人工智能技術(shù)在全球范圍內(nèi)呈現(xiàn)出爆發(fā)式增長(zhǎng)，其應(yīng)用已滲透到智能制造、智慧城市、自動(dòng)駕駛、醫(yī)療診斷等眾多領(lǐng)域，深刻改變了社會(huì)生產(chǎn)與生活方式。在這片繁榮景象之下，一個(gè)嚴(yán)峻的挑戰(zhàn)日益凸顯：核心算法的原創(chuàng)性不足與關(guān)鍵依賴(lài)，正成為制約我國(guó)乃至全球人工智能長(zhǎng)遠(yuǎn)、健康、自主發(fā)展的“卡脖子”問(wèn)題。

所謂“卡脖子”，是指在關(guān)鍵技術(shù)和核心環(huán)節(jié)上受制于人，一旦外部供應(yīng)或合作出現(xiàn)變數(shù)，整個(gè)產(chǎn)業(yè)鏈或技術(shù)體系將面臨停滯甚至倒退的風(fēng)險(xiǎn)。在人工智能領(lǐng)域，這一窘境集中體現(xiàn)在基礎(chǔ)算法與底層框架上。當(dāng)前，全球人工智能研究與開(kāi)發(fā)高度依賴(lài)于少數(shù)幾種主流算法模型（如深度學(xué)習(xí)領(lǐng)域的Transformer架構(gòu)、卷積神經(jīng)網(wǎng)絡(luò)CNN等）和少數(shù)幾家科技巨頭開(kāi)源的基礎(chǔ)框架（如TensorFlow、PyTorch）。雖然這些開(kāi)放資源極大地降低了技術(shù)門(mén)檻，推動(dòng)了應(yīng)用的快速普及，但也導(dǎo)致了技術(shù)生態(tài)的集中化和同質(zhì)化。許多應(yīng)用層面的創(chuàng)新，實(shí)質(zhì)上是建立在他人所奠定的、可能并不完全透明的算法基石之上。

更深層次的“缺位”體現(xiàn)在原創(chuàng)性基礎(chǔ)理論的突破不足。人工智能歷經(jīng)數(shù)次浪潮，其飛躍往往源于數(shù)學(xué)、統(tǒng)計(jì)學(xué)、腦科學(xué)等基礎(chǔ)學(xué)科的范式創(chuàng)新。例如，深度學(xué)習(xí)的復(fù)興離不開(kāi)反向傳播算法、大規(guī)模數(shù)據(jù)與算力的結(jié)合。在諸如無(wú)監(jiān)督學(xué)習(xí)、小樣本學(xué)習(xí)、可解釋AI、通用人工智能（AGI）等前沿方向，我們?nèi)匀蝗狈θ缤疃葘W(xué)習(xí)那樣具有顛覆性的、公認(rèn)的原創(chuàng)核心算法。這導(dǎo)致技術(shù)進(jìn)步在一定程度上陷入“堆疊數(shù)據(jù)與算力”的邊際效益遞減困境，難以應(yīng)對(duì)更復(fù)雜、動(dòng)態(tài)、高可靠的現(xiàn)實(shí)場(chǎng)景需求。

對(duì)于人工智能應(yīng)用而言，核心算法的缺位帶來(lái)了多重風(fēng)險(xiǎn)與限制。是技術(shù)安全與可控性風(fēng)險(xiǎn)。依賴(lài)外部核心算法，意味著對(duì)其中可能存在的“后門(mén)”、偏見(jiàn)或漏洞難以進(jìn)行根本性的審查與修正，在國(guó)防、金融、關(guān)鍵基礎(chǔ)設(shè)施等敏感領(lǐng)域的應(yīng)用中埋下隱患。抑制了差異化競(jìng)爭(zhēng)優(yōu)勢(shì)。當(dāng)眾多企業(yè)基于相似的底層技術(shù)進(jìn)行開(kāi)發(fā)，產(chǎn)品和服務(wù)容易陷入同質(zhì)化競(jìng)爭(zhēng)，難以形成基于獨(dú)有核心技術(shù)的護(hù)城河。制約了向高端價(jià)值鏈攀升。缺乏核心算法的主導(dǎo)權(quán)，往往只能在應(yīng)用集成、商業(yè)模式層面進(jìn)行創(chuàng)新，而在決定未來(lái)產(chǎn)業(yè)格局的基礎(chǔ)軟件、算法平臺(tái)、標(biāo)準(zhǔn)制定等方面話語(yǔ)權(quán)薄弱。

突破“卡脖子”窘境，需要多方協(xié)同、長(zhǎng)期投入的戰(zhàn)略定力。一是要強(qiáng)化基礎(chǔ)研究，鼓勵(lì)科研機(jī)構(gòu)與高校勇于探索“無(wú)人區(qū)”，加大對(duì)數(shù)學(xué)、計(jì)算理論、腦科學(xué)與人工智能交叉學(xué)科的支持，力爭(zhēng)在算法原理上取得原創(chuàng)突破。二是要構(gòu)建自主可控的技術(shù)生態(tài)，支持開(kāi)發(fā)并推廣國(guó)產(chǎn)主流AI框架，并圍繞其建立健康的軟件工具鏈、開(kāi)發(fā)者社區(qū)和硬件適配體系。三是要推動(dòng)產(chǎn)學(xué)研用深度融合，鼓勵(lì)企業(yè)，尤其是大型科技企業(yè)與領(lǐng)軍企業(yè)，加大底層研發(fā)投入，將真實(shí)場(chǎng)景中的復(fù)雜問(wèn)題反饋至基礎(chǔ)研究，形成從理論到應(yīng)用再到理論的良性循環(huán)。四是要加強(qiáng)開(kāi)放合作與人才培育，在自主創(chuàng)新的基礎(chǔ)上，積極參與全球人工智能治理與標(biāo)準(zhǔn)制定，同時(shí)培養(yǎng)兼具深厚理論功底和工程實(shí)踐能力的復(fù)合型人才。

人工智能應(yīng)用的遍地開(kāi)花不能掩蓋基礎(chǔ)算法領(lǐng)域面臨的挑戰(zhàn)。只有正視并著力解決核心算法“缺位”這一根本問(wèn)題，夯實(shí)技術(shù)發(fā)展的地基，才能確保人工智能浪潮行穩(wěn)致遠(yuǎn)，真正賦能千行百業(yè)的智能化轉(zhuǎn)型，并在全球科技競(jìng)爭(zhēng)中掌握主動(dòng)權(quán)。