最近香港上市的在公布啟用大型的數據中心，完全採用了國內的AI晶片技術，並且宣佈研發ASIC晶片之後，股價一度反彈，而多家證券行亦調高了預測。
不過，類似智譜的策略可能成為中國AI產業出海的前奏，解釋了中國大模型產業如此堅持開源AI，致力於成為美國以外最重要的AI發展力量。中國具備了所有出口AI，從Token到 full stack 系統能力，甚至全球普及AI，預計改變行業格局。香港的市場有更多的AI廠商內上市，有機會觸發另一個AI投資熱潮。
較早前發布的 K3 大模型，中國AI初創月之暗面展示在 48 小時內利用開源 EDA 工具自主設計出服務於微型模型的 ASIC 晶片，全程未使用 EDA 晶片設計軟件 Cadence 與 ），對全球半導體設計產業鏈造成震盪。月之暗面發布 Kimi K3 後，因算力需求暴增一度暫停訂閱，正推動中國 AI 產業對定製化 ASIC 晶片的探索。智譜已建成設計功率達 1 吉瓦（GW）的巨型數據中心，全部採用國產晶片如華為昇騰系列等 AI 加速，支援 GLM 大模型研發。
以往，不少人質疑中國大模型開源（Open Source），等於雙手奉送知識產權。訓練大模型成本越來越高，中國AI廠商遲早無以為繼。事實上，中國的大模型水平越來越高，甚至追近閉源的大模型，中國初創在開源路上沒有動搖，背後可能暗示另一種商業模式，向全球傾銷廉價 Token 及 AI 系統。
有部份的美國YouTubeAI評論人員認為，中國是要爭取成為全球大模型工業標準，情況就類似Google開放了Android和Chrome源碼，結果成為硬件標準。
從近日的發展，長遠大模型極可能成為運算的基座，情況有如作業系統（OS）一樣。中國受美國出口管制，無法獲得最先進人工智能晶片，這看來窒礙了中國AI發展，隨時變相鼓勵中國企業發展AI晶片。中國在晶片設計和製作突飛猛進，統計數據顯示晶片成為中國出口增長最快項目之一，配合人工智能可變成一個機遇。
人工智能訓練和推論，其實沒標準的晶片設計，目前來說仍然是全球最大的 AI 晶片設計公司，在訓練超大模型 AI 廠商仍沒有太多選擇。但是 AI 推論階段，也就是大模型提供服務時， AI 廠商有較大彈性選擇自研的晶片。
以AI晶片來說，市場上最大的廠商是NVIDIA與 ，以至利用FPGA 等等通用晶片，可考慮針對 AI 平行運算晶片包括華為昇騰。如果 AI 廠商市場夠大，甚至可為 AI 系統度身設計 ASIC 晶片，類似 Google 的 TPU、AWS 的 Inferentia 和 Meta Mitia。
NVIDIA 屬於通用型的晶片，由於CUDA生態系統極為成熟，又可通過NCCL建立超大集群，現時在模型訓練與推論可說無出其右，可惜先進 NVIDIA 晶片受到出口限制，導致中國處於缺乏算力困局。
FPGA晶片亦同樣受管制，全球最先進 FPGA 廠商在2022年被 AMD 收購，加上仍難於建立大規模集群，類似 Verilog 開發又極其困難， FPGA 在 AI 流行程度一直有限。
最後一個選項是ASIC，屬於專門用途的晶片，原理幾乎是將所有的軟件變成了硬件，優點是功耗特低，非常穩定，缺點當然是升級的時候非常困難，而且以往設計ASIC的時間相當長，設計成本不菲，如果產品不是大規模生產，基本上不會考慮。
但是，人工智能完全改變了成本結構，中國以往缺乏EDA設計晶片的軟件系統，而美國亦限制出口，但是人工智能可以完全自行完成晶片設計和測試過程，加上 ASIC 不一定要最先進製程，中國晶片業完全可掌握，前題是市場必須足夠大，因為 ASIC 難以升級，一旦模型架構改變，就必須再次設計生產，其次是要再設計專用網絡和類似 CUDA 的生態，不少基礎軟件要重寫。
中國在人工智能的最大優勢，包括了低廉的電力成本，其次就是半導體的製造業成熟，如今再加上開源模型，三者相加起來，就變成一場完美風暴。
發展中國家沒能力發展出先進模型，國際關係緊張，美國一旦實施 Technology Kill Switch 切斷供應，可能嚴重打擊本地經濟。據路透社報導，美國國務卿魯比奧已指示全球外交官，淡化美國有隨時「切斷科技供應」危機，各國擔憂美國斷供並非空穴來風，AI 一旦成為國家安全，中國開源模型就成為唯一的本地部署選擇，雖然可以安裝在通用的晶片，例如是NVIDIA、AMD、甚至Apple Silicon 之上，不過都是美國晶片，長遠大模型電力消耗驚人，唯一的方法就是以專屬的晶片運行。所以中國大模型公司，遲早會推出本身硬件生態，開源模型變為專屬硬件，一方面擺脫美國供應，亦通過硬件層面優化產生 Token 效率。
一般消費者來說，最划算的方法依然是向大模型公司遠程購買API，因為競爭關係， Token 價格越來越低，中國大模型發展多種優化技術，降低了 Token 成本，提高了工作效率高，再加上低廉電力的加持，價錢具競爭力，月之暗面網頁以「尋求能源轉化為智能的最優解」為口號，意思可說呼之欲出。
除了消費端客戶，企業界也在質疑美國大模型公司正利用推論數據進行訓練，變相盜竊知識產權。另一方面各國有關敏感及訓練數據的出口，又越來越嚴格，據報中國政府亦正商討限制訓練數據出口。各國部署模型將會更傾向於本地化部署，除了考慮成本，亦為保護知識產權和符合法規。
如果美國的企業保持以閉源方式，只是着眼於出售 Token，中國開源 AI 成唯一選擇。企業可以自行利用通用的晶片部署中國的開源模型，亦可考慮利用中國的ASIC晶片， ASIC 在成本和電力消耗都有明顯優勢，加上以整個技術 full stack 出貨，無需整合，性價比容易超越通用晶片。
目前，大模型公司已經形成了一種閉環式升級的狀態，月之暗面的K3就是由K2幫助訓練，未來AI亦可以自行設計晶片迭代，形成同樣的循環。智譜正探索為其模型開發專屬的定製化 ASIC 晶片，以提升推理效率並擺脫對單一硬體的依賴 ，AI 會加速生態軟件移植，護城河愈來愈少，其他大模型公司亦會緊隨其步伐。
月之暗面的 K3 性能優異引發大量訂閱，月之暗面啟動熔斷機制，暫停新用戶訂閱以保障算力供應。不少開發人員指出， K3在某些長編程任務，表現甚至超越了GPT 5.6 sol，但是速度卡頓，甚至利用編程助手 kimi code 也突然卡着，不少原本Claude Code和Codex 用戶，正嘗試以更低價的kimi作為替代品，中國的 AI 正走向市場的 Critical Mass。
Anthropic 和 OpenAI兩間公司預計今年上市，估值近 9000 億美元，巧合的是近期多間風險投資不約而同唱淡，鼓吹企業利用低價Token的大模型，以減低AI的成本支出，又指兩家公司估值過高。事實上，部份企業 AI 開支亦有失控跡像，較早前就表示，員工四個月內花光2026年全年 AI 預算，必須控制開支，但部份企業開發和維護，已完全交托 AI ，可說沒有回頭路。
這些公司是 Anthropic 和 OpenAI 的主要收入來源，長遠是否願意不計成本採購 Token，實在令人懷疑。美國 AI 主流硬件設計倚賴NVIDIA和AMD，生產依賴台積電。Anthropic 和 OpenAI 設計晶片計劃只聞樓梯響，如果放棄售賣Token，可能只有靠廣告收入，如此一來有與 Google 及 Meta 正面交鋒，恐怕更加凶多吉少。
不過 Anthropic 和 OpenAI 的競爭對手亦非省油的燈，SpaceX 有 Tesla 自動駕駛以及太空探索業務作內部客戶，Cursor、X 及其他初創銷售，Grok 大模型幾乎是立於不敗之地。
另一間完全具備full stack的企業就是Google，具備了雲服務以及 AI 晶片，但是規模上與AWS仍然是有距離，但是Google旗下DeepMind在AI的前沿研究有多項突破，加上廣告收入強勁，彈藥充足，可以輾壓任何對手。
Anthropic 和 OpenAI 兩間公司表面風光，面對不少暗湧，收入又過於單一。不過，Anthropic 本身有全球最大雲服務商 AWS 作為後盾，通過雲服務銷售 Tokens，保證大量客源，這也是雲服務供應商，包括阿里雲致力開發Qwen原因，雲端可消耗大量 AI ，先確保了銷售，初創又利用 AI 開創應用和服務，間接創造收入， AWS 作為全球最大雲服務商，長期大量銷售 Anthropic 的 API ，加上有研發自家 ASIC 晶片，又大大降低成本，雖然AWS本身大模型如Nova，性能聊備一格，卻因投資了 Anthropic 互贏，阿里雲亦投資多家 AI 初創，以確保大模型供應。
OpenAI開始時獲 Microsoft 大舉投資，Azure 雲服務市佔率遠不如 AWS，加上 OpenAI 和 Microsoft 又漸行漸遠。目前，OpenAI 已規劃了大量的算力，還沒有開發出本身 AI 晶片，完全倚賴 NVIDIA 循環投資，如果市場不似預期，這些已規劃部署算力如何消耗，實在令人憂慮，成為了 AI 崩圍最大黑天鵝。
雖然，美國的AI廠商在能力上仍然是一線地位，但美國制裁中國，限制廠商向中國銷售AI算力，但是另一方面又很難限制本身的企業購買，或間接應用中國的開源模型，結果是形成了一種單向的滲透現象半透膜現象，中國的模型滲透到美國去，美國的模型卻很難滲透到中國內地。
美國論點是防止中國抄襲美國的先進技術，問題在於AI的研究大部份都是通過學術論文發佈，非常公開透明，研究人員質素決定了大模型質素，事實證明了即使缺乏先進AI硬件，中國仍自行開發創新 AI 訓練技巧，限制中國使用先進大模型，以阻止中國發展策略，已證明無助遏制中國，卻只會打擊美國企業的市場，問題在於華盛頓的政客，昧於技術發展，缺乏長遠謀略，結果幫了倒忙，卻令中國 AI 更有可乘之機。