我注意到一件有趣的事情，當我跟蹤中國人工智慧的最新發展時。

正好在八年前，2018年4月，ZTE的心臟停止跳動，成為一個戲劇性的轉折點。
一個美國禁令，導致一切崩潰——沒有高通晶片，沒有操作系統。
這家曾經是全球第四大電信設備供應商的公司，一夜之間停擺。

但重點來了：現在，八年後，我們見證了一個完全不同的結局。
中國沒有在人工智慧上重蹈覆轍。
相反，他們選擇了一條更艱難的道路。

真正的問題並不總是晶片——而是CUDA。
這個由NVIDIA打造的平台，已成為全球人工智慧產業的支柱。
超過450萬開發者依賴它，超過90%的AI開發者在這個生態系統中工作。
這是一個可持續的循環——開發者越多，生態越繁榮，吸引更多新開發者。

中國的解決方案來自一個意想不到的地方：算法。
他們沒有試圖直接與NVIDIA競爭，而是專注於徹底改進算法。
混合專家模型成為趨勢——將大型模型拆分成多個專家，只激活必要的部分。
DeepSeek V3擁有6710億參數，但實際激活的只有370億——僅5.5%。
成本？557萬美元，對比GPT-4的7800萬美元。
這是一個巨大的差距。

價格直接反映在API上。
DeepSeek的價格比Claude便宜25到75倍。
去年2月，使用中國模型的OpenRouter在三週內增長了127%，首次超越美國。

但僅靠價格和算法，並不能解決訓練的問題。
這裡，國產晶片開始發力。
龍芯3C6000和泰初元氣卡片已經在努力工作。
到2026年1月，智譜推出了第一款完全用中國晶片訓練的圖像模型。
之後，"星辰"模型在數萬個本地計算節點上訓練。
這是一個質的轉變——從“推理能力”到“訓練能力”。

華為的昇騰已成為核心引擎。
400萬開發者，3000個合作夥伴，43個主要模型基於它進行訓練。
昇騰910B已達到NVIDIA A100的水平——從不可用到可用。
不能等待完美，必須立即行動，利用實際業務需求推動發展。

另一個常被忽視的因素是電力。
中國的電力產量是美國的2.5倍，家庭用電僅佔15%，而美國是36%。
西部地區的工業用電價格約0.03美元/千瓦時，而美國則在0.12-0.15美元，約為四分之一到五分之一。
而美國正面臨嚴重的電力危機——(弗吉尼亞和喬治亞的數據中心新建許可被擱置)，
中國則在向全球出口Token。

DeepSeek目前已支持37種語言。
30.7%的用戶是本地用戶，來自印度的佔13.6%，印尼佔6.9%。
全球有2.6萬家公司擁有帳戶。
在受制裁國家，市場份額在40%到60%之間。
這就像一場工業獨立戰爭——
就像40年前日本在半導體領域的崛起，但這次的結局不同。

2月27日的財報非常誠實：
一些公司首次盈利，一些公司則虧損數十億。
但這些虧損並非失敗——
它們是建立真正獨立生態系統的戰爭稅。
每一次損失，都是對研發、軟件支持和工程師解決問題的投資。

問題已從“我們能否存活？”轉變為“我們需要付出多少才能存活？”
而答案，正是實質性的進步。