国内对美国开源项目的依赖程度不亚于“芯片”

国内的科技公司对国外一些开源项目的依赖，就像中兴对美国的芯片和元器件的依赖一样。以TensorFlow为例，这款由谷歌推出的第二代人工智能学习系统，一经推出就被各国科技公司采用。到2018年，这款开源机器学习基础架构TensorFlow的下载量已经超过了1000万次，遍布全球180国家和地区。

由于TensorFlow是通过将复杂的数据结构传输至人工智能神经网中，对数据进行分析和处理的，所以其可以应用到人工智能训练的大部分场景，例如语音识别、自然语言理解、计算机视觉等领域，提供相应的AI训练和AI服务，极大程度上提高开发效率。目前不仅初创企业在使用它，甚至包括阿里巴巴、腾讯、京东、小米、中兴等公司均有使用此架构。

而即便在相同功能的标准下，国内却几乎没有可以与美国相抗衡的自主开发的开源基础架构。在关键产品上，他们使用的大多是根据国外开源项目改进的架构。更直白说就是“汉化版”国外基础架构，且BAT巨头无一例外。

以腾讯的安全平台为例，其使用的就是TensorFlow架构。2017年年底，腾讯还曾经在挖掘TensorFlow API文档及源码时，发现了TensorFlow存在安全漏洞，并报告给谷歌建议其修复漏洞。另外，百度的DeepSpeech项目是一款开源的 Speech－To－Text 引擎，其基于百度深度语音机器学习技术训练论文，同时使用Google的TensorFlow架构来简化实现的。

图｜ 基于DeepSpeech的百小度

除此之外，阿里巴巴的PAI机器学习平台声称是阿里自研的机器学习平台，其也集成了TensorFlow深度学习框架。阿里巴巴机器学习产品团队还结合阿里自身大数据业务，以及大规模分布式计算的优势，对开源的TensorFlow进行了优化，并经过产品化封装后推出了TensorFlow on PAI ，为互联网用户提供云端数据服务。

值得一提的是，在众人眼中非常厉害的阿里巴巴云服务，也是在其他国家的基础架构上搭建而成的。比如阿里云数据库研发的AliSQL，就是基于MySOL改进而来的，目前应用于大众熟知的电商秒杀以及金融数据安全等场景。

不一样的痛暴露同样的问题

可以看到，如果这些境外开源项目对中国用户闭源，这对于国内很多科技企业来说是无法想象的灾难。

在互联网开发者的世界里，公司利益当然是一个重要的因素，很多巨头公司的基础架构并不开源，一旦开源，其可能失去巨大的优势。微软就曾经因不开源Windows而受到许多道德谴责。其实不仅是公司利益问题，一旦开源不同的修改版本在市面上泛滥，会带来更多安全问题，使得品牌受损。

其实在IT这个领域中，国界和意识形态的束缚远没有其他领域那么严重。这也使得，IT领域的工程师们在搞开发时并没有考虑如此多的基础架构依赖的问题。“开源是国际的。代码本身是跨国界的，分享和协作本身也是跨国界的。虽然国人软件开源，还是会被授予‘国人出品’的光环，但是无论是开源小码农还是大神都是‘扁平世界’最好的践行者。”某互联网企业产品经理曾说道。

但是，在国家利益上升为主要矛盾时，科技仍然有可能被作为攻击“武器”。从中兴事情来看，我们不仅要在芯片上“硬”起来，还要在互联网基础架构和操作系统方面形成自己的优势。中国不缺乏IT工作者，不缺乏有潜力的人才。如今遇到的问题与芯片的“痛点”相似，如何发挥我国的人才优势，如何为他们提供一个潜心研究，不害怕高机会成本的研发和工作环境。

图｜ 日本发那科fanuc高精度电火花刀具慢走丝线切割机床

除了互联网基础架构之外，我国在很多方面都有致命的“七寸”。例如在超高精度机床，这个和材料学并成为工业之母的领域，关乎到油气润滑系统、光学镜头、阻电机等各个方面，如今也是日本、德国和瑞士的天下，其中日本的设计水平更是领先世界一大截。

在工业机器人方面，如今智能制造带动人工智能与工业机器人更深入的结合。但是目前的工业机器人技术基本在日本手中。机器人四大家族：日本发那科、安川电机、瑞典ABB、德国库卡，前两个都是日本的公司。

目前有舆论主张用极端的方式反击美国，甚至有人建议断绝一切与美国的芯片交易，中国就能在困境中有大发展。其实，他们大大小觑了中美在高新科技领域的差距。无论如何，不管舆论情况如何倾斜，我们都应该客观的看待国家在科技各方面与老牌资本主义国家的差距。一味地“断绝关系”闭门造车是没有用的，一味地把“寻求超越”挂在口上是没有用的，正如我国著名军事专家张召忠将军所说“不要提什么超越，而是要努力缩小差距。”