中国AI：最繁荣的时代，最脆弱的时刻

引言

美国1260H清单首次把阿里、百度这些AI巨头列入“军工企业”——火热的AI行业敲响了“根原创”的警钟。

一、清单的“阳谋”:竞争升维,从“卡脖子”升级为“釜底抽薪”

2026年上半年,美国对华科技遏制的清单密度远超往年:

1月,得克萨斯州更新禁用技术清单,将MiniMax、智谱AI、商汤科技、阿里、百度等多家中国AI企业列入;

4月,美国众议院提出MATCH法案,计划全面禁止对华出口DUV光刻机;

6月,国防部更新1260H清单,一次性纳入188家中国实体——阿里、百度第一次被列入“军工企业”。

其中,1260H清单的变化最值得深究。这次被点名的企业不再是航天、通信、芯片制造等传统意义上的“军工关联”领域,而是阿里、百度、腾讯这些云计算巨头,商汤、云从、依图等AI算法公司——几乎覆盖了AI领域从底层算力到上层应用的全链条。

这显然不是误伤,原因有这么几个:

意图变了:从“点杀”到“绞杀”。过去精准打击芯片、通信等关键节点,是“点穴”;如今覆盖AI全链条,等于把中国AI产业的底座与应用同时标记为风险对象。目的不是惩罚某家企业,而是让整个生态面临两难困境:用别人的框架,有合规风险;切换国产底座,有迁移成本。

手段变了:从“硬断供”到“软锁死”。芯片断供是“明枪”,你知道对手是谁,可以囤货、绕道。但底层框架的锁死是“暗箭”——你每天都在用,却可能意识不到自己已经被“语法”规训。等发现被卡住的时候,已经来不及了。

这是一场精心设计的“釜底抽薪”:先把你的头部企业标记为“军工关联”,再以此为支点,向全球供应链、合作伙伴,资本市场施压。最终目标是让中国AI产业在寒冬中无法抱团取暖。

二、尴尬的现实——中国AI的“空心化”危机

揭开一个行业不太愿意公开讨论的软肋:中国AI产业存在严重的“空心化”。

这里说的“空心化”,不是指没有技术,而是指底层技术不在自己手里。打开绝大多数国内AI公司的技术栈,底层跑的无非是两个:TensorFlow和PyTorch。一个是Google的,一个是Meta的。从算法库、编译器到核心工具链,都建立在别人的代码之上。国产框架的市占率合计并不高。

把这种依赖轻描淡写成“用开源软件”,是一种危险的麻痹。现实是,上层应用越是百花齐放,底层框架就越是无法替换。一个API的废弃、一次协议条款的修订,都会直接改写下游所有系统的行为逻辑。

更深层的暗雷有两颗:

一是意识形态的嵌入。

主流框架的训练数据筛选、“对齐”标准、内容安全阈值,是西方的文化坐标系。但凡涉及历史叙事、地缘政治等议题经过底层模型时,它早已按西方语境完成了“敏感”与“正常”的裁决。

久而久之,什么是重要的?什么是合理的?这些判断不再由使用者自主做出,而是由底层逻辑代劳。

二是数据安全维度,是一条看不见的暗渠。

技术栈的每一层抽象,都是一次数据控制权的让渡。训练阶段,数据在优化器、分布式通信协议中流转,路径对使用者并非完全透明;推理阶段,模型权重、输入输出可能通过遥测机制、依赖库更新向外传输。

更隐蔽的是供应链的纵深渗透:依赖数百个第三方库,每个库的维护者都可能成为供应链上的薄弱环节。

三、“根原创”,是唯一的出路

解决“空心化”问题的唯一出路,是把底层技术掌握在自己手里。

这条路叫作“根原创”,是从最底层的深度学习算法框架开始,到模型架构、训练、推理、应用,全部自研。

“根原创”的价值,可以从三个维度来理解。

第一,生存权

没有自主底层,一旦断供,是“系统失语”,而非“选择受限”。有了“根原创”,才能掌握整个技术栈的语法规则和演进节奏,关键时刻不影响既定方向。

第二,入场券

政务、金融、关键基础设施——这些领域的AI应用,要求底层可控、数据可审计。没有“根原创”,连投标的资格都没有。随着数据安全法和《关键信息基础设施安全保护条例》的落地,合规门槛只会越来越高。

第三,定义权

跟着别人的框架走,永远在等适配等优化。有了自己的底座,才能按自己的创新节奏出牌,而不是被别人的版本迭代牵着鼻子跑。

四、谁在“打地基”?——探访那群“笨拙”而坚定的长期主义者

空谈误国,实干兴邦。值得庆幸的是,一批具备长期主义的企业,早在清单落地前就开始了“笨功夫”的积累。

华为——平台级替代

从2016年启动MindSpore研发,到2023年其新增市场份额已达18%,华为走的是“全栈自研+芯片绑定”的重投入路线。MindSpore通过静态图与动态图统一、自动并行策略以及与昇腾芯片的深度融合,构建了CUDA之外的唯一备选方案。虽然生态还不是很大,但它证明了另一条路能走通。华为的启示是:“根原创”的回报周期以五年计,但没有它的代价是以天计。

科大讯飞——垂直场景深耕

科大讯飞没有试图做通用深度学习框架,而是在语音识别的核心环节,坚持声学模型、语言模型、声纹识别等技术的自研。其星火大模型的底层训练框架基于自主技术栈,关键算子自行开发。

语音领域的特殊性在于,中文的声学特征、方言变体、语言习惯与英语差异极大,通用框架的预训练模型在这个场景下并不占优。科大讯飞的自研,既是安全考量,也是技术必要性驱动。

科大讯飞这种“钉子策略”的逻辑是:不在全栈上硬碰硬,而是在核心价值创造环节建立不可替代性。

传神——深刻底层重构

相较于前两者,传神选择了一条更激进的路线。

传神在行业普遍复用PyTorch、TensorFlow、Transformer时,便预判依附海外底层生态的桎梏,从zANN神经网络框架、moH模型架构到训练推理链路全部原生自研,彻底切断对海外开源底层的绑定。

自研本身不是目的,关键在于脱离外部依赖后如何跑得更快更稳。传神给出的方向是“数推分离”:

知识内化,非外挂检索:moH将动态记忆嵌入推理链路,知识深度参与计算全过程,无需挤占上下文窗口,推理效率与精度显著提升,避免了传统RAG受检索质量与重复编码的限制。

增量更新,非全量重训:新增知识通过记忆轨道实现高效增量装载,无需全量微调,同等参数下业务效能大幅跃升。

传神的实践证明:具备预判产业风险的眼光和围绕长期需求构建独立技术底盘的能力——这才是“根原创”在垂直领域的实质。

五、三条自研路径殊途同归,“根原创”生态初现雏形

三家企业的路径差异说明:“根原创”没有标准模板,当外部规则突变时,手里有自主技术栈的,才有选择权。

更重要的是,这些企业正在形成一个“根原创”的生态。

目前这个生态是分层推进的:最底层是芯片适配层,有人在做国产算力芯片与AI框架的适配;往上是基础软件层,有人在自研AI框架和编译器,试图替代PyTorch和CUDA的生态位;再往上是开发者社区和行业应用层,有人在做国产技术栈的知识沉淀和工具链建设。

现阶段的核心不是选哪条路,而是把路修通。每一家在底层花笨功夫的企业,都是在为这个生态修一段路。并且,已经初步证明:这条路有人走通了,也值得更多人跟进。

六、结语:清单之后,是发令枪

AI行业的发令枪已经响了——它催的是三件事:国产框架能不能跑通、国产芯片能不能适配、中间层的衔接能不能跟上。

中国AI的地基之战,才刚刚开始。

“根原创”不是一场速决战,而是一场消耗战。它需要政策引导、头部企业牵引,以及一代开发者重新学习新语法规则的耐心。

清单是一面镜子,照出了我们的光鲜,也照出了我们的软肋。但庆幸的是,发令枪响之前,已经有人在跑。