英偉達最新一代Rubin平臺機柜里，拆開看里面的零件，超過一半的名字寫著中國制造。這就是眼下最魔幻的畫面——華盛頓那邊一道接一道地發禁令，限制最嚴的高端芯片不準賣給中國；可只要離開中國工廠的光模塊、液冷板、電路板，這些芯片連機柜都搭不起來。

AI算力這盤大棋，沒有中國制造這塊底盤，連第一步都邁不出去。先講一個反常識的事。

芯片雖然是AI的＂大腦＂，但一臺AI服務器要真正跑起來，光有大腦遠遠不夠。打個比方，GPU相當于發動機，可一輛車要上路，還得有變速箱、底盤、輪胎、空調、油箱。

這些零部件加起來的價值，并不比發動機便宜多少。眼下的AI算力中心，正是這么個道理。光模塊就是最典型的例子。

簡單說，它是芯片和芯片之間傳數據的＂管道＂，AI集群里成千上萬張卡要協同算東西，全靠這些管道。業內的數據擺在那里：800G光模塊這塊，江蘇蘇州的中際旭創已經坐穩全球第一，深圳的新易盛緊跟其后。

到了更高一代的1.6T產品上，國內廠商的份額加起來超過七成。英偉達自己也清楚，要換供應商可以，但找不到第二家能穩定交貨的。

再看散熱。英偉達今年下半年要全球出貨的Rubin新平臺，單顆芯片功耗已經飆到1400瓦上下，傳統風扇吹根本壓不住，必須用液冷。

而液冷設備這門生意，恰好是國內廠商最先卷起來的。英維克這家深圳公司，已經進了英偉達的核心供應商名單；高瀾、申菱、同飛這些企業，在冷板、快接頭、CDU上都有批量供貨能力。

北美科技巨頭自建數據中心，繞來繞去還是得回到中國廠商手里下單。電路板也一樣。一個AI機柜里塞著幾十層的高階PCB板，工藝難度極高。

勝宏科技、滬電股份這些名字，普通人沒聽過，但在英偉達的供應鏈清單上，它們是繞不開的。把這幾樣加起來，一臺AI服務器里，從中國采購的零部件比例并不低。

這就是為什么美國財政部和商務部反復想＂脫鉤＂，但只要英偉達想出貨賺錢，這條產業鏈就只能繼續轉下去。時間來到2026年5月底，華盛頓又出了新招。

美國商務部工業與安全局發了一份新指引，把出口管制的范圍擴展到了＂母公司在中國＂的境外子公司。說白了，就是堵掉那條通過新加坡、馬來西亞、阿聯酋繞道買芯片的路。

過去這一年多，不少國內企業是靠這個法子拿到算力的——中東資本出錢建機房，第三方公司出面租算力，節點設在亞洲其他地方，客戶付錢買計算時間。新指引一出，這條側門也基本被堵死了。

但這邊門一關，另一邊的窗就開得更大。國產AI芯片的進展，比很多人想象得快得多。

華為昇騰系列已經在三大運營商、字節、阿里、騰訊的數據中心里大規模部署。寒武紀、海光、壁仞、摩爾線程也都在各自的賽道上跑。

螞蟻集團、中國移動陸續公布了自己的國產萬卡集群。更關鍵的是，在推理這種最日常的應用場景里，國產芯片跑大模型的效率，已經追到了英偉達專門為中國市場閹割版H20的水平，部分場景甚至更優。

這意味著對于絕大多數AI應用，國產替代不再是湊合用，而是真能扛得住。回頭看美國的算盤，其實挺矛盾的。

一方面想用芯片卡住中國AI的脖子，另一方面又離不開中國制造給自己的AI供血。這種心態上的擰巴，越往后越明顯。

制造業的家底，不是一兩年能砸出來的東西。美國本土過去三十年把工廠大量外遷，年輕人不愿意進車間，技校體系也跟不上。

想在亞利桑那或者俄亥俄復制一個深圳，紙面規劃容易，落地幾乎不可能。臺積電在鳳凰城建廠的拖延，就是最直觀的例子。

而中國這邊，三十多年攢下來的產業工人、上下游配套、電力物流，是幾代人一磚一瓦堆起來的。這種底子，恰好就是AI時代最稀缺的資源。

回看蘋果當年進中國的故事。喬布斯把設計交給加州，把組裝交給富士康，結果是中國學會了精密電子制造的全套手藝。

特斯拉進上海也是一樣，給了關稅優惠，結果帶出了一整條新能源車產業鏈，比亞迪、寧德時代借著這個機會沖到了全球前列。AI算力這一輪，劇本看起來又在重演。

英偉達把高端芯片設計牢牢攥在手里，把硬件配套交給中國工廠。短期看，加州那邊賺走最厚的那一刀利潤；但長期看，整條產業鏈的know-how，正在以肉眼可見的速度沉淀到國內。

工信部今年推的智算中心建設規劃里，明確要求新建的國家級智算中心液冷滲透率不低于六成。這是一個國內自循環的大市場——中國的廠商造零件、中國的運營商建機房、中國的模型用算力。

整個鏈條不再完全圍著英偉達轉。所以回到最初那個問題，AI算力到底掌握在誰手里？

設計權在加州不假，但要把這些設計變成真能轉起來的機器，要把GPU拼成能干活的集群，離不開中國工廠里那些光模塊、冷板、電路板、電源、機柜。禁令可以一道一道發，但產業鏈這張網早就織得密密實實。

撕得開一兩根線，撕不開整張網。這就是當下最樸素的現實——先有中國制造，才能談AI算力。