硅谷的反应很微妙。芯片禁令确实在短期内卡住了中国企业获取顶级硬件的通道，但过去两年的经验已经反复证明了一个规律：封锁力度越大，中国AI产业的自主替代进程反而越快。这条规律最具说服力的注脚，就是DeepSeek。
在此之前DeepSeek发布了R1模型，训练成本据报道不到600万美元，性能却直接对标OpenAI同期水平的产品。消息一出全球震动，英伟达单日市值蒸发了近6000亿美元。DeepSeek并没有做什么惊天动地的硬件突破，它是通过极其精巧的工程方法和算法优化，在远低于美国同行的硬件条件下跑出了接近甚至持平的性能。
再来说一个他没有直接点明但极其关键的变量：开源生态。2024年到2025年间，中国AI企业在开源领域的投入力度非常大。阿里巴巴的通义千问系列持续开源迭代，DeepSeek的核心模型同样走了开源路线。
开源意味着什么？意味着全球任何一个开发者都可以基于这些模型做二次开发和微调，相当于借助全球人才为中国主导的技术路线构建生态。反观美国这边，OpenAI自GPT-4起走的是闭源商业化道路，谷歌的Gemini核心能力也不愿完全放开。长远来看，开源与闭源的策略分化将深刻影响全球AI生态的格局走向。
项立刚重点强调了基础设施建设能力，这一点几乎没有争议。但很多人忽略了一个更底层的问题：电。训练和运行大模型需要海量算力，海量算力直接转化为海量电力消耗。美国目前面临一个很现实的困境——电网基础设施老化严重，新建数据中心的电力审批流程冗长，部分地区甚至出现了数据中心与居民用电争夺电网容量的矛盾。
而中国在特高压输电和新型电力系统建设方面的推进速度全球无出其右，西部的清洁能源产能可以通过特高压通道直接输送到东部的数据中心集群。这套从发电到输电到用电的一体化基础设施体系，放眼全世界找不到第二套。
芯片方面的形势变化，也比很多人预想的快。华为的昇腾910B、910C系列持续迭代，虽然在单卡绝对性能上和英伟达的旗舰产品仍有差距，但差距在肉眼可见地缩小。更关键的是，当英伟达因出口管制无法向中国市场大规模供货时，国产芯片获得了此前不敢想象的实战机会。大量真实场景的部署和用户反馈正在加速国产芯片软硬件生态的成熟，这种＂被迫上场＂反而催生了一个良性循环。
但差距和趋势是两回事。差距是一个静态的截面，趋势是一条动态的轨迹。美国的优势更多体现在＂存量＂——多年积累的人才、算法、底层生态。中国的优势更多体现在＂增量＂——更快的建设速度、更低的成本结构、更庞大的应用市场。当增量的积累持续超过存量的消耗，天平就会开始倾斜。
项立刚的2030年预言到底能不能兑现，现在断言还为时过早。但至少有一件事已经越来越清楚：这场竞赛的走向，早已不是美国一家说了算的了。
热门跟贴