中国高科技产业发展至今，呈现出反差强烈的两幅画面：
一幅画面是繁荣与蓬勃。“嫦娥四号”实现人类首次月背软着陆，5G商用牌照率先发放，全球*异构融合类脑计算芯片发布，人脸识别广泛运用在零售等生活场景……这些都是中国科技产业崛起的证据。
而另一幅画面却是挣扎。2018年，美国商务部发布公告称，将在未来7年内禁止中兴通讯向美国企业购买敏感产品。最后，中兴通讯向美国支付4亿美元保证金以换取禁令解除。
这是中国科技产业充满隐忧的一面——在上游关键技术上被外国“卡脖子”。一旦上游断供，处于产业链下游的中国科技产业，其发展就会受到极大的影响。
中国必须掌握核心技术，必须进军产业链上游，没有退路。
不惜代价“死磕”上游技术，是一种值得鼓励的精神，但还有一种方法，是*限度地利用自身在下游的优势，向上游做柔性的延伸。在人工智能时代，这或许是中国科技产业崛起的“另类”方式，却又暗合着产业发展的铁律。
历史不会重复，但会押韵。
“含光800”的逆袭
芯片被称为“科技巨人头上的皇冠”，是产业链上游核心技术的代名词。
2018年的“中兴事件”，让中国人体会到了“缺芯之痛”。但仅仅过去一年时间，阿里巴巴达摩院便用“中国速度”造出了一颗号称“全球最强”的AI芯片——含光800。
达摩院2017年才成立，2018年才设立专注于自研芯片开发的全资子公司，2019年就造出了*颗自研芯片含光800，这样的速度令世人惊叹。
含光800是一款AI推理芯片，主要用于云端视觉处理。据了解，在人工智能视觉场景中，含光800能够提供全球最强的算力：在业界标准的ResNet-50测试中，含光800推理性能达到78563 IPS，比目前业界*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，一家从电商平台业务发展起来的公司，为什么短短几年内能够在某个芯片设计垂直领域实现飞跃性的突破，站在世界之巅？
答案有两个：一是阿里巴巴拥有大量的数据，二是自身业务深深植根于海量的真实需求。
含光800是AI推理芯片，AI推理离不开AI的训练，而AI训练需要大数据。大数据从哪里来？从阿里巴巴自身的业务中来。
一方面，线上的淘宝、天猫，线下的盒马鲜生以及“城市大脑”，无一不与图像处理相关。阿里巴巴仅仅在日常运作中，每天就需要处理数十亿帧图像，这些图像就是宝贵的数据，使得阿里巴巴所训练的机器学习软件既准确又强大。
另一方面，这些生成大量数据的日常业务——不管是淘宝、盒马，还是帮助解决交通拥堵问题的城市大脑——都是运用图像处理能力的具体场景。这些业务是*的试验田：就像是在田野中收割了果实后，又把种子撒到土里，再舒枝展叶结出新的果实。
从阿里巴巴集团的层面看，含光800之所以能成功，是因为它转化了阿里巴巴所拥有的整条产业链的资源。目光从阿里巴巴单单一家企业移开，放眼全中国，我们就会惊喜地发现：大量的数据和丰富的应用场景，其实是中国科技产业所共同享有的“福利”。
含光800证明了中国科技产业崛起另一条路径：根据具体的业务需要，把产业链下游的草根应用优势，转化为产业链上游的顶层设计优势，用柔性延伸而非直接进攻的方式，渗透进产业链价值最高的环节。
“世界工厂”的真实含义
“自下而上”的柔性发展道路是否可行，早已被中国制造业的发展历程所确证。
受益于20世纪80年代的第三次国际产业转移浪潮，中国从产业链下游的零部件生产和组装起步，逐渐发展成为“世界工厂”。
“世界工厂”的名号，貌似恭维，实为讽刺：中国虽然有很强的制造能力，但却被国际资本死死压在利润最微薄的制造环节，中国制造也因此常被诟病为“缺乏核心能力”。
批评者未能意识到的是：单单把组装和集成做到*，其实已经是一种核心能力，在制造环节中，中国积累了大量的经验。中国的代工厂最清楚，什么产品该用什么样的零部件，什么零部件该用什么样的方式生产，才能最为合理和高效。这就带动了零部件的持续国产化，向产业链上游不断迈进。
零部件的国产化，从低端零部件起步，向高端零部件渗透，当全产业链实现国产化，制造企业就会开始提升生产过程中的科技含量。这就是自下而上，根据自身的需要，一步步渗透产业链上游，进而掌握全产业链的路径。
以家电行业为例，早期家电生产从引进国外的低端生产线开始，技术上以模仿为主，缺乏自主品牌，主要依靠代工生存。如今，中国家电已经掌控了几乎所有的核心零部件生产，实现了全产业链的国产化。
掌握了全产业链之后，家电厂商就会利用高科技进一步强化生产能力。这就是为什么格力在发展机器人和智能装备，美的要收购库卡机器人。这就是中国“自下而上”的磅礴伟力。
但为什么其他发展中国家没有像中国一样，从产业下游向上游自然发展？
这是因为，对于地狭人寡的小国而言，集成组装的价值已经足够丰厚，企业既没有能力也没有必要去垂直整合产业链的上游，因为狭小的国内市场无法积聚足够的资源支持这些企业升级扩张。
而中国的特殊性正是在于“大”：一是庞大的人口规模，二是海量的自然资源，三是巨大的市场空间。
在各国之间需要依靠优势互补才能分工完成的工作，却能够在中国这一片土地上全部完成，而且还能够形成闭环：中国庞大的适龄劳动人口基数，既能提供大量的廉价劳动力，又能带来需求巨大的多层次市场，市场的需求和反馈还能给生产企业指引方向，并支持它们做大做强，在海外市场攻城略地。
含光800成为“全球算力最强”AI芯片背后的深层次逻辑，其实也植根于此。
海量数据的磅礴伟力
含光800的研发过程中，阿里巴巴丰富的业务带来了巨大的数据量，这些业务同时又能成为含光800发挥具体作用的场景。
在2019年的云栖大会现场，阿里巴巴展示了含光800在智慧交通方面的应用：过去城市大脑实时处理交通视频，需要40颗传统 GPU，延时为300ms，而使用含光800仅需4颗，延时为150ms；再以淘宝的功能“拍立淘”为例，拍立淘商品库每天新增10亿幅商品图片，使用传统GPU算力识别需要1小时，使用含光800后可缩减至5分钟。
虽然含光800在ResNet-50测试获得*，但含光800基于台积电12nm工艺生产，尺寸比参加同一测试的其他竞品都要大，如果抛开这项要素，单纯对比性能，显然有失公允。而且，ResNet-50只是MLPerf的一组适用于图像分类任务的基准测试，含光800在其他方面的表现如何还尚未可知。
但不可否认的是，阿里巴巴用这样“倒推”的思路，造出了一块让国内外厂商都惊叹的芯片。
“自下而上”的柔性发展，隐隐然已是中国科技产业在人工智能时代的另一条崛起道路。
云天励飞副总裁兼芯片产品线负责人李爱军告诉亿欧，人工智能的上下游可以按“算法训练及设计”、“算法应用及落地”两大部分来划分。人工智能起源于美国，因此美国公司在技术研发上，平均*中国同行半年到一年，但人工智能技术毕竟要应用于市场，中国具有庞大的市场优势和海量的数据优势，能够让算法快速迭代，从而弥补技术上的代差。
“人工智能是服务人的，因此人口优势会很关键。”李爱军说。
“中国的优势可以总结为数据优势。”邢练军认为，数据量大，而且对数据的控制不至于过于严格，是中国人工智能发展的一大优势。
邢练军是智慧城市，安防和人工智能行业多年从业者，曾在华为、易华录、比特大陆担任高管。
快商通首席科学家李海洲院士也有相似的观点，他说：“人工智能需要与深度学习和大数据紧密结合，中国在数据资源这方面的优势毋庸置疑。中国有近14亿的人口，仅是日常生活场景就能产生比全球其他国家更丰富的数据，这让深度学习的效益能够发挥到*。”
根据2019年IDC与希捷联合发布的报告《数字化世界——从边缘到核心》，中国的数据量在未来7年中的年平均增速将达到30%，是全球数据量增长速度最快的区域；到2025年，中国将拥有全球*的数据量。
多年以来，世人的成见是：中国善于“用”技术，却不善于从0到1的科技创新，因此中国科技只能在下游应用领域繁荣发展，却在上游研发领域鲜有建树。
如今，巨大的下游市场所产生和积累的数据，正在成为中国科技产业在人工智能时代的有力武器，帮助中国科技产业再一次攀向世界之巅。
