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软件算法层面的“另一只靴子落地”。

从硬件到软件，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，中国企业受到的影响到底有多大？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。实际上用户的每次交互，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软件基础设施：

1. 框架。深度学习框架，是支持AI算法模型开发和部署的软件平台，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协议，协议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。各个领域和应用场景都有专有数据集，比如计算机视觉领域的MNIST、CIFAR、ImageNet等。NLP领域的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，不像传统软件能一次开发完成，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，这些软件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。

“英伟达禁令”执行以后，一位国內某计算厂商向脑极体表示，“虽然我们还可以用特供版的AI芯片，但确实支持不了英伟达最新的平台了”。

所以说，硬件、软件基础设施共同构成了AI产业的支撑体系。面对阻隔中国AI的封锁禁令，一定要有“底线思维”，软件并不比硬件更安全，开源软件并不比闭源软件更安全。

准备应对：中国AI，必须两条腿走路

提到国产化替代，总有人担忧这是在闭门造车、与世界脱节。AI作为高度全球化的高新技术产业，这种担忧确实不无道理。

但也必须看到，“没有一次AI断链是我们先动的手”。

实际上，中国AI产学界始终保持着开放心态，积极吸收国际先进技术，与世界接轨。斯坦福大学发布的《2024年人工智能指数报告》显示，自2011年以来，GitHub上的开源人工智能项目，中国参与度不断增长，直到2019年在科技领域遭受不合理打压之后，才开始走低。

无论是芯片禁运，还是API禁用，都是海外以“国家安全”“保证美国AI领先地位”等理由，发起的单方面阻隔，而在短时间内，这种单方面动手的“AI封锁”，并不会告一段落。

这种情况下，中国AI将面临一个重要抉择：是彻底国产化替代，底层软硬件全用自己的？还是继续参与全球AI大市场，更多利用国外技术？

小孩子才做选择，成年人全都要。中国AI，必须学会“两条腿走路”。

第一条腿，是基础软硬件的自主创新，做好全栈AI技术国产化的准备。

中国AI在底层软硬件的关键“卡脖子”环节，都积累了不少力量。以软件为例，百度、华为云等头部大模型厂商，都建立了“AI大底座”，从底层算力（百度昆仑、华为昇腾）、基础模型（文心、盘古）、深度学习框架（飞桨、昇思）、全栈AI开发工具平台（千帆平台、昇腾AI云服务）等。

这些全栈自研的AI软硬件基础设施，可以让中国AI做好“最坏的准备”，无惧来自海外的断链风险。

但正如经济学家江小涓所说的，在当今科技全球化、产业全球化的格局下，“会做的全部自己做”并不是最优选项。

所以中国AI的第二条腿，是保持与全球最新趋势的紧密联系，确保信息通畅、创新同步。

还记得芯片禁运之时，有网友义愤填膺地表示要“对等制裁”“不用也没有损失”，但一位资深从业者却说“别人小心眼，我们自己不能小心眼”。美国封闭但我们不能封闭，不能自己把路走窄了。

紧密贴近全球趋势、充分利用全球资源，是中国AI保持领先的必要条件。一方面，吸收全球最先进的技术，中国AI可以在更高的起点上推动技术自主创新，避免产业链割裂带来方向迷失，错过主流的AI发展机会。

另一方面，中国AI是科技竞赛中排名全球前列的一个领域，这种领先优势十分关键，且不容失去，必须与全球创新保持同步，因此要积极拥抱国际市场和科技合作。

随着国产算力的突破，“英伟达禁令”不再让AI算力束手无策，就在大家觉得中国AI稳了的时候，OpenAI的禁令犹如一道闪电，划破了中国AI界对“限AI=限卡”的幻想。

国产算力固然是底气所在，但绝非高枕无忧的保证，来自OpenAI的API限制说明，海外AI软件也并不完全可靠，同理，开源软件也并非绝对安全的屏障。

AI产业链封锁，如同悬在头顶的达摩克利斯之剑。但换个角度看，逐渐加码的禁令，恰恰是之前的措施劳而无功，没能起到彻底阻拦中国AI进步的效果，这也间接反映出中国AI产业的生存活力，是不会轻易被阻隔在世界之外的。

中国AI，唯有认清现实，把一张张产业链王牌都握在自己手心里，才能继续留在全球大市场的牌桌上。