Nvidia 的黄仁勋在接受 Financial Times 采访时说“China is going to win the AI race”（中国将赢得 AI 竞赛）并非挑衅，而是对部署现实的判断。中国的开发者基础、能源经济学和政策推进速度正在汇聚成 AI 与电气化方面的持久优势。出口管制会决定哪些芯片训练哪些模型，但它们并不会阻止市场扩张，只会将其重新引导。以下是资本已经开始复利增长的方向。
黄仁勋的观点很简单：如果你切断对一个拥有大量世界级 AI 开发者市场的访问，你会驱使该市场去构建平行的技术栈。他说中国在 AI 方面“比美国慢纳秒级别”，并敦促华盛顿不要“失去全球一半的 AI 开发者”。把 Blackwell 保留给美国客户的政治口号在舞台上或许响亮，但它误判了中国把现成计算资源改造、设计高效模型并工业化部署的速度。每一轮出口限制都加速了芯片、云和工具链的国内替代。投资者应当预期后续发展，而不是仅仅看到摩擦。
竞争差异不仅仅是工程师数量，还体现在电力、土地和物流上。中国以无人能及的速度建设面向 AI 的电力和数据中心能力，依托西南廉价水电、世界领先的太阳能和风电建设以及大规模电网储能推进。更便宜、可预测的电力降低了模型训练与推理的总体成本。再加上庞大的移动用户基数和制造深度，就形成了难以复制的端到端 AI 经济。这就是黄仁勋关于能源成本和西方监管拖累的言论之所以引起共鸣的原因。这不是政策口号的问题，而是单位经济学与速度的问题。
1) Baidu (BIDU)：ERNIE 的快速迭代与 Apollo 的 robotaxi 架构赋予百度中国最深厚的全栈 AI 能力；路透报道公司计划在获得主要城市的无人驾驶营运许可后，将 robotaxi 推出中国大陆以外市场，这一里程碑意味着可出口的自动驾驶能力。
2) Tencent (0700.HK, TCEHY)：混元模型在覆盖超过十亿用户的微信生态中驱动内容、广告与企业工具；凭借无可比拟的分发与数据，分析师认为腾讯是中国消费互联网中将应用型 AI 变现的关键。
3) Alibaba (9988.HK, BABA)：通义模型已嵌入钉钉与阿里云，公司国内云仍然是许多企业的首选 AI 基础设施；其全球影响体现在阿里云在东南亚不断扩张的版图上，成为领先的非美国超级云服务商。
4) PDD Holdings (PDD)：Temu 的 AI 驱动商品化与履约正在重设北美与欧洲的全球电商价格点；持续的份额增长表明中国训练的推荐系统正规模化出口。
5) Xiaomi (1810.HK)：HyperOS 使得手机、可穿戴设备和家庭 IoT 上实现端侧 AI 成为可能，同时公司进军电动车与 AI 眼镜将边缘 AI 扩展到移动出行；里程碑在于交付了将数亿设备绑定到单一推理层的统一软件层。
6) BYD (1211.HK, BYDDY)：依靠刀片电池与垂直整合，BYD 在季度纯电动车销量上超过 Tesla 并开始向东南亚到拉丁美洲的数十个市场出口；其全球足迹正把中国的电池领先转化为 EV 市场份额。
7) NIO (NIO)：超过 2,000 座换电站网络与持续的续航创新使 NIO 成为能源即服务的参照案例；150 kWh 电池包试点与在欧洲的换电部署显示其差异化模式具备可复制性。
8) CATL (300750.SZ)：约占全球 EV 电池市场三分之一的份额，CATL 正大规模生产快充 LFP 并推动钠离子电池商业化；其面向电网储能的管道降低了 AI 数据中心的电力成本并平滑可再生能源接入，产生了催化性的全球影响。
9) SMIC (0981.HK)：中国最大的代工厂正在扩展成熟工艺节点，同时支持用于主流智能手机的 7 nm 级别国产 SoC；每一次产能提升都减少了对外国代工厂的依赖，并锚定了本地 AI 硅芯片路线图。
10) SenseTime (0020.HK)：SenseNova 生成套件已在金融、零售与城市应用市场上线；尽管面临制裁，模型升级与客户胜出显示本土 AI 依然有韧性需求。
Nvidia 尚未为其最先进芯片向中国申请出口许可，并称北京的立场已将其排除在外。即便 Blackwell 留在美国，方向也很明确：中国超级云服务商将依赖国产加速器、优化的软件和以效率换参数膨胀的模型架构组合。华为的 Ascend 生态、百度的昆仑、寒武纪的设计以及一批专注推理的初创公司并非理论上的存在，它们已进入采购周期。中国在太阳能组件、5G 设备与电池上运行过的打法同样适用：压缩成本曲线、规模化制造并实现垂直整合。投资者应预期更多国产 GPU 替代品、更快采用稀疏化与量化技术，以及大量训练迁移到与可再生能源容量对齐的低成本地区。
AI 已经是一个能源故事。中国正在以创纪录的速度增加可再生能源装机，像四川和云南这样的省份提供丰富的水电，与 AI 计算园区形成良好配对。储能是桥梁，中国企业在为 EV 与数据中心供能的电池供应链中占主导地位。随着电池成本下降和循环寿命改善，共址储能将使中国数据中心在峰时定价与电网约束下更具韧性。再加上更低的建设成本和更快的审批，全量训练成本（每个训练 token 的成本）会下降。这就是为何曾经将 AI 与能源视为独立孤岛的全球基金，现在在评估中国敞口时会把两者一起承保。资本开支的飞轮一旦启动，就难以阻挡。
这股浪潮并不局限于国界内。BYD 正在东南亚建立组装基地，并考虑在墨西哥设产以服务美洲市场。PDD 的 Temu 已证明中国供应链加上 AI 策划能迅速打入发达市场。阿里云在加深东南亚布局，帮助本地开发者更靠近用户训练与部署模型。路透指出百度正准备将 robotaxi 推向海外，显示出可出口的自动驾驶服务打法。主题是一致的：中国的 AI 与 EV 领先者不仅在追赶，它们正在为新兴市场设定价格与性能的基准，锚定长期客户关系与标准。
黄仁勋说得很明白：他希望美国通过赢得全球（包括中国）的开发者来赢得比赛。政策可能阻止这种对齐，但中国境内的需求不会等待。算力会被建设，模型会演化，应用会在各行业 proliferate（扩散）。对全球投资组合而言，这表明应当在能通过部署变现的中国 AI 全栈股上增加敞口，而不仅仅是训练用芯片。此外，也应持有使得该栈便宜且可靠的能源与材料类资产。如果你因为认为出口政策会把中国锁死而持仓不足，应当重新考虑。约束正以惊人的速度把规模推向国内生态系统。
这个领域高度依赖政策。出口管控、实体清单、数据本地化规则与反垄断调查都可能影响价格。电动车价格战与车型商品化会考验利润率。ADR 结构与审计机制也是长期关注的问题。但缓冲是显著的：世界级的工程能力、巨大的本土市场以及以算力、电力和基础设施为重点的政策议程。那些从事核心工程工作的公司——电池、芯片、模型工具、机器人、物流——正在以规模与成本建立难以撼动的护城河。上文名单中每一个里程碑都证明了在约束下的执行力。
黄仁勋的言论是一个信号，而不是惊讶。中国的优势不是空洞辞令，而是开发者、电力、制造与政策的复利效应。这个飞轮旋转得更快，它正在吸引资本、人才与客户进入其轨道。要理解下一个 AI 与电气化利润将流向何处，看看部署最密集、成本曲线陡峭的地方。它们指向中国。那些围绕这一现实进行布局的投资者，将在回报上获得比辩论更多的上行空间。
