OpenAI在6月25日凌晨宣布，將從7月9日起，將阻止來自不支持其服務的國家和地區的API流量，而中國也在禁用名單之列。

消息一出，國產大模型們應聲而動，立刻推出了相應的“搬家”或“遷移”方案。有的還提出了與OpenAl 使用規模對等的 Token 贈送計劃（不設上限），坊間戲稱，“這下中國做AI的可以實現token自由了”。

我們知道，海外對于中國AI的限制一直存在。但此前針對AI的禁令，主要是限制英偉達和AMD的高性能AI算力卡，而OpenAI此次強勢禁用，則讓AI軟件算法層面的“另一只靴子落地”。

從硬件到軟件，越來越擴大的禁用范圍，以及越來越嚴格的限制，無時無刻不在提醒著我們，在AI這一關鍵科技領域，全方位阻隔中國的進步，已經是一張明牌了。

面對這個不可逆的AI封鎖大趨勢，中國企業受的影響到底有多大？AI全面國產化，中國做好準備了嗎？

放棄幻想：OpenAI禁用到底影響了誰？

自ChatGPT發布以來，OpenAI的API已向近190個國家和地區開放，其中并不包括中國。不過，一直以來，一些國內企業和用戶，可以通過技術手段來繼續使用OpenAI的服務。

對于這些來自中國的流量，OpenAI并非檢測不出，只是以前可能“槍口抬高了一寸”。

而就在6月22日，美國財政部發布了一份規則草案，進一步限制美國個人和企業投資中國的半導體、量子計算和人工智能業務。新規則草案推出，面對越來越明確的AI封鎖態勢，OpenAI也主動明哲保身，選擇了加強區域限制，采取額外措施阻止來自不受支持地區的API流量。

到底是什么人和公司“明知不可為而為之”，在使用OpenAI的API呢？主要有三類：

一是部分自研模廠。一部分模廠會在研發階段，調用OpenAI的API，使用其GPT產品進行模型訓練、數據對比迭代等。實際上，谷歌Gemini-Pro大模型的訓練也曾用到了百度文心生成的數據。此前就有國內某互聯網公司，被爆出經常達到OpenAI API的最大訪問上限，不過對方也表示，僅在年初的初期探索階段使用了OpenAI的API，而在今年4月已經停止了這種做法。

二是套殼AI公司。一些初創公司為了快速推出AI產品或服務，可以通過技術手段，對OpenAI的API進行封裝，“改頭換面”作為自己的產品推向市場。實際上用戶的每次交互，都會通過API調用OpenAI的模型來完成。

三是面向海外市場的應用開發者。在OpenAI所支持的國家和地區，為了跟海外開發者“站在同一起跑線”，而選擇OpenAI API。

目前來看，上述群體受OpenAI禁令的影響程度都不高。

隨著國內模廠的模型基本完善，不用再通過調用API的方式收集數據。海外應用的開發，應用往往需要對本地市場的深入了解，因此國內開發者數量規模也較小。相比之下，“套殼API”的初創公司可能受到的打擊是最大的，不過通過“搬家”切換到國產大模型，快速找到能力接近的替代方案，也能一定程度上規避風險。

所以總體來說，OpenAI更嚴格的API限制，并不會給中國AI帶來很大的動蕩。

但這并不意味著，中國AI可以高枕無憂了。從“英偉達禁令”到“OpenAI禁令”，發出了一個鮮明的信號：“潘多拉魔盒”一旦開啟，就不會關上，針對中國AI的封鎖，也不可能在短時間內被撤回。

是時候摒棄“槍口抬高一寸”的僥幸心理和幻想了，事實證明，槍口隨時可以朝下扣動扳機。

認清現實：不可逆的AI封鎖，還有哪些牌可出？

在封鎖烈度上，美國官方和AI企業的行動在不斷加強；在封鎖廣度上，從高性能AI芯片的底層算力，到大模型的底層算法，“釜底抽薪式”的封鎖正逐漸延伸到AI基礎設施的各個關鍵部分。

那么，在算力禁運、算法禁用之后，海外想要阻隔中國AI的發展，還有哪些牌可以打？梳理一下AI軟件基礎設施：

框架。深度學習框架，是支持AI算法模型開發和部署的軟件平臺，對AI應用的開發效率和性能有重要影響。目前國內深度學習框架市場主要由飛槳（由百度開發）、TensorFlow（由Google開發）、PyTorch（由Meta開發）三家主導，共同占據了超過80%的市場份額。這三家均為開源框架，允許開發者自由地查看、修改和使用其源代碼，不過TensorFlow、PyTorch作為開源平臺也需要遵守所在國法律法規，并可以通過開源許可證等方式，限制開發者的訪問。

2.算子庫。包含各種數學和邏輯運算函數的庫，在深度學習框架中扮演著至關重要的角色，為各種算法提供了基礎的計算單元。如果算子庫是閉源的，又歸屬于海外公司，那么可以直接限制使用。開源的算子庫也要遵循一定的開源協議，協議中往往會規定代碼的使用、修改和分發規則，如果開發者沒有獲得適當的許可或權限，也無法使用。目前，國內飛槳、昇思等AI開發平臺都發布了算子庫。

3.數據集。AI界有句名言“garbage in，garbage out（垃圾進，垃圾出）”，高質量的數據集，對于AI算法模型的性能至關重要，在大模型時代也不例外。各個領域和應用場景都有專有數據集，比如計算機視覺領域的MNIST、CIFAR、ImageNet等。NLP領域的SQuAD、GLUE等，再比如AI蛋白質結構預測任務所需要的數據集，如CASP、AlphaFold DB、PDB等，這些數據集為AI研究提供了豐富的數據資源，大多由海外研究機構建立。

近年來，中國AI領域的高質量數據集也在快馬加鞭地建設，數據治理體系也在不斷完善，數據作為核心生產要素的戰略地位不斷提升。但現階段，與海外一流水平還有差距。而AI算法的特別之處在于，不像傳統軟件能一次開發完成，模型需要不斷學習、迭代和進化，依賴于持續更新的數據集進行訓練。一旦數據集被阻止訪問，就如同剝奪了模型成長的土壤，甚至可能變得停滯不前。

此外還有編譯器、IDE等，這些軟件工具可以大大提高開發者的編程效率。如果被禁用，開發者將需要手動完成這些工作，從而導致開發效率降低，團隊協作困難，甚至影響項目的進度和質量。

“英偉達禁令”執行以后，一位國內某計算廠商向腦極體表示，“雖然我們還可以用特供版的AI芯片，但確實支持不了英偉達最新的平臺了”。

所以說，硬件、軟件基礎設施共同構成了AI產業的支撐體系。面對阻隔中國AI的封鎖禁令，一定要有“底線思維”，軟件并不比硬件更安全，開源軟件并不比閉源軟件更安全。

準備應對：中國AI，必須兩條腿走路

提到國產化替代，總有人擔憂這是在閉門造車、與世界脫節。AI作為高度全球化的高新技術產業，這種擔憂確實不無道理。

但也必須看到，“沒有一次AI斷鏈是我們先動的手”。

實際上，中國AI產學界始終保持著開放心態，積極吸收國際先進技術，與世界接軌。斯坦福大學發布的《2024 年人工智能指數報告》顯示，自2011年以來，GitHub上的開源人工智能項目，中國參與度不斷增長，直到2019年在科技領域遭受不合理打壓之后，才開始走低。

無論是芯片禁運，還是API禁用，都是海外以“國家安全”“保證美國AI領先地位”等理由，發起的單方面阻隔。而在短時間內，這種單方面動手的“AI封鎖”，并不會告一段落。

這種情況下，中國AI將面臨一個重要抉擇：是徹底國產化替代，底層軟硬件全用自己的？還是繼續參與全球AI大市場，更多利用國外技術？

小孩子才做選擇，成年人全都要。中國AI，必須學會“兩條腿走路”。

第一條腿，是基礎軟硬件的自主創新，做好全棧AI技術國產化的準備。

中國AI在底層軟硬件的關鍵“卡脖子”環節，都積累了不少力量。以軟件為例，百度、華為云等頭部大模型廠商，都建立了“AI大底座”，從底層算力（百度昆侖、華為昇騰）、基礎模型（文心、盤古）、深度學習框架（飛槳、昇思）、全棧AI開發工具平臺（千帆平臺、昇騰AI云服務）等。

這些全棧自研的AI軟硬件基礎設施，可以讓中國AI做好“最壞的準備”，無懼來自海外的斷鏈風險。

但正如經濟學家江小涓所說的，在當今科技全球化、產業全球化的格局下，“會做的全部自己做”并不是最優選項。

所以中國AI的第二條腿，是保持與全球最新趨勢的緊密聯系，確保信息通暢、創新同步。

還記得芯片禁運之時，有網友義憤填膺地表示要“對等制裁”“不用也沒有損失”，但一位資深從業者卻說“別人小心眼，我們自己不能小心眼”。美國封閉但我們不能封閉，不能自己把路走窄了。

緊密貼近全球趨勢、充分利用全球資源，是中國AI保持領先的必要條件。一方面，吸收全球最先進的技術，中國AI可以在更高的起點上推動技術自主創新，避免產業鏈割裂帶來方向迷失，錯過主流的AI發展機會。

另一方面，中國AI是科技競賽中排名全球前列的一個領域，這種領先優勢十分關鍵，且不容失去，必須與全球創新保持同步，因此要積極擁抱國際市場和科技合作。

隨著國產算力的突破，“英偉達禁令”不再讓AI算力束手無策，就在大家覺得中國AI穩了的時候，OpenAI的禁令猶如一道閃電，劃破了中國AI界對“限AI=限卡”的幻想。

國產算力固然是底氣所在，但絕非高枕無憂的保證，來自OpenAI的API限制說明，海外AI軟件也并不完全可靠，同理，開源軟件也并非絕對安全的屏障。

AI產業鏈封鎖，如同懸在頭頂的達摩克利斯之劍。但換個角度看，逐漸加碼的禁令，恰恰是之前的措施勞而無功，沒能起到徹底阻攔中國AI進步的效果，這也間接反映出中國AI產業的生存活力，是不會輕易被阻隔在世界之外的。

中國AI，唯有認清現實，把一張張產業鏈王牌都握在自己手心里，才能繼續留在全球大市場的牌桌上。

審核編輯 黃宇