凱文·凱利因何預言：未來5年，中國完全有可能造出全球最先進芯片

繞來繞去話題落到了芯片上，這位七十多歲的美國專欄作家給出了一個讓國內輿論炸鍋的判斷——未來五年，中國完全有可能造出全球最先進的人工智能芯片。這話一出，各家媒體連夜轉載，標題清一色圍著那個＂五年＂打轉。

面對王冠追問依據是什么，KK的回答不帶一句虛詞。他講，依據就是在中國接觸到的工程師群體所展現的雄心與能力，以及這項成就本身的重要性和影響力。

王冠接著拋出所謂＂芯片戰＂、技術圍堵這些老話題，問他會不會動搖。凱利的態度很干脆——很多人認定中國缺少制造4納米芯片的設備，可中國有能力自己把設備研發出來，這本質上就是工程問題，而中國在工程領域極為出色，目前已經具備完成這項任務的全部條件。

看好的一派認為KK閱遍全球產業幾十年，1994年就寫下《失控》并預言了云計算、物聯網這些后來一個個變現的東西，他的判斷值得掂量。唱衰的一派則搬出EUV光刻機被卡、CUDA生態難破這些老賬，覺得五年跑贏臺積電、英偉達是天方夜譚。

兩派吵得面紅耳赤，可誰都沒有注意到一件事——就在KK這段訪談播出前兩天，上海已經端出了一顆顛覆常識的芯片。要說明白KK為什么敢這么講，就得先把鏡頭拉回2026年這一整年里國內AI芯片圈子里發生的連環大動作。

從去年冬天到今年這個夏天，國產芯片賽道基本上是被按了三倍速播放鍵。大模型公司、GPU創業團隊、互聯網大廠、傳統IC設計廠商，四路人馬同時沖進同一個戰壕。

跟三年前那種＂PPT居多、產品稀少＂的畫風比，現在整個國產陣營已經從＂能不能造＂進入到＂賣不賣得動＂的階段。DeepSeek是這一波里跳得最高的一個。

這家公司過去一年偷偷啟動了自研AI推理芯片項目，路徑瞄準的是推理場景，跟芯片設計公司、代工廠、存儲廠多線接觸，工程師招聘也在低調進行。上個月剛敲定的那筆約510億元人民幣首輪融資里，自研AI芯片被明確列進了資金用途。

GLM-5.2上線之后日均Token使用量單周暴漲二十七倍，服務器根本喂不飽，公司已經跟多家國內芯片設計企業展開初步技術接觸，目標是聯合搞一顆專門給GLM系列優化的ASIC，整個項目周期預計超過兩年。

加上MiniMax、月之暗面這些公司也在暗暗盤算自研或者深度定制的路子，大模型廠商親自下場造芯已經不是孤例，而是變成了這個圈子公認的＂下一站＂。創業陣營之外，國產GPU＂四小龍＂的集體上市更是讓資本市場跟著躁動。

摩爾線程、沐曦股份、壁仞科技、燧原科技在不到兩年時間里全部敲開了A股或港股的大門，營收和股價的雙升讓＂國產替代＂從口號變成了業績表上的真數字。百度昆侖芯已經把A1表格遞到了港交所，六月底傳出目標估值約500億美元，折合人民幣三千四百億。

阿里平頭哥也在推進獨立上市，RISC-V架構加AI推理芯片的雙線布局讓它成了下一個焦點。為什么偏偏是2026年這個時點集中爆發？

賬其實很好算。當推理算力吃掉一家AI公司三成到五成的營收，自研芯片的經濟賬立馬就跑通了。

訓練是燒錢的地方，推理才是掙錢的地方，to B的API調用、to C的訂閱服務都得靠推理算力扛著。業內估算，一枚針對特定模型深度優化的ASIC推理芯片，單位推理成本能壓到同代GPU的四分之一到三分之一，業務規模一上來，一年就是幾十億的差價。

真正讓KK那句判斷有了硬支點的，是7月13日在上海冒出的一顆芯片。

當天，我國首顆采用軟件定義與三維近存計算技術的AI芯片正式亮相，這顆芯片在14納米制程工藝上跑出了每秒520萬億次浮點運算的算力，通過底層架構創新走出了一條不依賴先進制程的高端算力發展路徑；該芯片同時通過三維垂直堆疊技術把計算單元與存儲單元緊密集成，訪存帶寬達到每秒6.4TB，從架構上緩解了長期困擾芯片設計的＂存儲墻＂瓶頸。

這顆被業內叫做DF1000的芯片，直接把＂14納米約等于4納米＂的口號打上了展臺頂端。DF1000背后的東方算芯不是新玩家，創始人魏少軍是國內芯片設計領域深耕多年的技術派。

他公開講過，這條路線不需要依賴最先進的工藝技術也能實現高性能，也不需要依賴當前國際上受限的大容量存儲就可以實現高存儲量和大帶寬。

這跟KK講的＂中國可以自主研發4納米所需設備＂其實是同一個邏輯的兩種表達——正面強攻ASML拿不下來的路子走不通，那就換個賽道另開一局。這種＂用架構換制程＂的思路，是國產芯片近兩年最重要的戰略轉向。

7月17日，2026世界人工智能大會在上海正式開幕，展館里更是把＂KK預言＂的物質基礎擺得明明白白。

華為展出Atlas 950超節點真機，單柜搭載64張昇騰NPU，可擴展至8192卡集群，互聯帶寬達16.3PB/s，適配超大模型訓練與高并發推理，液冷、高速互聯實現全棧自研；中科曙光發布十萬卡全國產AI超集群曙光8000（登峰），覆蓋芯片、計算、存儲、網絡、散熱全鏈路自主研發，商用交付正式啟動。

單卡打不過沒關系，用超大規模集群把算力堆出來——這是中國工程師給出的另一種解題方式。

摩爾線程在這屆WAIC上首次展示了國產芯片在超大規模訓練上的成果：從零起步完成MoE-236B基礎模型的完整訓練，以及全球首個5D世界模型＂北大EvoPhys-World＂的全棧原生訓練過程。

這個動作意義不小——過去國產GPU一直被貼著＂只能做推理、干不了訓練＂的標簽，摩爾線程這次直接把訓練能力頂上了臺面。加上沐曦的曦景S系列超節點、天數智芯的天垓與智鎧矩陣，四家GPU創業公司同場亮相，產業熱度肉眼可見。

政策端的配合也一直沒停。今年5月，國內首次把9款國產AI訓練推理芯片納入＂安全可靠等級＂I級認證，華為、寒武紀等都進了名單，等于是用信創清單給國產芯片劃出了一塊保底市場。

對起步階段的產業來說，先有穩定的基本盤，才有余力去啃更硬的骨頭。資金、政策、需求這三股力量咬合在一起，才有了2026年這個夏天的產業熱浪，KK的五年判斷也才有了落地的土壤。

當然，客觀差距不能裝看不見。國產最先進量產工藝目前還停在7納米，跟臺積電的2納米差著兩代，人才儲備跟全球頭部的虹吸能力比也還有距離，CUDA生態幾十萬個優化過的庫不是一兩年就能追平的。

KK講的＂五年內＂，潛臺詞就是＂五年后＂而不是＂現在＂。眼下這波造芯潮，本質上是從＂能造＂往＂好用＂跨越的起步階段，起步和領跑之間至少還橫著制程、生態、人才這三道坎，一道都跳不過去。

這位老先生玩了幾十年趨勢預測，從來不搞機械對標。當推理ASIC取代通用GPU成為主流，最先進AI芯片的評判標準就從制程節點變成了算法-硬件的協同效率。

這條新賽道上，中國大模型公司加國產芯片公司的全棧整合是天然優勢——DF1000跟主流大模型深度適配、DeepSeek自研芯片跟自家模型協同優化，都是這套打法的樣本。從更大的格局看，全球AI芯片供應鏈的重構已經啟動而不是脫鉤。

三星在給Anthropic做2納米芯片，OpenAI找博通和臺積電做定制，中國作為全球最大的AI應用市場也不可能被長期排除在外。

KK在訪談里反復強調的一句是——我們的世界正越來越全球化，這種趨勢會一直持續下去，全球化的力量非常強大，它會克服任何政治因素的影響。這句話背后，是他對技術流動、人才流動、資本流動那種不可逆規律的老到判斷。

7月13日的DF1000擺脫了先進制程依賴，7月15日KK在央視親口把話講了出來，7月17日WAIC上華為Atlas 950、曙光8000、摩爾線程MoE訓練成果集中登場，再加上大模型公司自研芯片、四小龍集體上市、大廠平臺化布局這些暗線，這位白胡子未來學家看到的從來不是某一顆芯片，而是一整個賽道的加速度。

五年時間夠不夠跑完那三道坎不好打包票，但至少這條路已經不是紙上談兵，而是一段一段被工程師們焊接出來的進行時。