本地芯片生产：中国如何建立自己的人工智能生态系统

幾年前，世界努力理解數位產業的真正意義。如今，AI革命中的生產又是什麼？這不僅僅是硬體的製造，而是建立一個創新與獨立融合的完整生態系統。在超過六年的時間裡，中國從希望打造自主解決方案，轉變為真正掌握計算能力的過程。這個故事始於危機，最終演變成一場革命。

瓶頸不是硬體：為何CUDA才是真正的障礙

2018年，華為經歷了一次嚴峻考驗。美國商務部的禁令讓一家擁有8萬員工、年營收達數十億美元的跨國公司在一夜之間陷入癱瘓。沒有高通的晶片，沒有谷歌的Android授權——整個運營陷入停擺。

但更深層次的問題不僅是硬體，而是一個名為CUDA的生態系統。

CUDA，即Compute Unified Device Architecture，是NVIDIA於2006年推出的並行計算平台。在深度學習革命中，它成為整個AI產業的基礎。訓練大型AI模型本質上是巨大的矩陣運算，而GPU在此扮演獨特角色。NVIDIA用十年時間打造了一個完整的生態系統，從底層硬體到上層軟體工具，皆以CUDA為核心。

如今，Google的TensorFlow和Meta的PyTorch等主要AI框架都深度依賴CUDA。每位AI工程師從一開始就開始用CUDA編碼。這形成了一個難以打破的飛輪：開發者越多，工具越豐富，生態越壯大，加入者也越多。

到2025年，CUDA生態系統擁有超過450萬開發者，涵蓋超過3000個GPU加速應用。全球超過90%的AI開發者都依賴這個生態系統。要如何取代這個基礎？答案是可能，但你必須重寫過去十年來所有的經驗、工具和代碼。誰來承擔這個成本？

從推理到訓練：質的變革與本土生產

面對美國持續的規範——2022年用NVIDIA A100和H100，2023年用A800和H800，2024年則是H20——中國AI公司並未放棄直接競爭，而是選擇另一條路：算法層面的優化。

從2024年底到2025年，中國AI公司轉向一個技術方向：專家混合（MoE）架構。以DeepSeek的V3為例，擁有6710億參數，但每次推理只用到370億參數，僅佔總數的5.5%。訓練成本約為557萬美元，而GPT-4預估需7,800萬美元。

這種算法優化直接反映在價格上：DeepSeek API每百萬tokens收費0.028至0.28美元，而GPT-4則是5美元。Claude Opus約15美元。中國的成本比美國低25到75倍。

但真正的突破不僅在價格。到2025年，AI應用已從簡單對話轉向Agent場景，token使用量激增10到100倍。在這種規模下，價格成為決定性因素。

如今，本土生產已從推理擴展到訓練——一個質的飛躍。推理僅運行預訓練模型，而訓練則需要更高的計算能力、更大的互聯帶寬和完整的軟體生態。

生產生態系：從江蘇興化到全球部署

在產業轉型的浪潮中，江蘇興化建立了一條伺服器生產線。這個以不鏽鋼和健康食品聞名的小城，從簽約到投產僅用180天。生產線配備兩款本土晶片：龍芯3C6000處理器和泰楚遠啟T100 AI加速器。

這是一個里程碑：如今的生產不僅關乎數量，更關乎能力。滿負荷運作時，每5分鐘產出一台伺服器，每年達10萬台。

更重要的是，數千個本土晶片集群已開始進行大型模型的實質訓練。2026年1月，華為推出了GLM-Image——首個用本土晶片全訓練的SOTA圖像生成模型。2月，中國電信在上海臨港的本地計算池完成了星辰模型的全部訓練流程。

背後的主要推手是華為昇騰系列。到2025年底，昇騰生態系擁有400萬開發者和超過3000個合作夥伴。43個主要大模型完成了昇騰的預訓練，並有200多個開源模型進行了適配。

2026年3月2日，華為推出了新型SuperPoD基礎設施。昇騰910B的FP16計算能力相當於NVIDIA A100。當生態系在晶片持續改進中同步發展——不等待完美——升級速度將非常快。

能源優勢與計算力：為何中國領先

2026年初，弗吉尼亞停止發放新數據中心許可證，緊接著喬治亞、伊利諾伊和密歇根也跟進。美國的電網已經超出承載能力。

2024年，美國數據中心用電量達183太瓦時，占總消耗的4%。到2030年預計達426 TWh，佔比12%。Arm的CEO表示，到2030年，AI數據中心可能消耗美國20-25%的電力。

當美國擔憂電力供應時，中國卻擁有巨大優勢。中國每年發電量約10.4萬億度，遠高於美國的4.2萬億度——僅是2.5倍。更重要的是，中國的住宅用電僅佔總用電的15%，而美國則高達36%。這意味著中國有更多工業用電容量可用於計算。

中國西部工業區的電價約為每千瓦時0.03美元，而美國AI中心則為0.12至0.15美元。中國在能源成本上有4到5倍的優勢。

Token與市場：新型數字商品的崛起

如今，美國在能源基礎建設上投資的同時，中國則出口一種新產品：tokens。Token是AI模型所能理解的最小信息單位——已成為一種數字商品，在計算工廠中生成，並傳送到全球。

DeepSeek用戶的分佈說明了一切：30.7%來自中國，13.6%來自印度，6.9%來自印尼，4.3%來自美國，3.2%來自法國。支持37種語言，並在巴西等新興市場快速擴展。

2026年2月，在OpenRouter平台上，中國AI模型的每週使用量在三週內激增127%，首次超越美國。去年，中國模型的市場份額不足2%，如今已達到6%，增長了421%。

2026年2月27日，三家本土晶片公司公布財報：康比特營收增長453%，首次實現全年盈利；摩爾科技增長243%，但淨虧損達10億美元；牧星科技增長121%，但虧損近80億美元。

半火半水，火是市場需求。華人巨頭黃仁勳釋出的95%空間由本土公司收入填補。市場需要一個沒有NVIDIA的替代方案，這是一個前所未有的結構性機會。

從歷史中汲取教訓

八年前，曾發生過一個令人震驚的格局。1986年，美日半導體協議重塑產業，日本一度領先——到1988年，日本控制全球半導體市場的51%，而美國為36%。前十名中有六家來自日本。

但通過戰略貿易措施、監管審查和支持韓國競爭者，美國將日本的DRAM市場份額從80%降至10%。曾經的巨頭分崩離析，或被收購、或逐漸淡出。

悲劇在於：日本滿足於全球分工的角色——最好的製造商，卻未建立自主的生態系統。當浪潮退去，他們只剩下製造。

如今，中國的AI產業面臨類似壓力，但選擇了更艱難的道路：極端算法優化、本土晶片從推理到訓練的研發、建立擁有400萬昇騰開發者的生態系，以及全球token分配。每一步都在打造獨立的產業生態。

建設生態系的成本巨大。每一次損失都是真金白銀，用於追趕CUDA的學習成本、軟體補貼和工程師部署費用。這是為了獨立必須付出的“稅”。

這三份財報比任何產業報告都更誠實地反映了競爭的真實狀況。這不是慶祝，而是激烈的爭奪戰，士兵在血戰中崛起。

但數字的形態已經徹底改變。八年前，問題是“我們能否生存？”如今，則是“我們要付出多少代價才能生存？”而這個代價，就是進步。