2018年，当美国开始对中国半导体产业收紧技术出口的阀门时，或许并未预料到，这场封锁反而成了一剂催化剂。原本意在遏制中国芯片发展的高墙，如今正被本土企业以一种近乎“土法炼钢”却又极具系统性的创新方式，一点点地撬动。

中国的芯片制造商，尤其是华为这样的领军者，正走一条与西方截然不同的突围路径。他们不执着于单点突破最先进的制程工艺，而是在现有条件下，把整套系统玩到极致。数据显示，中国AI芯片的中位性能为114万亿次浮点运算每秒，与英伟达B200芯片的2500万亿次相去甚远。

华为的昇腾910C虽已达到800万亿次，但仍难望其项背。这种差距，根源在于制造环节的“卡脖子”——全球只有台积电、三星和英特尔能驾驭最先进的极紫外光刻机（EUV），而由于美国施压，这些设备对中国厂商大门紧闭。

没有EUV，中国只能在深紫外光刻机（DUV）上做文章。193纳米的波长本已接近物理极限，但工程师们用“多重曝光”技术硬生生延展了它的能力边界：通过反复光刻，把原本一次画不出的精细线路一点点“堆”出来。

这就像用粗笔画细线，虽然费时费力，良品率也大打折扣，但在无法获得更先进工具的现实下，这成了唯一可行的路径。效率可以牺牲，但自主可控不能丢。

既然单颗芯片跑不快，那就多堆几颗。AI计算的并行特性，给了中国厂商“以量补质”的机会。今年4月，华为推出CloudMatrix 384系统，将384块昇腾910C芯片连接在一起，形成一个庞大的算力集群，直接对标英伟达的GB200 NVL72。

尽管每颗昇腾芯片的性能只有B200的三分之一左右，但凭借五倍的数量优势，整个系统的总算力已接近对手的两倍。代价是功耗飙升至600千瓦，是英伟达系统的四倍多。但有分析指出，在中国，能源成本并非首要制约因素，这种“能耗换性能”的策略，在特定场景下反而是一种务实选择。

更令人关注的是，华为把其在通信网络领域的深厚积累，巧妙地融入了AI基础设施的构建。CloudMatrix 384采用光互联技术，用光脉冲而非电信号在芯片间传输数据。这不仅降低了功耗，也减少了发热，让大规模集群的稳定性大幅提升。

过去，这种技术多见于长途光纤，如今却被华为“搬”进了数据中心。有分析师评价，这正在“从根本上改变”AI硬件的架构逻辑。

而这场突围的另一条暗线，是软硬件的深度协同。传统芯片用32位甚至64位精度处理数字，但AI模型其实能容忍一定的“模糊”。于是，国产芯片纷纷转向16位、8位甚至4位运算。
今年8月，中国AI新锐深度求索发布了一种全新的8位数值格式，不仅省去了正负号，连小数部分也一并舍弃。这种“粗糙”的数学虽然牺牲了精度和数值范围，却极大降低了计算能耗。消息一出，支持该格式的寒武纪科技股价应声大涨，而华为也极可能在下一代芯片中跟进。

当然，前路并不平坦。英伟达的CUDA生态仍是全球AI开发的主流，而中国芯片设计仍依赖美国公司的EDA工具。尽管美国曾短暂禁止新思科技和楷登电子对华出口，后又部分松绑，但供应链的脆弱性依然存在。更关键的是，在AI模型的训练环节，国产芯片仍显乏力，尤其是高端存储芯片的短缺，让海量数据的吞吐成为瓶颈。

但当计算力被视为国家安全的基石，中国并不需要在每项指标上都做到世界第一。只要系统整体具备竞争力，就能支撑起关键应用。

今年4月，美国一度限制英伟达为中国“特供”的H20芯片，几个月后虽放宽禁令，但中国政府的反应出人意料——非但没有松一口气，反而敦促企业彻底抛弃英伟达，全面转向国产替代。这场技术封锁与反封锁的拉锯战，正在重塑中国AI产业的底层逻辑：不是等待救赎，而是在限制中，逼出自己的路。