英伟达创始人黄仁勋的一句话，毫不遮掩地撕开了过去十年中国AI对美系算力依赖的脆弱现实。
“从95%到0”没有缓冲，AI行业第一次意识到依赖外部体系运行的日常，一旦被掐断连最基础的工程动作都会变得困难。很多人以为这只是买不到高端芯片，但实际冲击远远超过供应端，连决策方式、训练逻辑、生态信任都一并失效了。
需要指出的是，这个“0”并非指所有芯片，而是特指英伟达H20等用于AI智算的高端芯片领域。在这个过去市占率高达95%的市场中，H20因为出口限制直接跌到0，成为此次断供的核心象征。其他GPU或通用芯片并未全线清零，但在智算这个AI产业链的命门上，确实已无卡可用。
过去十年，从中兴、华为，到14nm封锁、先进计算芯片禁令，再到2025年的全面出口限制。这次是英伟达，下一次可能就是高通、Arm、以太网控制器，甚至是整个AI基础设施。也正是在这样的背景下，中国开始第一次系统性重构自己的算力路径。大模型企业重新审视技术路线，整车厂把域控制权收回手里。
不一定所有的封锁都通向衰退，有时候反而能成为产业真正开始自我思考的起点。这一次，英伟达失去了中国，而中国反而找到了未来。
为什么是“从95%到0”？
用生态崩塌来形容这次英伟达H20智算芯片在中国从“95%到0”都不为过，没有经历过缓慢下滑的过程，而是瞬间断层，从“几乎所有人都在用”到“几乎没人能用”。
过去十年，中国的AI产业几乎生长在英伟达体系之上。CUDA 框架、CUDNN加速库、TensorRT 推理引擎、NCCL 通信架构，这些几乎构成了中国AI产业的基础。对于大多数企业而言，从算法编写到模型训练、从工具链到优化流程，全部运行在英伟达的生态里。
英伟达几乎是AI的通行证，就像当年的JAVA、C+是一样的。买卡只是交易，真正的依赖在于思维方式。工程师的习惯、模型的结构、算子的调用，都围绕着英伟达的逻辑构建。这种依赖积累了十年，形成了一个软硬一体的封闭世界，英伟达生态的稳定与效率，让无数公司选择继续深陷其中。供应链被斩断后，一整条思维链就会断裂。对中国AI产业而言，不排除会出现训练停摆、部署延误、成本飙升的情况。
事实上，来自芯片的管控已经不是突发事件了，过去十年，中国先后经历七次芯片危机。2018年中兴制裁、2019年华为被列入实体清单、2020年美国全面封锁14nm以下制程、2022年先进计算出口限制、2023年“特供AI芯片”补丁、2024年台积电断供与设备封锁、2025年初的全球限供体系，每一次政策调整都在削弱中国获取高端算力的渠道，也让长期以来的路径依赖变成风险。
当英伟达黄仁勋说出“从95%到0”时，那句话背后是财务层面的真相。受出口管制影响，中国市场的高端芯片订单被暂停、审批被搁置、供货周期无法确认。对一家上市公司而言，无法交付的业务无法计入收入。在财报里，就意味着清零。
但对中国企业而言，这个“零”更像一面镜子，它让整个产业回看过去十年的成长路径，也让人意识到长期以来的惯性已经走到尽头，有AI业务负责人向汽车十三行表示，算力的安全问题，接下来要由国内自主创建，用别人家的始终有风险。
英伟达的份额归零，让过去那种通过采购高端硬件换取时间的策略，已经无法延续。未来的竞争，将回到体系建设、架构创新和产业耐力本身，而这也是让中国AI产业重启的信号。
断你发展，但不能断己财路
英伟达在中国的“95%到0”，指的是高端AI训练卡的份额断崖式消失。但很多人也会认为了，它的消费级芯片业务也将同步退出，现实是Orin仍在供货，Jetson照常落地，消费级显卡也未被纳入出口限制。
消费级芯片之所以没有被封，是因为这是利润支撑点。数据中心芯片利润率高，但体量小；消费级芯片体量大、客户广、回款快，是美国芯片企业现金流的压舱石。对于高通、英伟达这类拥有To C芯片生态能力的公司来说，中国终端市场的开放程度与产业弹性，正是它们维系现金流、维持利润率的关键支撑。
封锁消费级产品，意味着切断自己最具规模化效应的收入来源，这对股东价值、财报表现和行业估值都构成直接打击，很明显，就在芯片禁止出口，英伟达股价应声跌落6%，此举相当于自废根基。
在中国市场，英伟达的消费级芯片优势也远不如H100那么牢靠。一方面，英伟达的消费级技术并没有代差领先。Orin仍在用Ampere架构，芯片本身更像是稳态平台，算不上压倒性先进；另一方面，中国在智驾领域的本土替代已经成熟。华为、地平线、芯驰、黑芝麻正在大规模出货，蔚来、理想、小鹏、比亚迪、长安也都在做自研芯片和域控整合。
过去Orin的全栈方案正在被拆解，在性能之外，中国企业认为生态灵活性和集成成本反而更重要。更具象的信号是，高通已经拿下了中国规模化汽车市场智驾量产的主导权，8295P、8650、8775、8797几乎成为15-30万级车型的标准版方案，比起英伟达Orin更便宜、更灵活、供货更稳定。
真正的规模化市场，已经不在英伟达手中。这意味着，在消费芯片赛道，美国继续占据泛用型平台与IP优势，中国加速占领自研、定制和整合型场景。阿里云相关人士透露，真正需要警惕的是，在思维上是否依然“把所有芯片当成训练卡”来对待，训练卡的断供带来体系风险，但消费级芯片的误判更容易影响策略方向。换句话说，在消费级芯片层面，中美仍然处于相互倚重的复杂博弈之中。
英伟达失去中国，中国反而找回未来
断供那天，中国AI产业先是陷入了混乱。多方消息显示，GPU价格飙升一张H100从8万元涨到20万元还抢不到，租赁市场水涨船高，一些AI初创公司融资烧在了训练前，根本等不到模型落地，一些模型训练周期被迫延长30%甚至50%，因此，很多团队不得不削减参数规模，用蒸馏的方式省着跑。
随着形势紧迫，高端训练开始迁移海外，也出现了一批算力外包模型，大量公司在新加坡租集群，绕开芯片审批。更尴尬的是，那些被寄希望替代的合规版H20，还没完全落地就因后门传闻陷入争议，既不敢用，也不敢不用。
但也正是在这场剧烈的撕裂中，中国AI第一次真正走向了“自我训练”。
过去十年，国产GPU一直处在没人愿意用的尴尬位置，兼容性低、生态弱、工具不稳定，是大多数工程团队避而远之的理由。这一次英伟达断供，打破了这个舒适区，把所有人逼向了国产GPU。
2024年华为昇腾910B在某头部大模型上完成1.7T token训练，MLU系列拿下多个大模型微调项目，燧原和壁仞也加快进入数据中心，国产芯片开始成为真正投入使用的算力选项。同时，飞桨、昇思、OneFlow、DeepLink正在重构底层算子，打通英伟达、华为、寒武纪的芯片适配，让越来越多框架支持双栈运行，不必绑死一家平台。
更重要的是，中国的AI算力架构正在从“重GPU”向“轻架构”过渡，CPU+GPU+NPU+ASIC的异构并行正成为新范式。可以说，在混乱之后重建秩序。
曾经苹果从PowerPC切换至自研M系列芯片，是在英特尔芯片性能无法匹配系统需求的背景下，主动推动的架构迁移。中国AI面临的是类似的“断念”时刻。由此带来的正向意义，让中国AI产业终于学会自己掌握工具箱。英伟达断联中国市场，但中国却从裂缝中找回了自主生长的能力。