OpenAI刺破了中国AI的幻想

今天小编分享的科学经验：OpenAI刺破了中国AI的幻想，欢迎阅读。

OpenAI 在 6 月 25 日凌晨宣布，将从 7 月 9 日起，将阻止来自不支持其服务的国家和地区的 API 流量，而中国也在禁用名单之列。

消息一出，国产大模型们应声而动，立刻推出了相应的 " 搬家 " 或 " 迁移 " 方案。有的还提出了与 OpenAl 使用规模对等的 Token 赠送计划（不设上限），坊间戏称，" 这下中国做 AI 的可以实现 token 自由了 "。

我们知道，海外对于中国 AI 的限制一直存在。但此前针对 AI 的禁令，主要是限制英伟达和 AMD 的高性能 AI 算力卡，而 OpenAI 此次强势禁用，则让 AI 軟體算法层面的 " 另一只靴子落地 "。

从硬體到軟體，越来越扩大的禁用范围，以及越来越严格的限制，无时无刻不在提醒着我们，在 AI 这一关键科技领網域，全方位阻隔中国的进步，已经是一张明牌了。

面对这个不可逆的 AI 封锁大趋势，中国企业受的影响到底有多大？AI 全面国产化，中国做好准备了吗？

放弃幻想

OpenAI 禁用到底影响了谁？

自 ChatGPT 发布以来，OpenAI 的 API 已向近 190 个国家和地区开放，其中并不包括中国。不过，一直以来，一些国内企业和用户，可以通过技术手段来继续使用 OpenAI 的服务。

对于这些来自中国的流量，OpenAI 并非检测不出，只是以前可能 " 枪口抬高了一寸 "。

而就在 6 月 22 日，美国财政部发布了一份规则草案，进一步限制美国个人和企业投资中国的半导体、量子计算和人工智能业务。新规则草案推出，面对越来越明确的 AI 封锁态势，OpenAI 也主动明哲保身，选择了加强区網域限制，采取额外措施阻止来自不受支持地区的 API 流量。

到底是什么人和公司 " 明知不可为而为之 "，在使用 OpenAI 的 API 呢？主要有三类：

一是部分自研模厂。一部分模厂会在研发阶段，调用 OpenAI 的 API，使用其 GPT 产品进行模型训练、数据对比迭代等。实际上，谷歌 Gemini-Pro 大模型的训练也曾用到了百度文心生成的数据。此前就有国内某互联网公司，被爆出经常达到 OpenAI API 的最大访问上限，不过对方也表示，仅在年初的初期探索阶段使用了 OpenAI 的 API，而在今年 4 月已经停止了这种做法。

二是套壳 AI 公司。一些初创公司为了快速推出 AI 产品或服务，可以通过技术手段，对 OpenAI 的 API 进行封装，" 改头换面 " 作为自己的产品推向市场。实际上用户的每次互動，都会通过 API 调用 OpenAI 的模型来完成。

三是面向海外市场的应用开发者。在 OpenAI 所支持的国家和地区，为了跟海外开发者 " 站在同一起跑线 "，而选择 OpenAI API。

目前来看，上述群体受 OpenAI 禁令的影响程度都不高。

随着国内模厂的模型基本完善，不用再通过调用 API 的方式收集数据。海外应用的开发，应用往往需要对本地市场的深入了解，因此国内开发者数量规模也较小。相比之下，" 套壳 API" 的初创公司可能受到的打击是最大的，不过通过 " 搬家 " 切换到国产大模型，快速找到能力接近的替代方案，也能一定程度上规避风险。

所以总体来说，OpenAI 更严格的 API 限制，并不会给中国 AI 带来很大的动荡。

但这并不意味着，中国 AI 可以高枕无忧了。从 " 英伟达禁令 " 到 "OpenAI 禁令 "，发出了一个鲜明的信号：" 潘多拉魔盒 " 一旦开启，就不会关上，针对中国 AI 的封锁，也不可能在短时间内被撤回。

是时候摒弃 " 枪口抬高一寸 " 的侥幸心理和幻想了，事实证明，枪口随时可以朝下扣动扳机。

认清现实：不可逆的 AI 封锁

还有哪些牌可出？

在封锁烈度上，美国官方和 AI 企业的行动在不断加强；在封锁广度上，从高性能 AI 芯片的底层算力，到大模型的底层算法，" 釜底抽薪式 " 的封锁正逐渐延伸到 AI 基础设施的各个关键部分。

那么，在算力禁运、算法禁用之后，海外想要阻隔中国 AI 的发展，还有哪些牌可以打？梳理一下 AI 軟體基础设施：

1. 框架。深度学习框架，是支持 AI 算法模型开发和部署的軟體平台，对 AI 应用的开发效率和性能有重要影响。目前国内深度学习框架市场主要由飞桨（由百度开发）、TensorFlow（由 Google 开发）、PyTorch（由 Meta 开发）三家主导，共同占据了超过 80% 的市场份额。这三家均为开源框架，允许开发者自由地查看、修改和使用其源代码，不过 TensorFlow、PyTorch 作为开源平台也需要遵守所在国法律法规，并可以通过开源许可证等方式，限制开发者的访问。

2. 算子库。包含各种数学和逻辑运算函数的库，在深度学习框架中扮演着至关重要的角色，为各种算法提供了基础的计算单元。如果算子库是闭源的，又归属于海外公司，那么可以直接限制使用。开源的算子库也要遵循一定的开源協定，協定中往往会规定代码的使用、修改和分发规则，如果开发者没有获得适当的许可或权限，也无法使用。目前，国内飞桨、昇思等 AI 开发平台都发布了算子库。

3. 数据集。AI 界有句名言 "garbage in，garbage out（垃圾进，垃圾出）"，高质量的数据集，对于 AI 算法模型的性能至关重要，在大模型时代也不例外。各个领網域和应用场景都有专有数据集，比如计算机视觉领網域的 MNIST、CIFAR、ImageNet 等。NLP 领網域的 SQuAD、GLUE 等，再比如 AI 蛋白质结构预测任务所需要的数据集，如 CASP、AlphaFold DB、PDB 等，这些数据集为 AI 研究提供了丰富的数据资源，大多由海外研究机构建立。

近年来，中国 AI 领網域的高质量数据集也在快马加鞭地建设，数据治理体系也在不断完善，数据作为核心生产要素的战略地位不断提升。但现阶段，与海外一流水平还有差距。而 AI 算法的特别之处在于，不像传统軟體能一次开发完成，模型需要不断学习、迭代和进化，依赖于持续更新的数据集进行训练。一旦数据集被阻止访问，就如同剥夺了模型成长的土壤，甚至可能变得停滞不前。

此外还有编译器、IDE 等，这些軟體工具可以大大提高开发者的编程效率。如果被禁用，开发者将需要手动完成这些工作，从而导致开发效率降低，团队协作困难，甚至影响项目的进度和质量。