在日益受到地緣政治緊張局勢和技術限制影響的環境下，中國科技巨頭 Tencent 和 Baidu 正在策略性地重新調整其人工智慧 (AI) 開發方法。面對美國對先進半導體實施的日益嚴格的出口管制，這些公司正在規劃一條強調創新、效率和自力更生的道路。
Tencent 總裁 Martin Lau 在最近的財報電話會議中透露，該公司已積極建立大量圖形處理器 (GPUs) 的庫存，這些都是 AI 訓練的關鍵組件。這項策略性儲備旨在為供應鏈中潛在的干擾提供緩衝，確保 Tencent 的 AI 計劃能夠持續不間斷地進行。
然而，Tencent 的策略不僅僅是積累硬體。 Lau 還強調了該公司致力於最佳化其軟體並探索更小型的 AI 模型。這種方法旨在減少 Tencent 對純粹運算能力的需求，使該公司能夠以更有效的方式利用資源，在 AI 方面取得重大進展。
Baidu 是中國搜尋引擎市場的主要參與者，也是雲服務的提供商，它採取了一種不同但互補的方法。該公司在其財報電話會議中強調了其 「全堆疊」 AI 能力，強調其控制和整合 AI 開發過程各個方面的能力。在先進技術取得可能受到限制的世界中，這種端到端控制被視為關鍵優勢。
Tencent 和 Baidu 的策略都突顯了中國科技公司之間更廣泛的趨勢：專注於效率和國內創新，以克服因美國先進技術取得受限而帶來的挑戰。這種調整不僅僅是一種被動的措施，而是一種主動的努力，旨在在中國建立一個更具可持續性和彈性的 AI 生態系統。
中國的半導體依賴性推動戰略調整
長期以來，中國的科技產業一直面臨著一個重大弱點：它在先進半導體方面對外國來源的依賴。美國的出口管制使這種依賴性成為人們關注的焦點，這些管制限制了中國公司取得 AI 和其他先進技術所需的最先進晶片的能力。
Tencent 的雙重方法，即儲備 GPUs 和開發更有效率的 AI 模型，說明了中國公司如何試圖在這種具有挑戰性的環境中航行。 GPU 儲備提供了針對供應中斷的短期緩衝，而開發更有效率的 AI 模型則代表了一種長期策略，旨在減少對受限技術的依賴。
最佳化軟體以最大限度地提高現有硬體資源的效能的策略是對供應限制的一種務實反應。透過最大限度地利用可用硬體，中國公司可以潛在地加速以效率為重點的 AI 開發中的創新。這種方法也可能導致 AI 演算法和架構的新突破，這些演算法和架構是專門設計用於在功能較低的硬體上運行的。
Baidu 對 「全堆疊」 能力的強調與這種更廣泛的趨勢一致。透過開發整合的技術堆疊（它們在其中控制更多的組件），Baidu 旨在減輕其未來供應中斷的脆弱性。這種垂直整合使 Baidu 能夠更好地控制其技術路線圖，並減少對外部供應商的依賴。
應對限制：關鍵策略
- 策略性儲備： 建立 GPU 等關鍵組件的儲備，以緩衝供應中斷。
- 軟體最佳化： 增強軟體以最大限度地提高現有硬體資源的效能。
- 全堆疊開發： 建立整合的技術堆疊以控制更多的組件並減少外部依賴性。
- 國內創新： 投資於研發以培養本土技術能力。
在限制下，軟體最佳化成為競爭差異化因素
Tencent 和 Baidu 都非常重視軟體最佳化，突顯了出口管制如何重塑 AI 開發中競爭優勢的格局。在先進硬體取得受到限制的世界中，有效利用現有資源的能力成為關鍵的差異化因素。
Tencent 的 Martin Lau 直接挑戰了西方關於擴展 GPU 叢集對於 AI 發展始終必要的假設。他斷言，Tencent 可以透過更有效的方法 「以較小的一組此類晶片取得良好的訓練結果」。這一說法表明，軟體創新和演算法效率有可能抵消硬體可用性的限制。
Baidu 的 Dou Shen 也表達了這種觀點，他強調 「構建和管理大規模 GPU 叢集以及有效利用 GPU 的能力已成為關鍵的競爭優勢」。這表明，最大限度地提高硬體效率的專業知識可能變得與取得硬體本身一樣有價值。能夠最大限度地發揮現有硬體資源效能的公司將具有顯著的競爭優勢。
如果這些以效率為重點的方法被證明是成功的，它們最終可能會影響全球 AI 開發實踐。中國公司可能會開創新的 AI 演算法和架構，這些演算法和架構是專門設計用於在功能較低的硬體上運行的。這可能會導致中國和西方 AI 系統之間出現不同的技術路徑，每條路徑都針對不同的資源限制和優先事項進行最佳化。
對全球 AI 開發的影響
- 轉變競爭格局： 軟體最佳化和有效資源利用成為關鍵的差異化因素。
- 潛在的技術分歧： 中國和西方的 AI 系統可能會沿著不同的路徑發展，針對不同的資源限制進行最佳化。
- 效率創新： 專注於開發需要較少運算能力的 AI 演算法和架構。
- 提高專業知識的重要性： 硬體效率和軟體最佳化的專業知識變得更有價值。
演算法至上主義的興起
隨著硬體取得變得越來越受限，演算法創新的重要性激增。現在，公司有動力開發更智慧、更有效率的演算法，這些演算法可以用更少的運算資源實現相當的結果。這種轉變可能會導致以下領域的突破：
- 模型壓縮： 在不犧牲準確性的情況下，減小 AI 模型的大小和複雜性的技術。
- 量化： 以較低的精度表示模型參數，從而減少記憶體佔用和運算要求。
- 知識蒸餾： 將知識從大型、複雜的模型轉移到較小、更有效的模型。
- 脈衝神經網路： 新一代模仿大腦節能運算的神經網路。
這些演算法的進步可能會對 AI 領域以外產生深遠的影響。它們可以使 AI 部署在資源有限的設備上，例如智慧型手機、物聯網設備和嵌入式系統。這將為醫療保健、農業和環境監測等領域的 AI 驅動應用程式開闢新的可能性。
數據和人才的重要性
雖然硬體和演算法無疑至關重要，但任何 AI 計劃的成功最終都取決於數據和人才。中國公司認識到這一點，並在這兩個領域投入巨資。
中國擁有龐大的數據庫，這些數據由其龐大且數位連接的人口產生。這些數據為 AI 模型提供了豐富的訓練場，使它們能夠以更快的速度學習和改進。然而，取得數據是不夠的。同樣重要的是具備有效收集、清理和處理數據的專業知識。
中國還大力投資於開發其 AI 人才庫。政府已啟動各種計劃來促進 AI 教育和研究，全國各地的 大學都在提供 AI 和相關領域的專業課程。這項協同努力旨在確保中國擁有推動其 AI 雄心所需的技術熟練的勞動力。
AI 成功的關鍵因素
- 數據豐富： 利用中國數位經濟產生的大量數據。
- 數據專業知識： 開發有效收集、清理和處理數據所需的技能。
- 人才培養： 投資於 AI 教育和研究以建立一支技術熟練的勞動力。
- 策略合作夥伴關係： 與大學和研究機構合作以加速創新。
前進的道路：創新和自力更生
美國出口管制帶來的挑戰無疑是巨大的，但它們也為中國科技公司提供了一個機會，可以加速其創新努力並建立一個更加自力更生的 AI 生態系統。
透過專注於軟體最佳化、演算法創新和人才培養，中國公司可以潛在地克服由於先進硬體取得受限而帶來的限制。這可能會導致在中國境內出現一個獨特且具有競爭力的 AI 生態系統，該生態系統較少依賴外國技術，並且更加適應中國市場的特定需求和機會。
實現 AI 自力更生的道路並不容易。這需要持續的投資、嘗試的意願以及對長期目標的承諾。然而，潛在的回報是巨大的。透過成功地應對當前的挑戰，中國科技公司可以將自己定位為全球 AI 競賽的領導者，並為發展一個更公平和可持續的技術未來做出貢獻。