面对日益加剧的地缘政治紧张局势和技术制约，中国科技巨头腾讯和百度正在战略性地调整其人工智能 (AI) 发展方法。面对美国对先进半导体实施的日益收紧的出口管制，这些公司正在规划强调创新、效率和自力更生的路线。
腾讯总裁刘炽平在最近的财报电话会议中透露，该公司已主动建立了大量的图形处理单元 (GPU) 库存，GPU 是 AI 训练的关键组件。这项战略储备旨在为应对供应链中潜在的干扰提供缓冲，确保腾讯的 AI 计划能够继续有条不紊地进行。
然而，腾讯的战略不仅仅是囤积硬件。刘炽平还强调了公司致力于优化其软件并探索较小的 AI 模型。这种方法旨在减少腾讯对纯计算能力的依赖，使公司能够以更有效地利用资源在 AI 领域取得重大进展。
百度是中国搜索引擎市场的主要参与者，也是云服务提供商，它采取了一种不同但互补的方法。该公司在其财报电话会议中强调了其“全栈”AI 能力，强调了其控制和集成 AI 开发过程各个方面的能力。这种端到端控制被视为在先进技术可能受到限制的世界中的关键优势。
腾讯和百度的战略都突显了中国科技公司中更广泛的趋势：专注于效率和国内创新，以克服因获得先进美国技术的渠道受限而带来的挑战。这种适应不仅仅是一种被动措施，而是构建中国境内更可持续和更具弹性的 AI 生态系统的主动努力。
中国的半导体依赖推动战略调整
长期以来，中国的科技产业一直面临着一个重大的脆弱性：它对外国先进半导体来源的依赖。由于美国的出口管制，这种依赖关系受到了高度关注，这些管制限制了中国公司获取 AI 和其他先进技术所需的尖端芯片的能力。
腾讯囤积 GPU 和开发更高效的 AI 模型这一双重方式，正是中国公司试图应对这一挑战性环境的例证。GPU 储备为应对供应中断提供了一个短期缓冲，而开发更高效的 AI 模型则代表了一种长期战略，以减少对受限技术的依赖。
优化软件以最大限度地提高现有硬件资源性能的策略是对供应限制的一种务实应对。通过最大限度地利用现有硬件，中国公司有可能加快以效率为重点的 AI 开发方面的创新。这种方法也可能导致AI算法和架构方面的新突破，这些算法和架构专门设计为在功能较弱的硬件上运行。
百度对“全栈”能力的强调与这种更广泛的趋势相符。通过开发集成技术堆栈来控制更多组件，百度旨在减轻其未来供应中断的脆弱性。这种垂直集成使百度能够更好地控制其技术路线图并减少对外部供应商的依赖。
适应限制：关键策略
- 战略储备： 建立 GPU 等关键组件的储备，以缓冲供应中断。
- 软件优化： 增强软件，以最大限度地提高现有硬件资源的性能。
- 全栈开发： 创建集成的技术堆栈，以控制更多组件并减少外部依赖。
- 国内创新： 投资研发，以培养本土技术能力。
在限制条件下，软件优化成为竞争差异化因素
腾讯和百度都强调软件优化，这凸显了出口管制如何重塑 AI 开发中竞争优势的格局。在获得先进硬件受到限制的世界中，有效利用现有资源的能力成为一个关键的差异化因素。
腾讯的刘炽平直接挑战了西方关于扩展 GPU 集群始终是 AI 进步所必需的这一假设。他断言，腾讯可以通过更有效的方法，以“更小的一组此类芯片取得良好的训练效果”。这一说法表明， 소프트웨어创新和算法效率有可能弥补硬件可用性方面的局限性。
百度的沈抖也呼应了这一观点，他强调“构建和管理大型 GPU 集群以及有效利用 GPU 的能力已成为关键的竞争优势。”这表明，最大程度地提高硬件效率的专业知识可能与获得硬件本身一样有价值。能够最大限度地利用现有硬件资源的公司将具有巨大的竞争优势。
如果这些以效率为重点的方法被证明是成功的，它们最终可能会影响全球 AI 开发实践。中国公司可能会率先开发出专门设计为在功能较弱的硬件上运行的新 AI 算法和架构。这可能会导致中国和西方 AI 系统之间出现不同的技术路径，每条路径都针对不同的资源限制和优先级进行优化。
对全球 AI 开发的影响
- 竞争格局的转变： 软件优化和高效的资源利用成为关键的差异化因素。
- 潜在的技术差异： 中国和西方的 AI 系统可能会沿着不同的路径发展，针对不同的资源限制进行优化。
- 效率创新： 专注于开发需要较少计算能力的 AI 算法和架构。
- 专业知识的重要性日益增加： 硬件效率和软件优化方面的专业知识变得更有价值。
算法至上时代的到来
随着硬件访问受到越来越多的限制，算法创新的重要性激增。现在，公司有动力开发更智能、更高效的算法，这些算法可以用更少的计算资源获得可比的结果。这种转变可能导致以下领域的突破：
- 模型压缩： 用于在不牺牲准确性的情况下减小 AI 模型的大小和复杂性的技术。
- 量化： 以较低的精度表示模型参数，从而减少内存占用和计算需求。
- 知识蒸馏： 将知识从大型复杂模型转移到更小、更高效的模型。
- 脉冲神经网络： 一种模仿大脑节能计算的新一代神经网络。
这些算法的进步可能会对 AI 领域之外产生深远的影响。它们可以使 AI 部署在资源受限的设备上，例如智能手机、物联网设备和嵌入式系统。这将为 AI 驱动的应用程序在医疗保健、农业和环境监测等领域开辟新的可能性。
数据和人才的重要性
虽然硬件和算法无疑至关重要，但任何 AI 计划的成功最终都取决于数据和人才。中国公司认识到这一点，并正在这两个领域投入巨资。
中国拥有庞大的数据池，这些数据由其庞大且数字化连接的人口生成。这些数据为 AI 模型提供了丰富的训练场所，使它们能够以更快的速度学习和改进。然而，获得数据是不够的。同样重要的是拥有有效收集、清理和处理数据的专业知识。
中国还在大力投资开发其 AI 人才库。政府已经启动了各种举措来促进 AI 教育和研究，全国各地的大学都在提供 AI 和相关领域的专业课程。这一协同努力旨在确保中国拥有推动其 AI 雄心所需的熟练劳动力。
AI 成功的关键因素
- 数据丰富： 利用中国数字经济产生的大量数据。
- 数据专业知识： 培养有效收集、清理和处理数据所需的技能。
- 人才培养： 投资 AI 教育和研究以建立一支熟练的劳动力队伍。
- 战略合作伙伴关系： 与大学和研究机构合作以加速创新。
前进的道路：创新和自力更生
美国出口管制带来的挑战无疑是巨大的，但它们也为中国科技公司提供了一个机会，可以加速其创新努力并建立一个更加自力更生的 AI 生态系统。
通过专注于软件优化、算法创新和人才培养，中国公司有可能克服因获得先进硬件的渠道受限而带来的局限性。这可能会导致一个独特的和有竞争力的 AI 生态系统在中国境内出现，这个生态系统不那么依赖外国技术，而且更适应中国市场的具体需求和机遇。
实现 AI 自力更生的道路并非易事。它需要持续的投资、试验的意愿和对长期目标的承诺。然而，潜在的回报是巨大的。通过成功地应对当前的挑战，中国科技公司可以将自己定位为全球 AI 竞赛的领导者，并为更公平和更可持续的技术未来的发展做出贡献。