很多国家、企业使用的软件平台几乎都是完全基于开源代码搭建的，而全世界能够提供开源软件许可证的科技企业，大多是欧美巨头。Github风波，再一次让开源软件的自主可控成为业界关心的焦点，这不禁让我们想到至关重要的AI开发底座——深度学习开源框架的国产化情况，究竟如何。
如今，AI技术已经在我们的生产生活、公共管理等方方面面得到深入应用，开发AI应用的深度学习框架作为基础设施，如果也说停就停，会给以数字经济引领高质量发展的中国产业，带来一系列不确定因素。
那么，加强中国AI基础技术的安全系数，究竟是杞人忧天，还是确实应该未雨绸缪、防患于未然呢们不妨先从逻辑和全面的视角，来梳理一下中国AI基础技术的真实面貌。
比如过去5年来，美国就一直致力于加强自身在人工智能领域的领导地位，美国议员汤姆·科顿曾公开声明，中国留学生来美国学莎士比亚就够了，不需要学习量子计算和人工智能。海外政治家对中国AI发展过快的焦虑，可能成为封锁开源AI的“欲加之罪”。
这样的制裁虽然可能遭遇全球技术人士的谴责，但其实遏制方式并非只有直接封锁这一条路。通过停止更新、高额收费、搞差异化对待、排斥中国AI企业等，都会拖慢中国智能化发展步伐。
这并不是不可能。有媒体就提到，即使正式的开源软件可以自由使用，但有代码的作者有理由拒绝特定人群使用，而已经有作者在社交网站上发帖讨论是否禁止俄国程序员使用他们的代码。
守住AI的“函谷关”，不过度依赖国外技术，是中国产业能在数智化浪潮中顺利前行最重要的基础。
中国AI的“安全锁”
提升中国AI的安全指数，国产开源框架还应主动锻造三把“安全锁”：
第一道锁，锁住底层技术自主权。
开源框架的国产化，首要要求就是完全自主可控，掌握核心技术的自主权。尤其是一些前沿探索类的技术上，满足深度AI应用的开发需求，才能吸引更多开发者加入。
相比一些针对垂直场景、个人开发者搭建的开源框架，具备技术积累的企业开源框架平台在底层突破、技术迭代和领先性上更有优势，TensorFlow就凭借谷歌大量突破性的新技术成为开源框架的“扛把子”。
幸好，目前中国AI企业的技术能力也并不逊色。比如近期流行的超大规模的多模态大模型，就依赖于强大的算力、技术、开发能力来实现，目前，知识增强“文心”大模型加入到飞桨产业级模型库中、向各行各业开放，华为云开源了盘古大模型……
第二道锁，锁住全面的能力范畴。
因为更懂中国AI市场、中国开发者，国产开源框架也能够提供更具针对性的服务能力。试想一下，一个不认识英文的农村养猪场员工，想要开发一个猪脸识别应用，跑到TensorFlow、caffe、PyTorch这样的框架上只能抓瞎，从这个角度，国产框架更符合中国AI与千行百业相结合的真实情况。
第三道锁，锁住人才和产业生态。
很多技术国产化的失败都源于生态匮乏，没有足够多的开发人才和产业应用支持。众所周知，针对AI人才的争夺战在海内外都十分激烈。因此，人才和产业的生态圈建设，关乎国产框架能否长期可持续发展。
技术国产化的“钟摆效应”
在技术国产化的路上，很容易出现一种“钟摆效应”。在过度悲观和过度乐观中来回摆动，感到威胁时，一股脑儿盲目扎堆，像是2020年开始，芯片半导体行业就出现了一股周期性狂奔的热潮。而一旦国产化受阻，又开始强调国际合作，昔日的国产EDA软件熊猫，就因为“物美价廉”的外国产品和技术而宣告折戟，直到目前我国依然在EDA软件上“受制于人”。
今天，人工智能为代表的新一代信息技术，已经成为我国“十四五”期间推动经济高质量发展的技术保障和核心驱动力之一，对于最关键的开发底座——深度学习框架，尤其需要避免出现“钟摆效应”，而要建立起“底线思维”。
首先，积极推动国产化、自主可控的深度学习框架发展，有重点、有规划地发展一些能够“卡别人脖子”的头部框架，将国产框架的生态化基础打牢固。知道制裁深度学习框架也没啥大用，自然就会少打歪主意。
来源：脑极体
声明：本站部分文章及图片转载于互联网，内容版权归原作者所有，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！