我只是今年才注意到，中国AI的格局变化有多么巨大。自芯片禁令开始以来，所有人都以为梦想已经结束了。但你知道真正搭在我们所有人身上的是什么吗？这不仅仅是硬件——真正的问题是CUDA。

如果你还没听过，CUDA是NVIDIA在过去十多年里建立的生态系统。所有主要的AI框架，从Google TensorFlow到Meta PyTorch，都依赖它。现在有4.5百万开发者在使用它，全球90%的AI开发者都已经被锁定在这个系统中。这是一种近乎不可能退出的飞轮——用得越多，工具越多；越难抽身。

但在这一次，中国没有认输。策略更聪明——走向算法。DeepSeek V3拥有6710亿（671 billion）个参数，但每次推理只用到其中的5.5%。训练成本仅为$5.576 million，而GPT-4几乎是$78 milyon。你知道发生了什么吗？DeepSeek的API价格是每百万tokens $0.028，而GPT-4o是$5。便宜了25到75倍。这不只是折扣——这是行业的结构性转变。

而现在最惊人的部分是：本地芯片开始训练大型模型。到2026年1月，Zhipu AI发布了使用华为的GLM-Image，这是第一个在本地芯片上完整训练的图像生成模型。Loongson 3C6000处理器和TaiChu Yuanqi T100加速卡，不再只用于推理——它们已经具备训练能力。在江苏兴化，有一条长度为148米的生产线，每5分钟就能生产服务器。这就是新一代的生产方式——不只是实体商品，而是可以向全世界输出的计算能力。

Huawei Ascend生态系统已经增长到拥有4百万开发者、3,000个合作伙伴，以及43个已经在此进行预训练的主要模型。这个数字还在持续上升。到2026年，中国的智能算力将达到1590 EFLOPS。这不再是空想——而是现实。

接下来是能源状况。美国正在遇到麻烦。Virginia、Georgia、Illinois、Michigan——所有地方都因为电力短缺而暂停了新的数据中心项目。美国到2033年将面临175GW的产能缺口。但中国呢？中国的年发电量为10.4 trillion units，是美国的2.5倍。而中国居民用电仅占总用电的15%，美国则为36%。这意味着中国拥有更多用于计算基础设施的工业产能。中国西部的电价是每千瓦时$0.03，而美国是$0.12到$0.15。差距是4到5倍。

所以，tokens——AI信息的最小单位——开始在中国生产，并向全球输出。DeepSeek的用户分布为：30.7%中国、13.6%印度、6.9%印尼、4.3%美国、3.2%法国。全球有26,000家公司，企业版有3,200家机构。到2025年，58%的新AI创业公司将把DeepSeek集成到技术栈中。在中国本土，市场份额已达到89%。

这里发生的事情，和40年前的日本很像。1988年，日本控制着全球51%的半导体市场份额，但在美日《半导体协议》之后，其在DRAM的份额降到了10%。他们的错误在于只依赖“最好的制造商”这一点，却没有建立自己的独立生态系统。现在，中国选择了另一条路——从极致的算法优化，到从推理到训练开发本地芯片；从在Ascend生态系统中聚集数百万开发者，到将tokens向全球出口。

2026年3月27日的报告展示出一幅有趣的画面。Cambrian营收增长453%，实现了首个完整年度盈利。Moore Threads营收增长243%，但亏损1 billion。Muxi营收增长121%，但亏损8 billion。一半是火，一半是水。但重点很清楚——市场需要一种替代方案，让它不再依赖NVIDIA。这是一种由地缘政治带来的结构性机遇。

构建生态系统是有成本的。每一次亏损都是真金白银，用于学习、软件补贴、工程师部署到客户那里。但这些亏损并不是因为执行不力——这是为独立而征收的“战争税”。八年前，问题是“我们能不能活下去”。现在，问题变成了“为了活下去，必须付出多大的代价”。而代价本身，就是发展。