中國高科技產業發展至今，呈現出反差強烈的兩幅畫面：
一幅畫面是繁榮與蓬勃。“嫦娥四號”實現人類首次月背軟著陸，5G商用牌照率先發放，全球首款異構融合類腦計算芯片發布，人臉識別廣泛運用在零售等生活場景……這些都是中國科技產業崛起的證據。
而另一幅畫面卻是掙扎。2018年，美國商務部發布公告稱，將在未來7年內禁止中興通訊向美國企業購買敏感產品。最后，中興通訊向美國支付4億美元保證金以換取禁令解除。
這是中國科技產業充滿隱憂的一面——在上游關鍵技術上被外國“卡脖子”。一旦上游斷供，處于產業鏈下游的中國科技產業，其發展就會受到極大的影響。
中國必須掌握核心技術，必須進軍產業鏈上游，沒有退路。
不惜代價“死磕”上游技術，是一種值得鼓勵的精神，但還有一種方法，是最大限度地利用自身在下游的優勢，向上游做柔性的延伸。在人工智能時代，這或許是中國科技產業崛起的“另類”方式，卻又暗合著產業發展的鐵律。
歷史不會重復，但會押韻。
“含光800”的逆襲
芯片被稱為“科技巨人頭上的皇冠”，是產業鏈上游核心技術的代名詞。
2018年的“中興事件”，讓中國人體會到了“缺芯之痛”。但僅僅過去一年時間，阿里巴巴達摩院便用“中國速度”造出了一顆號稱“全球最強”的AI芯片——含光800。
達摩院2017年才成立，2018年才設立專注于自研芯片開發的全資子公司，2019年就造出了第一顆自研芯片含光800，這樣的速度令世人驚嘆。
含光800是一款AI推理芯片，主要用于云端視覺處理。據了解，在人工智能視覺場景中，含光800能夠提供全球最強的算力：在業界標準的ResNet-50測試中，含光800推理性能達到78563 IPS，比目前業界最好的AI芯片性能高4倍；能效比500 IPS/W，是第二名的3.3倍。
阿里巴巴，一家從電商平臺業務發展起來的公司，為什么短短幾年內能夠在某個芯片設計垂直領域實現飛躍性的突破，站在世界之巔？
答案有兩個：一是阿里巴巴擁有大量的數據，二是自身業務深深植根于海量的真實需求。
含光800是AI推理芯片，AI推理離不開AI的訓練，而AI訓練需要大數據。大數據從哪里來？從阿里巴巴自身的業務中來。
一方面，線上的淘寶、天貓，線下的盒馬鮮生以及“城市大腦”，無一不與圖像處理相關。阿里巴巴僅僅在日常運作中，每天就需要處理數十億幀圖像，這些圖像就是寶貴的數據，使得阿里巴巴所訓練的機器學習軟件既準確又強大。
另一方面，這些生成大量數據的日常業務——不管是淘寶、盒馬，還是幫助解決交通擁堵問題的城市大腦——都是運用圖像處理能力的具體場景。這些業務是最好的試驗田：就像是在田野中收割了果實后，又把種子撒到土里，再舒枝展葉結出新的果實。
從阿里巴巴集團的層面看，含光800之所以能成功，是因為它轉化了阿里巴巴所擁有的整條產業鏈的資源。目光從阿里巴巴單單一家企業移開，放眼全中國，我們就會驚喜地發現：大量的數據和豐富的應用場景，其實是中國科技產業所共同享有的“福利”。
含光800證明了中國科技產業崛起另一條路徑：根據具體的業務需要，把產業鏈下游的草根應用優勢，轉化為產業鏈上游的頂層設計優勢，用柔性延伸而非直接進攻的方式，滲透進產業鏈價值最高的環節。
“世界工廠”的真實含義
“自下而上”的柔性發展道路是否可行，早已被中國制造業的發展歷程所確證。
受益于20世紀80年代的第三次國際產業轉移浪潮，中國從產業鏈下游的零部件生產和組裝起步，逐漸發展成為“世界工廠”。
“世界工廠”的名號，貌似恭維，實為諷刺：中國雖然有很強的制造能力，但卻被國際資本死死壓在利潤最微薄的制造環節，中國制造也因此常被詬病為“缺乏核心能力”。
批評者未能意識到的是：單單把組裝和集成做到極致，其實已經是一種核心能力，在制造環節中，中國積累了大量的經驗。中國的代工廠最清楚，什么產品該用什么樣的零部件，什么零部件該用什么樣的方式生產，才能最為合理和高效。這就帶動了零部件的持續國產化，向產業鏈上游不斷邁進。
零部件的國產化，從低端零部件起步，向高端零部件滲透，當全產業鏈實現國產化，制造企業就會開始提升生產過程中的科技含量。這就是自下而上，根據自身的需要，一步步滲透產業鏈上游，進而掌握全產業鏈的路徑。
以家電行業為例，早期家電生產從引進國外的低端生產線開始，技術上以模仿為主，缺乏自主品牌，主要依靠代工生存。如今，中國家電已經掌控了幾乎所有的核心零部件生產，實現了全產業鏈的國產化。
掌握了全產業鏈之后，家電廠商就會利用高科技進一步強化生產能力。這就是為什么格力在發展機器人和智能裝備，美的要收購庫卡機器人。這就是中國“自下而上”的磅礴偉力。
但為什么其他發展中國家沒有像中國一樣，從產業下游向上游自然發展？
這是因為，對于地狹人寡的小國而言，集成組裝的價值已經足夠豐厚，企業既沒有能力也沒有必要去垂直整合產業鏈的上游，因為狹小的國內市場無法積聚足夠的資源支持這些企業升級擴張。
而中國的特殊性正是在于“大”：一是龐大的人口規模，二是海量的自然資源，三是巨大的市場空間。
在各國之間需要依靠優勢互補才能分工完成的工作，卻能夠在中國這一片土地上全部完成，而且還能夠形成閉環：中國龐大的適齡勞動人口基數，既能提供大量的廉價勞動力，又能帶來需求巨大的多層次市場，市場的需求和反饋還能給生產企業指引方向，并支持它們做大做強，在海外市場攻城略地。
含光800成為“全球算力最強”AI芯片背后的深層次邏輯，其實也植根于此。
海量數據的磅礴偉力
含光800的研發過程中，阿里巴巴豐富的業務帶來了巨大的數據量，這些業務同時又能成為含光800發揮具體作用的場景。
在2019年的云棲大會現場，阿里巴巴展示了含光800在智慧交通方面的應用：過去城市大腦實時處理交通視頻，需要40顆傳統 GPU，延時為300ms，而使用含光800僅需4顆，延時為150ms；再以淘寶的功能“拍立淘”為例，拍立淘商品庫每天新增10億幅商品圖片，使用傳統GPU算力識別需要1小時，使用含光800后可縮減至5分鐘。
雖然含光800在ResNet-50測試獲得第一，但含光800基于臺積電12nm工藝生產，尺寸比參加同一測試的其他競品都要大，如果拋開這項要素，單純對比性能，顯然有失公允。而且，ResNet-50只是MLPerf的一組適用于圖像分類任務的基準測試，含光800在其他方面的表現如何還尚未可知。
但不可否認的是，阿里巴巴用這樣“倒推”的思路，造出了一塊讓國內外廠商都驚嘆的芯片。
“自下而上”的柔性發展，隱隱然已是中國科技產業在人工智能時代的另一條崛起道路。
云天勵飛副總裁兼芯片產品線負責人李愛軍告訴億歐，人工智能的上下游可以按“算法訓練及設計”、“算法應用及落地”兩大部分來劃分。人工智能起源于美國，因此美國公司在技術研發上，平均領先中國同行半年到一年，但人工智能技術畢竟要應用于市場，中國具有龐大的市場優勢和海量的數據優勢，能夠讓算法快速迭代，從而彌補技術上的代差。
“人工智能是服務人的，因此人口優勢會很關鍵。”李愛軍說。
“中國的優勢可以總結為數據優勢。”邢練軍認為，數據量大，而且對數據的控制不至于過于嚴格，是中國人工智能發展的一大優勢。
邢練軍是智慧城市，安防和人工智能行業多年從業者，曾在華為、易華錄、比特大陸擔任高管。
快商通首席科學家李海洲院士也有相似的觀點，他說：“人工智能需要與深度學習和大數據緊密結合，中國在數據資源這方面的優勢毋庸置疑。中國有近14億的人口，僅是日常生活場景就能產生比全球其他國家更豐富的數據，這讓深度學習的效益能夠發揮到最大。”
根據2019年IDC與希捷聯合發布的報告《數字化世界——從邊緣到核心》，中國的數據量在未來7年中的年平均增速將達到30%，是全球數據量增長速度最快的區域；到2025年，中國將擁有全球最大的數據量。
多年以來，世人的成見是：中國善于“用”技術，卻不善于從0到1的科技創新，因此中國科技只能在下游應用領域繁榮發展，卻在上游研發領域鮮有建樹。
如今，巨大的下游市場所產生和積累的數據，正在成為中國科技產業在人工智能時代的有力武器，幫助中國科技產業再一次攀向世界之巔。
溫馨提示：內容僅供信息傳播，供參考.
來源：億歐
賽絲智能家居 
詢問賽絲
