中國自主戰略：當需求增加時，替代品減少

當談到全球人工智慧產業時，我們面臨一個奇怪的方程式：越來越多的計算能力需求，可信來源的選擇就越少。這正是中國目前所經歷的——以及它的應對方式正在重新定義產業的力量平衡。

真正的瓶頸不在晶片，而在軟體環境

有人可能認為，限制晶片供應是最大的威脅。但事實遠比這更深遠。真正讓中國人工智慧公司陷入困境的，不是晶片本身，而是一個名為CUDA的軟體環境。

自2006年起，NVIDIA圍繞其CUDA軟體平台建立了一個無可匹敵的帝國。這個平台，將圖形處理器的運算能力轉化為超級計算工具，幾乎成為所有現代人工智慧模型的基礎。經過二十年的發展，與CUDA相關的開發者已超過450萬人，分布在超過4萬家全球公司。

問題在於：人工智慧開發者不可能輕易放棄CUDA，轉而採用其他技術。每一行在CUDA上寫的程式碼、每一個軟體庫、每一段累積的經驗——都深深根植於這個環境中。轉型將意味著要重新撰寫數千名全球最聰明的工程師的經驗。誰來承擔這個代價？

從算法到自主：中國的替代之路

但中國企業並沒有直接面對禁令，而是選擇了一條完全不同的路。從2024年底到2025年，一場全面的戰略轉型正在進行——向混合專家模型（Mixture of Experts）模式轉變，這種技術將大型模型拆分成多個小專家，只激活每個任務所需的部分。

DeepSeek推出了V3模型，擁有6710億參數，但在推理時只用到37億。結果：訓練成本僅為557.6萬美元，而OpenAI的GPT-4則花費7800萬美元。這不僅是技術細節的差異，而是效率的飛躍。

這種改進直接反映在價格上。DeepSeek的API每百萬字符收費0.028到0.28美元，而GPT-4的價格高達5美元。這個差距——從25倍到75倍的價格差——不僅是價格優勢，更成為一個戰略武器。

到2026年2月的三週內，中國模型在全球最大AI接口平台OpenRouter上的使用量激增127%。去年不到2%的市場份額，經過一年，已接近60%，增長達421%。

本地基礎設施的成熟：從推理到訓練

真正的轉折點正在到來。中國本土的晶片已經從“推理能力”跨越到“訓練能力”。

在江蘇常州，一條長達148米的本地生產線於2025年快速投產——從設計到量產僅用180天。這條線生產的是龍芯3C6000處理器和太初元氣T100 AI卡片——完全由中國自主設計與製造的芯片。

結果是：每五分鐘就能生產一台完整的伺服器。投資額達11億元人民幣，預計年產量10萬台。

更重要的是，這些芯片已經能夠承擔大型模型的訓練任務。2026年1月，智譜AI和華為聯合推出了GLM-Image模型——首個完全在中國本土晶片上訓練的先進圖像生成模型。隨後一個月，中國電信的“星辰”大型模型也在本地計算設備上完成訓練。

這不僅是技術進步——是質的轉變。訓練需要處理海量數據、進行複雜計算和參數更新，這些需求遠超推理階段的十倍。

這一切的核心，是華為的昇騰（Ascend）晶片。到2025年底，昇騰生態系統的開發者已超過400萬，合作夥伴達3000家。產業內已訓練出43個主要模型，並改造了超過200個開源模型。

2026年3月，華為首次將昇騰的超算技術推向海外市場——推出了新一代超算平台SuperPoD。昇騰910B晶片的計算能力已達到NVIDIA A100的水平。雖然仍有差距，但根本的差異已經改變：從“不可用”到“高效可用”。

電力與新世界：能源何時成為戰略武器

當人們關注晶片和算法時，一個更隱秘但更具影響力的變化正在發生：電力差距正以驚人的速度擴大。

2026年初，美國開始面臨嚴重的能源危機。弗吉尼亞暫停新數據中心的建設，喬治亞也延後到2027年。東部電網的容量缺口達6GW。到2033年，整個國家將面臨175GW的能源缺口——相當於1.3億個家庭的用電需求。

美國的數據中心用電在2024年已達183太瓦時，約佔全國總用電的4%。預計到2030年，這一數字將翻倍。僅人工智慧產業，預計到2030年將消耗美國20%到25%的電力。

批發電價在數據中心集中的地區已較五年前上漲267%。

而中國的情況則截然不同。中國每年發電量達到10.4兆千瓦時，是美國的2.5倍（4.2兆千瓦時）。更重要的是，家庭用電只佔總用電的15%，而美國則高達36%。這意味著，中國有大量工業用電資源可用於大規模計算投資。

中國西部的工業用電價格約每千瓦時0.03美元，僅為美國人工智慧重鎮地區（0.12-0.15美元）的四分之一到五分之一。

這不僅是價格差異，更是結構性差距。將高耗能的計算任務從能源緊張的地區轉移到能源豐富的地區，將徹底改變經濟格局。

代幣取代產品：中國如何重新定義出口

當美國陷入能源危機時，中國的人工智慧卻悄然走向國際市場。這次，出口的不是工廠或產品，而是“代幣”（Tokens）——由人工智慧模型處理的微小單位。

這些代幣在中國的計算工廠中產生，然後通過全球網絡傳輸到世界各地。這是一種全新的數字商品——不需要海運或海關，只靠網路連接。

DeepSeek的用戶分佈數據說明了這一點：中國本土用戶佔30.7%，印度13.6%，印尼6.9%，美國4.3%，法國3.2%。支持37種語言，並在巴西等新興市場廣泛擴展。

全球有2.6萬家公司開設了帳戶，3,200家機構部署了企業版。到2025年，58%的新興人工智慧公司將DeepSeek納入其技術架構。

在中國，DeepSeek佔據了89%的市場份額。在受制裁國家，市場份額則在40%到60%之間。

日本的歷史教訓：建立系統，而非僅僅是產品

四十年前，日本曾面臨類似的挑戰。1986年，在美國的巨大壓力下，日本政府與美國簽署了半導體協議，削弱了其技術自主性。

到1988年，日本控制了全球半導體市場的51%，而美國僅36.8%。六家全球前十的半導體公司是日本企業：NEC、東芝、日立、富士通等。英特爾當年虧損1.73億美元，幾乎瀕臨破產。

但簽署協議後，一切都改變了。美國採取了全面調查措施，同時支持三星和海力士韓國企業，以低價打擊日本市場。結果，日本的DRAM市場份額從80%跌至10%。

到2017年，日本在IC市場的份額已縮小到7%。曾經不可一世的企業紛紛退出、被收購或陷入持續虧損。

日本的真正原因，不是技術落後，而是戰略選擇：甘願成為“最佳產品”供應商，置身於由一個強權主導的全球系統中，而非建立自主的產業生態。

當浪潮退去時，日本才意識到，自己除了那條生產線，已一無所有。

中國的路：同樣的挑戰，完全不同的選擇

如今，中國面臨同樣甚至更大的壓力——連續三輪晶片限制（2022、2023、2024），以及持續升高的封鎖壁壘。CUDA環境的高牆依然難以逾越。

但關鍵的不同，是它的反應。中國沒有追求“最好的產品”來迎合NVIDIA的系統，而是選擇建立一個自主的生態系統。

從根本算法的改進開始，然後將本土基礎設施從推理能力提升到訓練能力，累積了超過400萬開發者在昇騰生態中，並將代幣推向海外新興與先進市場。

每一步都在建立真正的自主——這是日本從未擁有過的。

2026年2月27日，中國三家人工智慧晶片公司同日公布財報：Kemo營收激增453%，首次實現年度盈利；Moitun增長243%，但仍虧損10億美元；Moxi增長121%，虧損8億美元。

這些數字，既是市場狂熱的證明，也是建立自主的巨大投入。每一筆虧損，都是為了追求獨立的真實投資——在研發、軟體支持、工程師解決翻譯問題的努力中，付出真金白銀。

這些財報，真實反映了這場對抗計算力的戰爭——比任何產業報告都更直觀。不是一場鼓舞人心的勝利，而是一場血戰，前線血流成河。

但戰爭的形態已經改變。八年前，我們問：“我們能否生存？”如今，真正的問題是：“我們要付出多少代價？”

而那個代價，正是進步。