外傳下篇：缺課者——中國的應用狂歡與底層斷裂
凌晨一點，上海。一間手遊工作室的辦公室亮著燈。螢幕上的數字正在跳動——他們的新款抽卡遊戲上線不到二十四小時，首日流水突破一億人民幣。產品經理打開香檳。營運總監已經在計算第二週的付費轉化率。美術團隊開始趕製下一批限定角色的立繪。整間公司像一台精密的印鈔機，每一個齒輪都在飛速旋轉。
同一個時區，深圳。華為的一棟研發大樓裡，幾個工程師盯著終端機上的紅色錯誤訊息，表情凝重。他們正在嘗試讓一台搭載國產昇騰 910B AI 晶片的伺服器，跑起 GitHub 上最新版本的一個開源大型語言模型。模型的程式碼是用 PyTorch 寫的。PyTorch 底下呼叫的是 CUDA。他們的晶片不是 NVIDIA 的。
錯誤訊息一行接一行。
最賺錢的應用，和最無力的底層，在同一個國度並存。這不是偶然。這是三十年來一條完整因果鏈的結算。
I. 報表靈魂的極致
如果說上一篇外傳裡的 Google 是報表靈魂的原型，那麼中國的互聯網巨頭就是報表靈魂的完成式。
騰訊、網易、字節跳動——三家公司加起來，控制了全球行動遊戲市場的相當大一塊版圖。它們不是靠做出最好的遊戲贏的。它們是靠做出最精密的變現機器贏的。
抽卡機制的保底設計、活動倒數計時的心理壓力、社交排名的攀比驅動、首儲禮包的錨定效應——這些東西背後站著的不是遊戲設計師，是行為心理學家和數據科學家。每一個彈窗的出現時機、每一次限時折扣的幅度、每一個「再抽一次」按鈕的顏色和大小，都經過 A/B 測試的精密校準。
結果是驚人的。一款成功的中國手遊，可以在上線首日創造超過一億人民幣的營收——這個數字超過了許多歐美 3A 遊戲工作室幾百人團隊磨了三到五年的產品在首週的全球銷售額。
但這些公司做的事情，跟正文裡每一章描述的科技霸權建造者，有一個根本的差異。
微軟用 DirectX 統一了 PC 遊戲的繪圖介面——這推動了 GPU 硬體的演進。NVIDIA 用 CUDA 在遊戲顯示卡裡塞入通用運算核心——這催生了整個 AI 運算產業。台積電在遊戲 GPU 的大面積晶片上磨練極限良率——這為 AI 晶片的量產鋪了路。每一個正文裡的玩家，不論動機多自私、手段多骯髒，至少在客觀上推動了某種底層技術的進步。
中國的遊戲巨頭沒有推動任何底層技術。
它們的遊戲跑在別人設計的晶片上（Qualcomm 的 Snapdragon、Apple 的 A 系列）、由別人製造的工廠代工（台積電、三星）、使用別人開發的引擎（Unity、Unreal）、在別人建立的作業系統上運行（Android、iOS）。從晶片到引擎到作業系統，整條技術供應鏈沒有一環是中國自己的。
這不 是因為中國的工程師不夠聰明。是因為賺錢太容易了。
當你可以用三十個人、花六個月、做一款換皮的抽卡遊戲、首月營收破億——你為什麼要花三百個人、投十年時間、去做一個沒有即時回報的底層框架？當風險投資的錢像水一樣湧入共享單車、社區團購、短影音平台——為什麼要把資本投入回報週期長達十年、成功率極低的半導體研發？
正文第七章講的 NVIDIA 故事裡，黃仁勳從 2006 年開始在 GeForce 裡塞 CUDA 核心，整整等了六年，才等到 AlexNet 替 CUDA 找到用途。六年間，這筆研發投入在報表上看起來像純粹的浪費。
中國的資本市場不允許六年的浪費。中國的互聯網公司不允許十年不見回報的基礎投資。它們的體制——季度考核、KPI 驅動、上市後的投資人壓力——跟 Google 的 OKR 體制一樣，在結構上不相容於長期的底層研發。
所以中國做了一件事：在別人的地基上蓋了一座直入雲霄的大廈。
大廈裡住滿了全世界出手最闊綽的手遊玩家。大廈的每一層都裝了全世界最精密的付費轉化引擎。從外面看，這座大廈金碧輝煌。
但地基不是自己的。
II. 斷裂
2022 年 10 月，美國商務部發佈了一份出口管制新規。簡單說：禁止向中國出售先進的 AI 晶片和半導體製造設備。NVIDIA 的 A100、H100 不能賣了。ASML 的 EUV 極紫外光刻機不能賣了。台積電、三星不能替中國客戶代工最先進製程的 AI 晶片了。
一夜之間，地基裂了。
但裂的程度不是均勻的。有些地方裂得淺，有些地方裂到了根基。
裂得淺的地方：成熟製程。
電動車、家電、工業控制器需要的晶片，大多停留在 28 奈米或更舊的製程。這些製程不需要 EUV 光刻機——用傳統的 DUV（深紫外光）就能做。中芯國際在這個領域瘋狂擴產，用國家補貼壓低價格，向全球市場傾銷。28 奈米的晶片不算先進，但它是現代工業的血液——每一台冷氣機裡面都有、每一台電動車裡面都有、每一個路由器裡面都有。
在這條線上，中國做到了自給自足。不是最好的，但夠用。
裂到根基的地方：先進製程。
2023 年 8 月，華為毫無預警地發佈了 Mate 60 Pro。拆機之後，全世界的半導體分析師倒吸了一口氣：裡面的 Kirin 9000S 晶片，是中芯國際用 7 奈米級別的製程生產的。
在被禁止使用 EUV 光刻機的情況下。
中芯國際用的方法叫做多重曝光——把一層電路拆成好幾次曝光，用精度較低的 DUV 光刻機反覆疊加，最終達到接近 7 奈米的效果。這是一種暴力破解。它能做到。但代價是巨大的。
第八章裡有一個核心概念：台積電的先進製程是「順水推舟」養出來的。Apple 首發驗證、遊戲 GPU 壓力測試、主機 SoC 長期訂單——每一個客戶都帶著不同的技術需求，推著台積電在實戰中把良率一步一步推到極致。台積電的 7 奈米良率之所以能到商業量產的水準，是因為它在幾十個客戶、幾百款晶片上，反覆磨練了無數次。
中芯國際沒有這些客戶。它的先進製程訂單幾乎全部來自華為一家公司。沒有 Apple 的小面積高良率驗證，沒有 NVIDIA 的大面積極限壓力測試，沒有 Sony 和微軟的長期穩定主機訂單。它是在封鎖中、用國家補貼、在客戶極度單一的情況下，硬生生地把良率往上推。
結果是：Kirin 9000S 可以出貨，但良率極低、成本極高。一片晶圓上能切出的合格晶片數量，遠低於台積電同製 程的水準。每一顆 Kirin 9000S 的真實成本——包括不良品的損耗——可能是台積電同等級晶片的好幾倍。
這不是市場的勝利。這是一場用國家補貼去填補三十年硬體缺課的生存戰。
而且，即使華為把晶片造出來了，故事也還沒結束。因為還有一道更深的牆。
III. 軟體監獄的中國版
Kirin 9000S 是手機晶片。手機晶片的軟體生態相對簡單——Android 系統、應用程式、驅動程式——華為可以靠自己的鴻蒙系統繞過 Google 的軟體封鎖。困難，但可行。
AI 晶片是另一回事。
華為的昇騰 910B 是一顆 AI 訓練晶片。純硬體數據上，華為自己宣稱它在某些特定的訓練任務上，效能可以逼近甚至超越 NVIDIA 的 A100 約 20%。後續的 910C 和 910D 更是瞄準了 NVIDIA 的 H100。
但「硬體算力逼近」和「可以替代」之間，隔著一道看不見的深淵。
這道深淵的名字叫 CUDA。
第七章講了 CUDA 的四層鎖。現在把中國的情況代入：
第一層——硬體指令集： 昇騰晶片用的是華為自己的達文西（Da Vinci）架構，跟 NVIDIA 的 PTX/SASS 完全不同。這意味著所有為 NVIDIA GPU 編譯的程式碼，在昇騰上都跑不了。必須重新編譯。
第二層——運算函式庫： NVIDIA 有 cuDNN、cuBLAS、NCCL——每一個都是幾百人團隊花十年針對 NVIDIA 硬體做深度優化的成果。華為對應的是 CANN（Compute Architecture for Neural Networks）。CANN 的功能覆蓋率和效能成熟度，跟 CUDA 的函式庫差了不止一個世代。
第三層——框架綁定： 全世界的 AI 研究員用 PyTorch 寫程式碼。PyTorch 的底層預設呼叫 CUDA。華為開發了自己的 AI 框架 MindSpore，也做了讓 PyTorch 在昇騰上運行的適配層。但適配層的相容性問題層出不窮——開篇那幾個深圳工程師面對的紅色錯誤訊息，就是這一層出了問題。每一個開源模型的程式碼裡，都藏著十幾個隱含的 CUDA 依賴。表面上改一行 device = 'npu' 就好，實際上底下的函式庫呼叫、記憶體管理、運算精度處理，處處是陷阱。
第四層——知識綁定： 中國的 AI 工程師在大學裡學的是 CUDA。他們讀的教科書用 CUDA 寫範例。他們查的 Stack Overflow 用 CUDA 回答問題。他們 GitHub 上 fork 的每一個開源專案，預設在 NVIDIA GPU 上跑。要讓他們轉用華為的 CANN 和 MindSpore，等於要求他們忘掉自己會的語言，重新學一門新的。
正文第七章的結論句是：「CUDA 不是一個 API。CUDA 是一座監獄。而你從入學那天起就住在裡面。」
中國的 AI 工程師面對的是同一座監獄。區別在於：NVIDIA 的生態是全球千萬個遊戲玩家和開發者，在二十年裡自然長出來的。中國要建立的替代生態，是在制裁的絕境下，用行政指令硬砌出來的。
這兩種生態的差別，不是量的差別。是質的差別。
自然生長的生態有根——它的每一個節點都是有人主動選擇使用的。有人用 CUDA 發了論文，有人用 CUDA 做了產品，有人在 CUDA 上建了公司。砍掉任何一個節點，其他節點還在。
行政指令砌出來的生態沒有根——它的每一個節點都是被要求使用的。一旦指令鬆動、一旦補貼減少、一旦 NVIDIA 找到繞過制裁的方式（比如推出專門為中國市場閹割的 H20 晶片），開發者會在一夜之間跑回 CUDA 的懷抱。
事實上，這件事已經在 發生。2024 年，當 NVIDIA 把 H20 的價格降到跟昇騰 910B 差不多的水準時，許多中國 AI 公司重新開始採購 NVIDIA 的晶片。不是因為它們不支持國產——是因為用 CUDA 寫的程式碼不用改，用 CANN 寫的程式碼要重寫。
工程師是理性的。理性的選擇永遠是阻力最小的那條路。而 CUDA，就是阻力最小的那條路。
IV. 缺課的帳單
現在可以把因果鏈串起來了。
正文的核心論點是：遊戲玩家的錢和需求，無意中供養了整個科技霸權的底層基礎設施。 從 DirectX 到 CUDA 到台積電的先進製程——每一塊磚，都有遊戲的指紋在上面。
中國的反面案例完美地驗證了這條論點。
中國有全世界最會賺錢的遊戲公司。但這些公司賺的錢，沒有任何一分流向底層技術。它們的遊戲跑在進口的晶片上、用進口的引擎做、在進口的作業系統裡賣。它們做的事只有一件：在別人搭好的舞台上，用最精密的心理學工具，從玩家口袋裡掏錢。
當美國說「這個舞台以後你不能用了」的時候，中國突然發現：自己在應用層的摩天大樓底下，沒有地基。
這不是制裁造成的。制裁只是讓缺課的帳單提前到了。
真正的原因藏在三十年前。當黃仁勳在 Denny's 餐廳裡決定創辦 NVIDIA 的時候，中國的資本正在湧入房地產。當張忠謀在新竹建造台積電第一座工廠的時候，中國的製造業正在做代工。當 CUDA 在 2006 年誕生、全世界的大學生開始在 NVIDIA 顯示卡上寫並行計算程式的時候，中國最聰明的畢業生正在去騰訊和阿里巴巴——做社交軟體、做電商、做手遊。
每一步都是理性的。每一步的報表都很好看。
但每一步都在跳過同一件事：底層。
硬體的底層——自主設計高效能晶片的能力。軟體的底層——自主建立開發者生態的能力。製造的底層——在沒有外國設備的情況下生產先進製程晶片的能力。
這三個「底層」，本書的正文用了三章來講述它們是怎麼被建立的：第七章（CUDA 的軟體生態）、第八章（台積電的製造能力）、第四章（NVIDIA 從瀕死到崛起的硬體設計積累）。每一個底層的建立，都花了至少十五年。每一個底層的建立過程裡，遊戲都扮演了關鍵角色——不是作為目的，而是作為壓力測試場和資金池。
中國跳過了這個過程。它直接從應用層開始。它用最短的時間、最高的效率、最精密的變現設計，建起了全世界最賺錢的數位娛樂帝國。
然後發現帝國的地基是別人的。
V. 結算
有一個問題值得問：中國能不能補課？
答案是：技術上可以，但時間上未必來得及。
華為的昇騰晶片在硬體算力上正在逐代接近 NVIDIA。中芯國際在成熟製程上已經實現了自給自足，在 7 奈米級別的先進製程上做到了暴力破解。百度的崑崙晶片、阿里巴巴的含光晶片，都在不同程度上嘗試建立替代方案。
但正文第八章講過一個殘酷的道理：追不上的原因不是技術差距，是信任差距。 台積電的護城河不是某一項技術——是三十年來全球 fabless 生態對它累積的信任。你不能用一張投影片追。你不能用一個季度追。
同樣的道理適用於軟體生態。CUDA 的護城河不是 cuDNN 的效能——是全世界每一間大學、每一個 GitHub 專案、每一本教科書、每一個 AI 工程師腦子裡的肌肉記憶。你不能用行政指令追。你不能用補貼追。你只能用時間追——而在你追的這十年裡，NVIDIA 也沒有站著不動。
中國面對的是一個雙重追趕問題。在硬體端，它要追的是台積電——一家每年投入超過三百億美元資本支出、擁有三十年製程經驗累積的公司。在軟體端，它要追的是 CUDA——一個由全球千萬開發者自然長成的生態系統。
兩個追趕同時進行。兩個目標都在移動。而追趕者被掐住了最關鍵的供應鏈——先進的光刻設備買不到、最新的 NVIDIA 晶片買不到、最先進的製程代工服務用不了。
這就是缺課的代價。
你可以用幾個月的時間複製一款吸金的手遊。你可以用國家資本在三年內暴力推高某個製程節點的晶片產能。但你無法用錢或行政命令，在一夜之間買到一個由千萬個工程師和開發者，用二十年時間共同編織出來的底層生態。
正文的核心 pattern 是：便利吸引用家 → 鎖定開發者 → 壟斷收租。代價二三十年後才顯形。
中國的案例是這個 pattern 的鏡像：你當年跳過了多少底層建設的苦工，歷史就會要你連本帶利地吐出來。 代價同樣是二三十年後才到。
而帳單已經到了。
回到開篇。上海那間手遊工作室的香檳還在冒泡。深圳那棟研發大樓裡的錯誤訊息還在跳。兩幅畫面之間的距離——從應用層的繁華到底層的斷裂——不是地理距離。是三十年來一個國家在「應用」和「基礎」之間做出的無數次選擇的累積。
每一次選擇都是理性的。每一次的報表都很好看。
但所有理性的選擇加起來，等於一筆歷史從未打折的帳單。
這句話聽起來很耳熟。因為正文第五章裡，講 Intel 砍掉 Larrabee GPU 專案的時候，用的是同一句話——
「沒有人做了一個錯誤的決定。每一個人都做了在自己位置上最理性的決定。但所有理性的決定加起來，等於一個自殺式的結果。」
Intel 的版本是一家公司。中國的版本是一整個國家的產業結構。
規模不同。邏輯完全一樣。