一年前，DeepSeek的出现震动了全球AI市场，许多人认为那是中国在这一领域的一次重大突破。然而，这次的波澜并不止于AI模型，现阶段的焦点转向了AI硬件。虽然美国政府试图将中国排除在外，但事实证明，中国的公司已经自行打开了这个局面。业内普遍认为，华为已经不仅在中国市场占据了领先地位，还在国际市场上崭露头角。

中国在全球AI竞争中一直面临一个重大挑战——无法获取最新一代的AI芯片。随着美国的出口管制不断强化，像DeepSeek这样的实验室要么寻找替代方案，要么不得不延迟进展。不过，从业内的看法来看，如果这些公司能够畅通无阻地购买英伟达的卡，他们的模型将会更为强大，产品发布的时间也会大幅提前，现在的版本与理想状态相比，可能已经滞后了六个月。

虽然制裁短期内见效，但局势正迅速发生变化。老牌企业如华为和寒武纪正积极推动自主研发，同时一批新兴的芯片公司也在不断增强国家的AI实力。新加坡的两位银行家表示，预计到2026年将会出现一轮中国芯片的IPO高潮，其中已有四家公司被称为“四小龙”，它们的目标只有一个：扩大国内硬件市场，减少对美国的依赖。

在这场竞争中，摩尔线程作为中国首家国产GPU制造商正在积极筹备上市，外界称其为“中国的小英伟达”。其创始人曾任职于英伟达，首次亮相当天其股价甚至暴涨400%。紧随其后的是沐曦和壁仞，这两家公司的投资需求爆炸。最后一家公司燧原，得到了腾讯的支持，已经递交了上市申请，估值接近30亿美元。这四家公司代表着中国在本土市场追赶英伟达的决心，并且背后还有华为及寒武纪关注着英伟达的动向。

华为这些年的成就大家有目共睹——从电信行业的领导者，到从苹果手中争取了中国市场的巨大份额，进入云计算市场的第一方阵。如今，它希望在芯片领域重现这样的成功，定下的目标是三年内超越英伟达。业内的评论也很准确：华为的芯片虽然尚未完全追赶上英伟达，但已非常接近，并且每一代产品都在前进，产量在提升，单卡性能在稳定上升。中国初创公司GU AI已经成功在华为的芯片上训练出了一款图像生成模型。

与此同时，寒武纪也在加快自身的发展步伐，出货的节奏显著加快。出人意料的是，美国的制裁催生了另一个优势：在能耗与成本上的比较优势。AI数据中心在整个生命周期内，电费可占到40%左右的运营成本。得益于中国在基础设施方面的建设，当前每单位算力的运营能耗成本仅为美国的二分之一到三分之一。

与此相对，硅谷面临着能源供应的危机。由于数据中心的激增，部分地区的电价自2020年以来上涨超过260%。更极端的情况是，虽然已经拥有H100和B200等顶级设备，仍然由于电力供应不足而无法正常使用。虽然英伟达的GPU备受推崇，但业内一直有句话流传：卖GPU只是黄仁勋的副业，真正的核心在于销售CUDA。英伟达的护城河不在于硅片，而在于全球两百万开发者以及无数底层算法和框架构成的生态。

黄仁勋最初对此是有洞察的——他认为数十家中国芯片公司虽然实力强大，但因为架构各异、编译器各自为政，最后必然导致内耗和竞争，无法各得其所。但中国这一侧却采取了另一种策略：不直接攻克CUDA，而是架设一层开源的中间层。例如，智源研究院主导的FlagOS便是这种策略的体现。当DeepSeek-V4发布之后，没几小时，就完成了所谓的“Day 0”原生适配，保证了国产芯片与模型的即时对接。

这不是某种神秘的做法，而是一种极为清晰的策略：让模型开发者无须关心底层芯片的品牌，而底层的数十家公司也无须单独去适应CUDA。原本被认为会相互竞争的众多公司，最后反而齐心协力地打破了生态壁垒。在大规模集群计算方面的动向也并无太大不同。业内普遍认为，需要依赖英伟达的私有高速网络才能实现十万卡规模的通信调度。相反，中国的做法则是自建“智能调度高速公路”，即使采用的是标准的高速以太网，也能在十万卡的规模下实现85%到90%以上的线性扩展效率。

有人会问，这一切的进展能否持续？华为设定了三年超车英伟达的时间表，业内普遍认为，光是看芯片本身，这一时间可能还要短一些，但要构建的是一个完整的生态系统，而不仅仅是硬件，因此真正的竞争将更为漫长。至于CUDA的护城河，最终将取决于中国能否在自己的架构上建立起相应的生态，这不仅仅是某个口号能够解决，需要一代又一代的产品和无数开发者的共同努力。关于开源模型，新的人们常常质疑：中国的开源模型是否真的只能在华为的芯片上运作良好？目前并没有证据表明这一说法，它们也能在英伟达的芯片上顺畅运行。真正高明之处在于，中国的心智占领策略。