近期，OpenAI公司在6月25日的声明中宣布，自7月9日起将对来自其服务不支持的国家和地区的API流量进行限制，中国亦在受限名单之中。
在人工智能领域，深度学习框架作为支撑AI算法模型开发和部署的键软件平台，对应用开发效率和性能有着不可忽视的影响。目前，国内深度学习框架市场主要由百度的飞桨、Google的TensorFlow和Meta的PyTorch三家公司主导，这三家公司占据了超过80%的市场份额。它们均为开源框架，允许开发者自由访问和使用源代码，但同时也需要遵守相关法律法规，并可能通过开源许可证限制访问。
除了框架，算子库在深度学习中同样扮演着核心角色，提供了基础的计算单元。如果算子库是闭源的，或者属于海外公司，可能会面临使用限制。即便是开源的算子库，也需要遵循相应的开源协议，协议中会规定代码的使用、修改和分发规则。目前，国内已有如飞桨、昇思等AI平台发布了自己的算子库。
数据集在AI算法模型性能中的重要性不言而喻，高质量的数据集是AI研究的基石。诸如计算机视觉领域的MNIST、CIFAR、ImageNet，NLP领域的SQuAD、GLUE，以及AI蛋白质结构预测任务所需的CASP、AlphaFold DB、PDB等数据集，大多由海外研究机构建立。
近年来，中国在AI领域的高质量数据集建设也在迅速发展，数据治理体系不断完善，数据的战略地位日益提升。然而，与海外相比，仍存在一定差距。AI算法模型需要持续学习、迭代和进化，依赖于持续更新的数据集进行训练。数据集的访问受限，将严重影响模型的发展。
编译器、IDE等软件工具对提高开发者编程效率至关重要。如果这些工具被禁用，将导致开发效率降低，团队协作困难，甚至影响项目进度和质量。
在“英伟达禁令”执行后，国内某计算厂商表示，虽然可以使用特供版的AI芯片，但无法支持英伟达的最新平台。
硬件和软件基础设施共同构成了AI产业的支撑体系。面对可能的封锁禁令，必须有“底线思维”，认识到软件和开源软件的安全性并非绝对。
中国AI产业在应对可能的封锁时，需要采取“两条腿走路”的策略。一方面，自主创新，做好全栈AI技术国产化的准备；另一方面，保持与全球最新趋势的紧密联系，确保信息通畅、创新同步。
中国AI产学界始终保持开放心态，积极吸收国际先进技术，与世界接轨。《2024年人工智能指数报告》显示，中国在GitHub上的开源人工智能项目参与度不断增长，尽管在2019年受到不合理打压后有所下降。
面对海外以“国家安全”等理由发起的单方面阻隔，中国AI产业需要做出重要抉择：是彻底国产化替代，还是继续参与全球AI市场，利用国外技术。
中国AI产业的自主创新，包括百度、华为云等头部大模型厂商建立的“AI大底座”，涵盖了底层算力、基础模型、深度学习框架和全栈AI开发工具平台等。这些自研的AI软硬件基础设施，可以应对海外的断链风险。
同时，中国AI产业需要保持开放，吸收全球最先进的技术，推动技术自主创新，避免产业链割裂带来的方向迷失，错过主流的AI发展机会。
随着国产算力的突破，OpenAI的API限制提醒我们，海外AI软件和开源软件的安全性并非绝对。AI产业链封锁如同悬在头顶的达摩克利斯之剑，但中国AI产业的生存活力不会轻易被阻隔在世界之外。
中国AI产业唯有认清现实，掌握产业链的关键环节，才能继续在全球大市场中占据一席之地。
