中国AI为何必须走自主可控之路？核心动因与路径观察

首页

科技数码

热心网友

转载

2026-03-07

全国两会期间，全国人大代表、科大讯飞董事长刘庆峰再次围绕人工智能的“自主可控”提出建议。从2024年算起，这已经是他连续第四年在两会提出，要把中国的大模型能力真正建立在国产算力和自主生态之上。

（刘庆峰）

在今天这个时间点，关注这个议题的人似乎并不多。去年年初，DeepSeek-R1横空出世，没有人再怀疑中国大模型的算法能力。上个月，根据OpenRouter的统计，全球用户输入中国大模型的Token量占比超六成，居全球首位。而在算力领域，尽管芯片制程、软件生态与国外龙头仍有差距，但国内企业正凭借制程混搭、集群架构等技术奋起直追，不少相关企业在最近密集上市，突显了市场信心。

今年年初，国内模型公司争相发红包、送奶茶吸引用户，“小龙虾”OpenClaw爆火出圈。聚光灯兜兜转转，再次聚焦在AI应用上。谁能发现场景、谁能快速落地乃至变现，构成了目前国内AI产业最热闹的叙事。

但恰恰是在这个时候，“自主可控”反而不应被视作可有可无的标签，而是必须回答的底层问题。

大模型已经不只是一个互联网产品，不只是聊天机器人和办公助手。它越来越像电力和交通，正在成为经济的新基础设施，逐渐融入金融、教育、医疗、政务、能源、工业等重要场景。而基础设施的重要原则，是关键时刻不能断、长期演进可掌握、产业收益可沉淀。

（安徽金寨古碑镇中心卫生院，“智医助理”是医生的AI同事）

因此，在国际局势变化的今天，依托国产算力训练大模型、建立从软件到硬件的AI生态，依然是中国AI产业绕不过去的一场硬仗。

是谁在训练AI？

今年2月，科大讯飞正式发布基于全国产算力训练的星火X2大模型，实现了对前代星火模型的升级迭代，整体能力对标国际顶尖模型水平，在数学、推理、语言理解、智能体等能力上媲美国际最优，还具备130+多语言能力。

在高性能模型频出的今天，这条新闻显得“平平无奇”。然而，其中提到的“基于全国产算力训练”，正是AI迈向自主可控的关键一步。实际上，讯飞星火是少数几个完全依托国产算力训练的模型，也是其中唯一一个向大众免费开放使用的。

对于AI大模型来说，计算机运行产生的算力主要用作推理和训练两种用途。简单说，推理是让大模型能够运行起来，根据输入内容回答问题、生成文本、识别图像。训练则是让模型真正“长脑子”的过程：通过海量数据和反复计算，把参数一点点调整出来，最终形成模型能力的底座。

如果把大模型比作一名医生，推理如同日常坐诊，训练则是从医学院到住院医师的完整培养过程。医生会看病当然重要，但更关键的是，这个医生是谁培养出来的、接受了什么知识体系、是否能持续进修升级。对国家和产业来说，真正决定话语权的，恰恰是后者。

过去几年，中国国产AI芯片更多活跃在推理侧。推理对时延、成本和能效更敏感，但对单次极限吞吐、超大规模分布式通信的要求，相比训练要低得多。为了在政务、金融、安防、工业等场景里实现大模型的落地部署，推理算力首先实现了快速发展。

但训练不一样，它是AI算力金字塔的顶端，要求的不只是单卡算力，还包括高带宽显存、稳定的互联通信、万卡级集群调度能力、软件框架兼容度，以及长达数周甚至数月不中断运行的工程能力。这些技术被英伟达等少数企业所掌握。

更贵、更难的路

真正决定一个国家AI上限的，不光有没有能部署的模型，也不仅是有没有能够运行这些模型的设备，更在于能否在自己的基础设施上，把下一代模型持续训练出来。只有能够用国产算力做训练，才意味着掌握了AI的演化能力。

刘庆峰在一次采访中透露，基于国产算力训练的模型大概要落后顶尖模型半年到一年。由于尚未形成规模效应，国产算力的价格也往往更高。如果像讯飞这样自研算力平台，还意味着不菲的研发投入。

目前国内的高性能模型大多都是使用国外算力设备训练的。若要重新适配国产芯片，相当于给车更换发动机。不仅要作出其它结构的调整，还可能面临性能无法发挥或下降的风险。

国外的训练方案更成熟、性能更强、生态更完整，这到目前为止都是事实。那么为什么还要用相对落后、成本相对更高的国产算力训练大模型？

这个问题如果只放在一家公司里来看，确实不好回答。但如果放到国家和产业演进的尺度上，就不难理解。

航空发动机、高铁、北斗导航、工业母机、光刻工艺，这些重大工程在早期几乎都面临同样的质疑：贵、慢、不成熟、商业上不划算。可它们之所以仍值得做，不是因为一开始就比国际最优更便宜，而是因为它们决定了一个国家在关键节点上有没有自主运转能力，决定了长期产业红利是否留在本土。

发展经济学中有一个被称为“依附理论”的经典视角。后发国家如果长期嵌入由中心国家定义的技术体系，就容易陷入高端能力外部化、利润与标准外流、本土创新受制于人的状态。

这个框架未必能完整解释今天的科技竞争，但它对AI产业有很强的现实提醒意义——如果一个国家的大模型训练长期依赖外部算力、外部基础软件和外部开发生态，那么它在产业链中获得的，很可能只是应用层的局部繁荣。

如果底层模型能力和训练平台都依赖外部，国内企业即使做出大量应用，也可能在利润、议价权和迭代节奏上受制于上游算力平台。相反，谁掌握训练平台、基础模型和算力底座，谁才更可能在产业链中占据高附加值环节。

从风险的角度来说，一旦出口管制升级、云服务受限、关键软件栈断供，整个生态会在最底层出现脆弱性。那时受影响的不是某个模型版本延迟上线，而是教育、医疗、政务、工业、金融等一系列正在被AI重塑的行业能力，都会暴露在不可控风险之下。

底层投入也是对技术未来的投入。虽然目前Transformer架构仍是大模型的主流，但技术正在不停发展，量子、生物计算等领域已经为AI算法提供了新的思路。如果无法稳定开展本土训练，那么它就很难主导下一代模型的能力边界，只能在别人定义的技术路径上做应用适配。

国产算力训练迎来战略机遇

这场讨论之所以在今年格外重要，是因为国产算力训练也正在迎来战略机遇期。

根据国投证券发布的研报，今年海外云厂商资本开支已进入新一轮上行周期，其算力迭代节奏同步拉动了全球设备需求，我国算力资本市场利好。美国对华芯片管制不断升级，从硬件延伸至软件、人才乃至云服务，形成全链条封锁，反而倒逼国内形成以“自主可控”为核心的政策与产业共识。

在这些需求的牵引下，今年不仅算力供给侧在技术与生态上实现了诸多突破，越来越多从训练到算法都是纯国产的模型也开始涌现出来，如讯飞的星火X2，智谱联合华为开源的新一代图像生成模型GLM-Image，摩尔线程与北京智源人工智能研究院完成的具身大脑模型RoboBrain 2.5等。

仅仅依靠外部制裁的“倒逼”，并不足以催生一个成功的自主产业。历史上，许多抱有雄心壮志的国家在技术封锁下并未能建立起强大的自主体系，如20世纪的阿根廷与巴西。国家与企业的长期战略意志、规划与信心，是必不可少的。

在“十五五”规划草案中，算力发展已经被升至国家战略。东数西算、算力互联互通行动计划等国家级工程推出，截至2024年6月底，东数西算八大枢纽节点直接投资超435亿元，机架总规模超195万架。国家算力“版图”正在形成，东部省市聚焦生态构建与应用，西部省市依托绿电承接算力转移。北京2025年智算供给规模达45 EFLOPS，上海2027年自主可控算力占比超70%。

AI产业与航空航天、高铁等产业的一项关键不同之处，在于目前所有国家都还正在开发它的能力，都需要开发者生态的支持，都需要市场的检验。因此，自主可控不是为了做一个封闭、昂贵、脱离市场的替代品，不是从叙事上用民族情怀替代商业逻辑，而是要在真实业务场景中证明能用、好用、持续可用，也要接受国内乃至全球开发者的检验。

凭借模型算法的轻量化技术和架构创新，很多国产模型已经能做到在保持高性能的同时大幅降低训练与推理的算力负担。一些模型已经进入持续迭代和产品化阶段，如讯飞星火X2已在医疗、教育、汽车座舱、企业智能体等场景中广泛部署，医疗应用“讯飞晓医”也累积完成超1.8亿次健康咨询，以它为基础的星火教育大模型在批改、错因分析等核心教学领域的表现，显著优于GPT-5.2、DeepSeek-V3.2等主流模型。

有媒体将今年称作“中国算力训练元年”，这还只是开始。它们未必意味着中国已经在算力竞赛中看到曙光，却至少说明我们还没有放弃争夺那张最关键的入场券。

“从社会刚需出发，让人工智能解决真问题，推动社会进步。”刘庆峰说，“人工智能企业是要有家国情怀的，一定要把源头技术构建在自主可控的平台上，成为国家可以借助和使用的力量，这是时代赋予我们的使命。”而“在人工智能如此蓬勃发展的今天，世界比以往任何时候都更需要在美国之外拥有人工智能的‘第二种选择’，中国也比以往任何时候都更需要在完全自主可控的平台上发展人工智能，才能真正把发展主动权握在自己手中！”

来源:https://www.163.com/dy/article/KNEMH9P00514R9P4.html

免责声明：游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

上一篇：《南方公园》故事冒险PS5版3月登场，体验沉浸式哥特风恶搞下一篇：QQ快速部署OpenClaw：3步完成客服机器人搭建