中國如何突圍美國科技霸權？

無論貿易戰結局如何，從美國的高科技圍堵中尋求突圍，乃至實現反超，都已經成為擺在中國面前的緊迫任務。從中國現在對美國高新科技產品的需求來看，肯定還是芯片的需求最為突出。

雖然中美貿易戰仍然存在很大變數，但可以肯定的一點是，對中國高新科技產業加強圍堵遏制、打壓「中國製造2025」，已成為特朗普對華政策主軸之一，而且將在今後相當長時間內影響中美關係。

就在6月15日白宮宣布對從中國進口的約500億美元商品加徵25%關稅的同時，美國政府還在醞釀實施限制中國學生和研究人員赴美簽證新措施，主要是機器人、航空和高科技製造等領域人才，而這些行業正是「中國製造2025」計劃中的重要行業。美國一系列動作的共同目的，都是為了對中國進行技術封鎖，維護美國的科技霸權地位。

發展製造業物聯網芯片

無論貿易戰結局如何，從美國的高科技圍堵中尋求突圍，乃至實現反超，都已經成為擺在中國面前的緊迫任務。清華大學軟件學院副教授鄧仰東指出，從中國現在對美國高新科技產品的需求來看，肯定還是芯片的需求最為突出，比如CPU、GPU、存儲器芯片、各種基礎射頻和模擬芯片等等。這是美國此次拿芯片下手的原因。但是，中國要想全面突破勢必分散資源，還是需要挑選適當領域，特別是新出現的、美國還沒有主宰優勢的領域，例如機器學習芯片，在這些領域形成中國的優勢，讓美國也離不開咱們。

鄧仰東表示，從反超角度看，反而是製造業物聯網相關芯片最為可能。原因很簡單，中國製造業規模世界第一，而且普遍存在效率低下的問題，亟需通過數字化轉型提升效率。這些芯片包括傳感器芯片、網絡接口芯片、工藝控制和邊緣計算芯片，部署規模大、成本較低，而且生態可以自行主導。

作為中美貿易紛爭中最具標誌意義的事件之一，中興事件敲響了中國芯片自主研發的警鐘，所引發的關注已遠遠超出業內本身。雖然特朗普放鬆了對中興的處罰，但6月18日卻被美國參議院反轉，恢復了對中興的禁令。

鄧仰東指出，美國制裁中興是把雙刃劍，中興的體量比較合適，對美國而言可以損失最小而利益最大化。中興事件讓中國國內對加強國產芯片的研發形成了高度共識。從2013年起，中國每年購買集成電路要消耗掉2,000多億美元外匯，超過石油等大宗商品類別，是第一大進口商品。

此前中國並非沒有集成電路設計開發的成功案例。展訊就做出了3G芯片，一改此前每生產一部手機，就要向高通繳納高額專利費的情況。但中興所面臨的問題在於，這一次制裁涉及的不是一種芯片，而是從CPU芯片到圖形處理器芯片，這並非一個公司突破一個產品就可以解決的，是需要長期技術積累的系統工程。鄧仰東稱：「CPU很多人都能造，雖然比不上英特爾，但即使造出能用的產品還是沒人用。因為光有芯片不行，上面還有操作系統、驅動、各種附加的程序才能跑起來，產業鏈做不大，生態就做不起來。」

搭建芯片研發「大社區」

目前世界最新的芯片製造工藝掌握在美國和台灣企業手中，分成兩大流派。第一大流派目前只剩下英特爾一家，其模式是自己設計集成電路，同時也擁有自己的集成電路生產線，因此電路和工業可以協同優化，從上世紀70年代到現在，始終處於世界領先；另一流派以台積電為代表，即代工模式，以通用工藝滿足各種芯片的製造。

鄧仰東指出，集成電路有代別，採用納米級來描述工藝，英特爾最新是7納米，而國內最好的中芯國際要落後一到兩代，需要買專利才能做出來，即使設計水平一樣仍然會因為工藝代差導致性能差距。芯片製造已形成全球化分工，其最核心的工藝在於光刻機（stepper），目前是荷蘭的AMSL一家獨大的局面。

鄧仰東指出，國內芯片行業也取得過突破，如「龍芯」已經具備一定實用性。不過多數用戶仍習慣使用「英特爾+微軟」，用「龍芯+Linux」支持的軟件很少，用戶體驗會比較差。軟件開發投入巨大，如果不能兼容現有軟件，則生態不容易形成，無法實現良性循環，相應產業就做不大。

美國NVIDIA公司從2008年起以類似「拉群」的方式建生態，不僅造芯片，也有相應的驅動、軟件、函數庫、開發框架和各種應用，形成一個「大社區」。中國下決心要大力發展芯片可以藉鑑這一思路。

繼阿里巴巴、騰訊之後，格力電器近日宣布將投入芯片研發。鄧仰東認為，明年起還會有更多投入芯片研發領域的企業。芯片研發需要「三四十年磨一劍」，需要持續投入，不斷研發更新換代。國外公司的延續性比較好，人才的獎勵和保障機制也比較完善，因此能夠保持高質量團隊，特別是很多五六十歲的工程師，幾乎經歷了CPU所有的發展階段，擁有豐富的經驗，這些人是美國高技術產業最寶貴的財富。中國底層研發人員非常辛苦，且待遇偏低，難以留住人才，保持研發隊伍的穩定性和延續性是不可忽視的問題。

人工智能是未來較量重點

目前，人工智能（AI）在全世界方興未艾，各國都將此作為搶佔未來高科技制高點的重點領域，因此未來中美的AI較量也在所難免。

2000年前後，計算能力提高，法國科學家Yann LeCun構造了著名的人工神經識別網絡LeNet，能夠準確識別支票，讓人工智能第一次進入了人們的生活。隨後，斯坦福大學研究團隊通過給幾百萬張圖片打上準確標籖的方式，組織了多次圖像識別比賽，推進了針對圖像識別的人工智能技術。2012年，斯坦福大學建立的深度網絡將機器圖片識別的錯誤率從過去20-30%降低到12%，2015年微軟將這一數字又降低到3.8%，超越了5%的人工識別錯誤率。這是人工智能第一次超越了人類。

AlphaGo打敗人類圍棋大師，點燃了大眾對人工智能的熱情。鄧仰東表示，目前應用最多的是視頻識別，比如交通領域對車牌的自動識別已經很成熟，其次是人臉識別，國內科大訊飛的語音也是比較成功的案例。很多人開始相信人工智能能解決任何問題，很快會超越人類。但在鄧仰東看來，即使是AlphaGo，所要解決的還是高度確定的事件，而人類生活環境有很多不確定性、不可預期的情況發生，這是人工智能處理不了的。譬如他正在進行的高鐵列車數據分析，就必須結合軌道交通領域的專業知識，才可能把數據變成有價值的東西。

鄧仰東認為，中國的AI發展水平與美國相比，差距是存在的，主要在於原創性的成果比美國少、領軍人物不如美國多、知識產權保護不如美國。但另一方面，中國社會數字化程度不亞於美國，數字經濟極為發達，因此數據樣本比美國多，在某些領域的應用技術強於美國。但中國數據隱私相關立法遠不完備，容易造成兩個極端，一是數據濫用，二是數據不能用或不敢用，長遠也不利於中國AI技術發展。

知己知彼，百戰不殆。中國要突破美國的高科技圍堵，必須正視美國在科研方面的諸多先進理念和做法。鄧仰東指出，美國科研項目管理比較多「小而美」，而中國強調「集中力量辦大事」。比如美國國防部先進研究署，雖然是贊助科技研究強度最大的機構，仍然較多以小項目為主，強調創新，失敗了代價也不大。同時，科研管理部門的項目經理學歷較高，能夠深入跟蹤科技人員動態，管理比較細緻。在前瞻性研究上，美國方式有其合理性。

其次，美國學校、企業分工明確，學校負責創新，企業面對市場負責產業化實施，前期產業化往往通過創投公司實習。此外，美國知識產權保護高度健全，專利法官職業素養和專業視野較好，能夠對專利案件做出高水平評判。這些都值得中國借鑒參考。

原刊於《東方財經雜誌》微信公眾號平台，本社獲授權發表。