训练的「铲子」，从哪里来？备胎的转正江苏兴化，苏中小城，以不锈钢和健康食品闻名，此前和 AI 没有任何关系。但 2025 年，一条 148 米长的国产算力服务器产线在这里建成投产，从签约到投产，只用了 180 天。这条产线的核心，是两颗完全国产的芯片：龙芯 3C6000 处理器和太初元碁 T100 AI 加速卡。龙芯 3C6000，从指令集到微架构全部自主研发。太初元碁脱胎于国家超级计算无锡中心和清华大学团队，采用异构众核架构。这条产线满产时，5 分钟下线一台服务器，这条生产线总投资 11 亿元，预计年产 10 万台。更重要的是，基于这些国产芯片组成的万卡集群，已经开始承接真正的大模型训练任务。2026 年 1 月，智谱 AI 联合华为发布了 GLM-Image，这是首个完全依托国产芯片实现全程训练的 SOTA 图像生成模型。2 月，中国电信的千亿级「星辰」大模型，在上海临港的国产万卡算力池上完成了全流程训练。在电价上，美国 AI 公司聚集区的电价在 0.12 到 0.15 美元每千瓦时，而中国西部的工业电价约为 0.03 美元，仅为美国的四分之一到五分之一。中国的发电增量，已经达到美国的 7 倍。就在美国为电发愁的时候，中国的 AI 正在悄悄出海。但这一次出海的，不是产品，不是工厂，而是 Token。Token，AI 模型处理信息的最小单位，正在成为一种新的数字商品。它从中国的算力工厂里被生产出来，通过海底光缆输送到全球。DeepSeek 的用户分布数据很能说明问题：中国本土占 30.7%，印度 13.6%，印尼 6.9%，美国 4.3%，法国 3.2%。它支持 37 种语言，在巴西等新兴市场广受欢迎。全球有 2.6 万家企业开通了账户，3200 家机构部署了企业版。2025 年，58% 的新 AI 创业公司把 DeepSeek 纳入了技术栈。在中国，DeepSeek 拿下了 89% 的市场份额。而在其他受制裁国家，市场份额则在 40%～60% 不等。这幅景象，像极了四十年前的另一场关于产业自主权的战争。1986 年的东京，在美国的强大压力下，日本政府签订了《美日半导体协议》。协议的核心条款有三条：要求日本开放半导体市场，美国芯片在日本的市场份额须达到 20% 以上；严禁日本半导体以低于成本价格出口；对日本出口的 3 亿美元芯片征收 100% 惩罚性关税。同时，美国否决了富士通对仙童半导体的收购。那一年，日本半导体产业正处在巅峰。1988 年，日本控制了全球半导体市场 51% 的份额，美国只有 36.8%。全球十大半导体公司，日本独占六席：NEC 排名第二，东芝第三，日立第五，富士通第七，三菱第八，松下第九。1985 年，Intel 在美日半导体争夺战中亏损 1.73 亿美元，濒临破产。但协议签订后，一切都变了。美国通过 301 调查等手段，对日本半导体企业发起了全方位的压制。同时扶持韩国的三星、海力士，以更低的价格冲击日本的市场。日本的 DRAM 份额从 80% 跌至 10%。到 2017 年，日本 IC 市场份额仅剩 7%。曾经不可一世的巨头们，或被拆分，或被收购，或在无休止的亏损中黯然离场。日本半导体的悲剧在于，它满足于在一个由单一外部力量主导的全球分工体系中，做那个最优秀的生产者，却从未想过去构建一个属于自己的、独立的生态。当潮水退去，它才发现，自己除了生产本身，一无所有。今天的中国 AI 产业，正站在一个相似却又完全不同的路口。相似的是，我们同样面临着来自外部的巨大压力。三轮芯片管制，层层加码，CUDA 生态的壁垒依然高耸。不同的是，这一次，我们选择的是一条更难的路。从算法层面的极致优化，到国产芯片从推理到训练的跨越，再到昇腾生态 400 万开发者的积累，再到 Token 出海对全球市场的渗透。这条路上的每一步，都在构建一种日本当年从未拥有过的独立产业生态。尾声2026 年 2 月 27 日，三份来自本土 AI 芯片公司的业绩快报，在同一天发布。寒武纪，营收暴增 453%，首次实现全年盈利。摩尔线程，营收增长 243%，但净亏损 10 亿。沐曦，营收增长 121%，净亏损近 8 亿。一半是火焰，一半是海水。火焰，是市场的极度饥渴。黄仁勋让出的那 95% 的空白，正在被这些本土公司的营收数字，一寸一寸地填满。无论性能如何，无论生态怎样，市场需要英伟达之外的第二个选择。这是地缘政治撕开的、一个千载难逢的结构性机会。海水，是生态建设的巨大成本。每一分亏损，都是为追赶 CUDA 生态而付出的真金白银。是研发的投入，是软件的补贴，是派驻到客户现场、一个一个解决编译问题的工程师的人力成本。这些亏损，不是经营不善，而是构建一个独立生态所必须支付的战争税。这三份财报，比任何一份行业报告都更诚实地记录了这场算力战争的真实面貌。它不是一场高歌猛进的胜利，而是一场惨烈的、一边流血一边冲锋的阵地战。但战争的形态，确实已经变了。八年前，我们讨论的是「能不能活下来」的问题。今天，我们讨论的是「活下来要付出多大代价」的问题。代价本身，就是进步。
Thank you for reading this post, don't forget to subscribe!