算法和自主性：中国行业如何在人工智能领域实现突破

八年前，巨型通信企業中興公司在美國全面封殺下突然停止運作。如今，2026年3月，中國正穩步邁向完全自主的人工智慧系統建設，不再依賴英偉達或外國技術。這一轉變不僅來自晶片，更是算法與策略的真正革命。

從封殺到反擊：中興的教訓與艱難起步

2018年4月16日，美國商務部對中興通訊實施全面禁令，該公司擁有8萬員工，年收入超過一兆人民幣。沒有高通晶片，基地台停擺；沒有谷歌Android授權，手機失去可用的操作系統。公司付出了沉重代價：14億美元罰款，2018年淨虧損達70億元人民幣。

中興前CEO在內部信中寫道：「我們身處一個複雜且高度依賴全球供應鏈的產業。」這句話反映出屈服與依賴的宿命。

但八年後，局勢已徹底改變。

算法為王：從CUDA到技術自主

中國AI企業面臨的真正問題不在晶片本身，而在CUDA——由英偉達於2006年開發的計算平台。這平台掌控全球90%的AI訓練晶片市場，幾乎所有AI框架（如TensorFlow、PyTorch）都建立在其上。

到2025年，英偉達已打造出一個封閉的生態系：450萬開發者、3000個認證應用、4萬家企業。全球超過90%的AI開發者都與英偉達系統緊密相連。

真正的挑戰不是找到替代晶片，而是從零重建完整的算法、工具和軟體環境。

中國的反應並非直接對抗英偉達，而是選擇了完全不同的路：先進算法。

算法革命：專家混合模型

2024年底至2025年，中國AI產業迎來新技術：專家混合模型（Mixture of Experts）。不再啟用單一巨型模型，而是將模型拆分成多個專家，只激活必要部分完成任務。

DeepSeek的V3模型展現了這一概念：總計6710億參數，但推理時只激活370億（約5.5%）。訓練成本：557.6萬美元，使用2048個H800單元，耗時58天。相比之下，訓練GPT-4花費7800萬美元。

結果是：在經濟效率上實現巨大提升：

• DeepSeek：每百萬字符（輸入）0.028到0.28美元，輸出0.42美元
• GPT-4o：輸入5美元，輸出15美元
• Claude Opus：輸入15美元，輸出75美元

DeepSeek的成本比Claude低25到75倍。

這一價格差異在全球開發者市場引發巨大震動。2026年2月，OpenRouter上中國模型的使用量在三週內激增127%，首次超越美國。去年，中國模型佔比僅2%，一年後已達60%。

量變到質變：從推理到訓練

降低推理成本固然重要，但真正的挑戰在於訓練——需要巨大的計算能力，不能忽視。

這就需要本土晶片。

2025年，江蘇新建一條長148米的晶片產線，僅用180天完成。核心：自主設計的龍芯3C6000處理器和泰初元氣的T100 AI卡。產能：每5分鐘一台，目標年產10萬片。

更重要的是，這些晶片已開始承擔實際且龐大的訓練任務。

2026年1月，智譜科技與華為合作推出了GLM-Image模型——首個完全用中國晶片訓練的高階圖像生成模型。2月，又用中國純粹的計算設備訓練了中國電信的“天塔”模型（數萬億參數）。

這意味著：本土晶片已從“推理”跨越到“訓練”階段，實現質的飛躍。

軟體環境：Ascend系統與後續發展

這些成就的背後，是華為的Ascend系統——一個本土替代CUDA的軟體生態。

到2025年底：

• 400萬開發者加入Ascend
• 超過3000家合作伙伴
• 43個主要模型被訓練
• 200多個開源模型被調整

2026年3月2日的MWC展上，華為推出了面向國際市場的SuperPoD架構。Ascend 910B的FP16運算能力已達到英偉達A100的水平——不再是“無解”，而是“可用”和“易用”。

能源：西方的短板

情況更為複雜的是能源。

2026年初，弗吉尼亞州取消新建數據中心的批准，喬治亞州（至2027年）、伊利諾伊和密歇根也相繼跟進，原因：電力。

2024年，美國數據中心耗電183太瓦時（占全國電力的4%），預計2030年將達426太瓦時（12%）。Arm的CEO預估，到2030年，AI中心將消耗美國20-25%的電力。

美國電網負擔沉重。到2033年，將出現175吉瓦的電力缺口（足夠130萬戶家庭用電），電價上漲267%。

中國？完全相反。

中國年產電量達10.4萬億千瓦時，是美國的2.5倍（4.2萬億千瓦時）。且國內用電僅占總用電的15%（美國36%），工業用電有巨大調配空間。

電價方面：美國每千瓦時0.12-0.15美元，西部地區僅0.03美元——約為美國的四分之一到五分之一。

代幣取代工廠：新出口策略

當美國能源危機持續，中國卻“悄然”走向海外——但這次，出口的不是產品或工廠，而是代幣（Tokens）。

代幣，作為AI模型的基本信息單位，已成為新型數字商品。在中國的計算工廠產出，經海底電纜傳輸到全球。

DeepSeek用戶分佈：

• 本地中國：30.7%
• 印度：13.6%
• 印尼：6.9%
• 美國：4.3%
• 法國：3.2%

模型支持37種語言，並在巴西等新興市場廣泛應用。全球有2.6萬家公司擁有帳戶，3,200家機構部署了企業版。

2025年，58%的新興AI公司依賴DeepSeek。在中國，市場份額高達89%；在受制裁國家，則在40%到60%之間。

日本的啟示：自主與依賴的差別

1986年，日本在巨大壓力下簽署了美日聯合晶片協議。條款包括：開放日本市場20%給美國晶片、禁止低於成本價出口、對出口徵收100%的罰金。

1988年，日本佔全球晶片市場51%，前十名公司中六家在日本，NEC第二、東芝第三。

但簽約後，一切都變了。美國施壓支持三星和SK海力士，以低價打擊日本市場。日本的DRAM市場份額從80%跌至10%。到2017年，集成電路市場僅剩7%。

日本的教訓：他們甘願成為全球最優產品，但未建立自主體系。當潮流轉向，他們只剩下生產。

歷史重演：但情境不同

今日中國也站在類似的十字路口——但選擇不同。

經歷三輪晶片限制（2022年10月、2023年10月、2024年12月）與持續升高的壁壘。CUDA壁壘依然高企。

但這次，路徑完全不同：

1. 算法層面極致優化（專家混合模型）
2. 本土晶片從推理跨越到訓練
3. 400萬開發者加入Ascend
4. 代幣在新興市場全球流通

每一步都在構建一個中國前所未有的自主產業體系。

財報揭示真相：“戰爭稅”

2026年2月27日，三家中國晶片公司同日公布財報：

• Kimo：收入增長453%，首次盈利
• Moit Ton：收入增長243%，淨虧損10億
• Moxie：收入增長121%，淨虧損8億

一半是火，一半是水。

火：市場過度熱情。曾由黃仁勳（英偉達CEO）掌控的95%市場份額，正逐步被填補。

水：巨大虧損——不是管理不善，而是“戰爭稅”。大量研發投入、軟體支持、工程師現場解決問題，都是為了建立真正的自主。

這些虧損，是打造真正獨立的“代價”。

總結：從“我們能否存活？”到“能接受的代價是多少？”

八年前，問題是“我們能否存活？”。

如今，問題變成“為了存活，我們願意付出多少代價？”。

換個問題，代表進步。

靠算法的突破，而非晶片本身；建立真正的自主生態，而非僅是更好的產品；長期投入本土計算能源，而非依賴外部供應。

中國的AI產業已不再是八年前的“屈服”，而是激烈的戰鬥與前線的推進。這一次，真的有出路。