近日，中美贸易谈判代表在英国伦敦举行，聚焦稀土出口管控，先进技术出口管制等问题。据称，双方谈判达成了弹性较大的框架协议，侧面说明并没有达到预期目的。这一局面折射出中美战略博弈的复杂性——而AI领域的竞争，正是这种博弈的典型缩影。
近年来，中国在AI应用落地、开源生态和成本优化方面取得显著突破，而美国则在基础研究、高端芯片和前沿模型开发上保持优势。随着技术差距的快速缩小，美国对华芯片管制、数据封锁等举措是否真能遏制中国AI崛起？中国能否凭借庞大的应用场景和举国体制实现弯道超车？
本文摘选多个智库观点，梳理国际AI局势，探讨中美AI竞争的可能走向。
一、AI发展的重新评估
现有AI技术主要以大语言模型（LLM）的形式呈现。部分AI技术和政策领域的相关人士认为LLM可能会在不久的将来扩展到通用人工智能（AGI）。也有观点认为AI想要到达AGI的水平仍然需要需要克服多种挑战。
美国企业研究院4月28日发布《一个拥有智能AI但尚未达到人类水平AI的世界》。文章指出，尽管全球AI技术进步显著，但实现真正媲美人类能力的AI系统可能仍需更长时间。根据预测平台Manifold数据显示，AI驱动美国GDP、生产率等关键经济指标突破的概率从年初的52%降至25%。这一调整反映了业界对AI发展速度的重新评估，表明技术突破可能比早期乐观估计更具挑战性。
图片来源：美国企业研究院
传统观点认为，AGI会随着语言模型的参数（神经网络中通过训练调整的数值，用于帮助模型从数据中学习模式）、训练数据和计算能力的持续规模扩大而自然涌现。
图片来源：兰德公司
兰德公司（RAND Corporation）最新报告《通往通用人工智能的多重路径》列举了质疑大型语言模型（LLM）能否通向AGI的多种理由。兰德的研究人员指出，这种“超规模化”存在根本缺陷：一是AI在回答错误时仍表现出高度确定性，类似“口若悬河但不可靠的专家”；二是模型更多依赖记忆而非逻辑，稍加改述的简单问题即可使其失效；三是高质量训练数据接近耗尽，算力需求带来的能源消耗也逼近可持续极限。报告建议，美国在AI竞赛中应采取多元化技术路线，结合类脑计算、物理增强神经网络等替代方案，而非仅押注LLM的规模扩张。
二、科技巨头的AI帝国
经济政策研究中心2025年5月16日发布《科技巨头的AI帝国》。文章指出，AI浪潮正重塑全球经济格局，而大型科技公司在AI供应链中的深度渗透，正引发业界对技术垄断、创新生态与安全风险的广泛讨论。
图片来源：CEPR
AI供应链涵盖硬件、云计算、训练数据、基础模型及应用层五大关键领域，而科技巨头在各环节均占据主导地位：
第一，云计算霸权：亚马逊AWS、微软Azure、谷歌云平台控制全球75%的基础设施即服务（IaaS）市场，高固定成本与网络效应形成天然壁垒。科技巨头通过高于市场水平的出口数据传输费及垂直整合服务生态，进一步巩固优势。
第二：数据资源垄断： Meta、谷歌、微软等企业依托社交平台、搜索引擎、办公软件等场景，积累海量用户数据。通过更新隐私政策扩大数据使用权，并收购数据密集型企业，构建专有数据壁垒。随着公共高质量数据枯竭，数据规模带来的“收益递增效应”将加剧垄断。
第三：基础模型军备竞赛：开发GPT-4、Gemini等大模型的成本已超1亿美元，将“中小玩家”拒之门外。更有企业涉足AI芯片研发与核燃料供应，实现从硬件到软件的全链条控制。
研究揭示“云-模型-数据”三角循环。大型科技公司通过垂直整合构建独特竞争优势：控制云计算资源→训练更优AI模型→模型生成数据反哺系统→吸引更多用户→强化数据与算力优势。这种高度集中的供应链结构正在制造多重危机：在经济与创新层面，少数企业主导可能抑制市场竞争，导致价格扭曲、创新同质化；在安全与稳定层面，供应链集中化增加故障发生频率与影响范围，数据与算力的集中使大型科技公司成为网络攻击“高危目标”，一旦遭袭可能引发金融市场波动等系统性风险。
文章还提出，当前AI监管面临多重挑战：供应链跨领域特性导致监管协调困难，技术迭代速度远超政策响应周期，全球法律框架差异阻碍国际合作。对此，文章向全球呼吁：一是数据治理：推动公共数据建设，规范企业数据使用权限，打破专有数据垄断；二是基础设施公平化：要求云服务商提供公共访问权限，降低中小企业算力成本；三是互操作性标准：制定跨平台模型接口规范，减少用户对单一生态的依赖；四是全球协作：建立跨国监管联盟，协调AI伦理标准与反垄断规则。
图片来源：央视新闻
三、中美智能竞赛正加速争夺先进AI
美国企业研究院4月24日发布《若超级智能竞赛终有胜者，美国将是赢家》。文章指出，当前全球AI竞赛呈现全新态势：美国在基础研究与前沿模型开发保持领先，中国则通过应用场景创新加速追赶。
图片来源：美国企业研究院
南加州大学法学教授张泰苏近期在《金融时报》撰文指出，中国正采取“差异化竞争”策略，在美国技术封锁下反而以更低成本构建自主AI生态。文中提到：“中国在AI硬件和软件领域仍落后于美国，且在可预见的未来可能维持这一状态。但这并未阻碍中国推进其AI议程，或许中国对保持‘第二’的位置感到满意。”对于“中国无意竞争”的论断，美国战略研究界仍持怀疑态度。文章认为当AI能够达到人类水平甚至成为超级智能时，其将会对各国的国家安全构成威胁。因此，中美都可能为此加快发展AI。
文章用两个例子作为佐证。首先是AI安全中心（CAIS）执行主任丹·亨德里克斯（Dan Hendrycks）、谷歌前CEO埃里克·施密特（Eric Emerson Schmidt）、Scale AI CEO汪滔（Alexandr Wang）共同发布的《超级智能战略》，该报告将先进AI定义为远超普通军事装备存在的“超级武器”。这一超级武器可能带来“次核优势”，即在不使用核武器的情况下快速摧毁他国关键基础设施，并颠覆当前的核平衡格局。这可能快速推进所有军事创新，让拥有者重塑世界事务，甚至催生极权政权。因此，对于他国迅速崛起的恐惧促使各国不仅希望依靠合作寻求超越对手，也将在这一窗口期来临之前采取预防性措施破坏其他国家的基础设施。
其次是在线预测平台Metaculus与战略预测公司Convergence Analysis联合发布的《2030临界点：AI经济未来推演》报告。该报告总结了2023年10月30 位专家对2030年前经济与技术里程碑的预测。其中一个场景描绘了这样的世界：率先掌握通用人工智能（AGI）的国家获得的不仅是一项工业技术，而是一个能够撬动经济与军事力量所有支柱的杠杆。
基于上述两种预设场景，报告从美国立场出发，认为中美在AI上竞赛必然会继续，而美国必须胜出。
四、中国的AI战略
近日新美国安全中心举办的“中美AI竞争的利害关系”活动引发关注。美国聚焦通用人工智能（AGI）的安全性与长期发展，而中国则更注重技术的大规模应用与经济整合。美国企业研究院5月8日发布的《聚焦应用而非通用人工智能：中国的人工智能战略》认为，这一差异可能重塑全球科技与地缘政治格局。
图片来源：Shutterstock
中国将AI视为推动经济转型的关键工具。面对新一代AI技术快速演进的新形势，中国要充分发挥新型举国体制优势，坚持自立自强，突出应用导向。政策层面，中国通过财税激励、政府采购及人才培养等措施加速技术落地，目标是将AI快速嵌入传统产业与新兴领域。
此外，中国积极谋求全球AI治理话语权，创新性地提出“AI可以是造福人类的国际公共产品。要广泛开展AI国际合作，帮助全球南方国家加强技术能力建设，为弥合全球智能鸿沟作出中国贡献”。
相比之下，美国政策界仍围绕AGI的伦理风险与长期监管展开辩论。尽管技术领先，但过度聚焦理论突破可能延缓实际应用。专家指出，美国若忽视规模化落地，或将在AI的经济与地缘政治影响力竞争中处于劣势。
中美差异反映了两国对AI本质的不同认知。中国将其视为生产力革命的催化剂，美国则更重视技术本身的伦理与监管。这种分化可能加剧全球科技体系的分裂，并重新定义21世纪的国家竞争力。分析人士呼吁美国决策者关注中国的务实战略，避免因过度监管而错失AI的即时经济价值。
五、美国需要AI新战略
美国创新基金会5月7日发布《赢得胜利的窗口正在关闭（上篇）：美国人工智能领导地位亟需“全栈扩散”战略》。文章提出，当前美国在AI领域仍保持全面领先，涵盖芯片设计、数据中心建设、软件工具、基础研究及前沿模型研发等关键环节。然而，这一优势正面临严峻挑战。
图片来源：美国创新基金会
中国企业在技术前沿快速突破，其研发的AI模型已可媲美美国顶尖产品，硬件层面通过国产芯片实现部分替代，应用层面更是将AI技术广泛部署于各类终端产品。为维持技术优势，美国实施的出口管制虽暂时限制了中国获取先进计算硬件的渠道，但长期来看，中国通过巨额资金投入和技术攻关，正加速推进半导体产业自主化进程，这一趋势或将改变现有竞争格局。
全球AI市场竞争的本质是技术扩散能力的较量。赢得市场主导地位的国家不仅能获得持续的经济收益用于技术迭代，更能掌握标准制定权和地缘政治影响力。中国通过“数字丝绸之路”等国家战略，系统性地推动技术出口和基础设施建设，已在多个科技领域实现后来居上。这种成功不仅源于资金支持，更依托于完整的政策体系，包括技术培训、外交协调和市场培育等配套措施。相比之下，美国的技术扩散体系呈现碎片化特征，各机构间缺乏协同，支持力度逊于中国。数据显示，过去十年美国官方支持的科技交易规模仅为中国的三分之一，在关键的新兴市场尤其明显。
当前正处于全球AI格局定型的关键期。文章认为，中国在AI芯片国产化上进展迅速，美国必须以政府层面的统一战略推动全栈技术全球扩散，否则将丧失领导地位。
面对这一形势，文章指出美国亟需构建系统化的“全栈扩散”战略。其核心包括：一是应当兼顾技术推广的广度与深度，既要推动数据中心等硬件设施的输出，也要确保美国AI模型和应用的全球部署；二是整合政府各部门资源，优化金融出口，特别是加强对软件等新兴领域的支持力度；三是利用先发优势和盟友合作（如联合诺基亚、爱立信），将新兴市场纳入美国AI生态，通过数据壁垒和网络效应巩固地位。值得强调的是，该战略与出口管制并非对立关系，二者可以通过阶梯式激励机制相结合，在保障核心技术安全的前提下扩大市场影响。
·END·
编译：黄晶
编辑：邵正棋
编撰：同济大学国家创新发展研究院
监制：同济大学政治与国际关系学院、同济大学外国语学院
监审：同济大学网络空间国际治理研究基地