如何保持美国在“人工智能创新”领域的领导地位

尽管美国前沿实验室仍在发布世界上最先进、能力最强的模型，但近期报告表明，曾经具有决定性优势的差距正在持续缩小。面对这种局面，美国必须评估当前的发展路径，并采取果断措施，解决国家创新生态系统中正在出现的各种热点问题和裂痕。 为此，大西洋理事会技术项目高级总监苔丝·德布朗-诺尔斯Tess deBlanc-Knowles和该理事会地缘技术中心（GeoTech Center）项目助理瑞安·潘Ryan Pan 周一6月1日在《大西洋理事会网站》发文, 列举各种热点问题，并提供相应建议：

美国在人工智能创新领域的领导地位，塑造了这项技术的发展轨迹。尽管近年来人工智能能力的加速提升发生在越来越短的时间跨度内，但支撑这一发展的基础却是在数十年时间里逐步建立起来的——这一基础得益于联邦政府对基础研究的长期投资、吸引全球最优秀人才赴美追求创新理念的世界领先学术体系，以及充满活力的私营部门环境，后者为新思想提供资金支持并开辟走向市场的路径。

世界其他国家注意到了这一点。竞争对手和盟友都以美国的优势为蓝本制定国家人工智能战略。尤其是中国，已经推行了一系列结构化国家规划，旨在实现人工智能创新和应用领域的全球领导地位。其成果十分显著。中国大学如今已跻身世界顶尖学府之列，中国在人工智能领域的学术发表数量激增，同时形成了充满活力的人工智能初创企业生态系统。2025年，中国进一步调整其战略，押注开源人工智能，并将人工智能整合作为优先事项。根据开放路由平台的使用数据，在2025年期间，中国开源模型在全球人工智能使用量中的占比从2024年底的1.2%增长至30%。根据全球最受欢迎的开源人工智能开发平台“拥抱脸”发布的分析，在2025年期间，来自中国的开源模型无论在月度下载量还是总下载量方面都超过了美国模型，并迅速占据该平台下载量中的最大份额。

尽管美国前沿实验室仍在发布世界上最先进、能力最强的模型，但近期报告表明，曾经具有决定性优势的差距正在持续缩小。面对这种局面，美国必须评估当前的发展路径，并采取果断措施，解决国家创新生态系统中正在出现的各种热点问题和裂痕。

热点问题

学术基础的削弱

长期以来，美国的创新能力一直依赖于其学术体系所孕育的思想和人才源泉，而这一体系的强大则建立在联邦政府持续支持研究和教育计划的基础之上。如果没有美国高级研究计划局（如今的国防高级研究计划局）以及美国国家科学基金会在一个规模有限的科学共同体中资助互联网的诞生，并最终推动其商业化进入公众领域，信息时代根本不会出现。支撑当今人工智能模型惊人能力的深度学习和强化学习技术，同样诞生于联邦资助的学术实验室。然而，近年来，在人工智能未来发展中的作用方面，学术界已被私营部门所掩盖。与此同时，尽管人工智能的重要性不断提升，过去四年间联邦政府对人工智能研究与开发的资助却基本停滞在每年约33亿美元的水平。出现这种停滞的背景是，美国曾试图通过《2022年芯片与科学法案》等举措，加强对人工智能等具有战略意义技术领域的研究、开发和教育支持。但自该法案通过以来，美国国家科学基金会、能源部以及国家标准与技术研究院等机构实际获得的拨款远低于法案授权的水平。

学术界人工智能研究资金有限，导致人工智能创新和学术研究所必需的技术资源出现短缺，其中最重要的是获得先进计算资源的能力。这造成了一个不断扩大的差距：一方面是能够获得推动人工智能前沿创新所需算力资源的私营部门研发项目，另一方面则是缺乏这些资源的学术研究工作。根据斯坦福大学的一份报告：“对于能够获得算力资源的学者而言，他们通常只能使用1至8块人工智能芯片，而产业界研究人员则可能拥有数千块。”2024年，一项名为“国家人工智能研究资源”的联邦倡议作为公私合作项目正式启动，其目标是将研究人员与维持学术界和中小企业人工智能创新所需的计算、软件和数据资源连接起来（包括联邦资源和商业资源）。然而，研究界在获取计算资源方面仍然面临挑战。这为维持关键研究与开发工作设置了障碍，而这些工作虽然未必具有直接商业激励，却为未来突破奠定基础，包括探索更具通用能力的新方法，以及推动人工智能保障、可解释性和安全性方面的改进。此外，资源获取不足还减缓了人才培养管道的发展，而私营部门的成长正依赖于这一人才来源。

数据的可获得性与可访问性

高质量数据使人工智能系统能够准确、高效地生成分析和预测结果，而这一点在为医疗保健、制造业和科学等高影响力领域开发专门任务的人工智能模型时尤为突出。川普（Donald J. Trump）政府的《人工智能行动计划》提出了一项目标，即让美国“引领创建世界上规模最大、质量最高、适用于人工智能的科学数据集”。2025年11月，川普启动了“创世任务”，旨在建立一个综合人工智能平台，通过能源部国家实验室利用科学数据集推动科学发现。然而，许多因素仍然阻碍着数据为公共利益服务，包括对企业拥有数据访问权的限制、围绕数据治理的监管不确定性，以及统计机构规模的缩减。在各类组织内部，数据准备程度仍然是人工智能创新和应用的前提条件。然而，与数据孤岛、治理、质量和互操作性相关的挑战，往往限制了各行业组织利用人工智能实现自身利益的能力。提高数据的可获得性，对于优化特定任务和特定行业的人工智能应用，以及推动学术界和私营部门的创新都具有关键作用。然而，如何以负责任的方式扩大联邦数据集的使用、激励开放获取，以及更好地利用合成数据和其他增强隐私技术等技术方案，仍然存在诸多问题。

各行业人工智能应用的不均衡

中国最近推出了“人工智能+”行动计划，旨在推动人工智能融入科学技术、产业发展、消费、社会福利、治理和全球合作等多个领域，其总体目标是在2027年前实现人工智能在整个经济体系中的渗透率达到70%。这与美国模式形成鲜明对比。迄今为止，美国模式更多地围绕追求通用人工智能以及竞逐下一代模型展开，而不是将现有人工智能能力整合进经济部门。最近的人口普查数据展示了美国各行业人工智能使用率极不均衡的情况：信息行业的采用率达到38%，制造业的使用率为13%，而运输业的使用率甚至更低，仅为8%。人工智能在整个经济中的不均衡应用，阻碍了创新实验和应用案例在不同领域的发展，削弱了美国在人工智能领域的竞争力，并削弱了通过展示具有前景的人工智能能力和创新成果来建立公众信任的能力。

基础设施准备情况

美国经济各领域不断累积的基础设施缺口，为国家推动人工智能应用的努力带来了挑战。正如本报告第七章所详细说明的那样，美国老化的电力网络需要实现现代化，以满足数据中心的需求。与此同时，美国的连接基础设施也必须发展，以支持人工智能工作负载所要求的高带宽、低延迟网络。随着人工智能越来越多地进入边缘设备，并通过机器人技术进入现实世界，这一挑战将变得更加紧迫。此外，如果不加以解决，全国城乡之间现有的数字鸿沟还将进一步扩大。在美国各行业中，长期积累的技术债务、陈旧硬件以及存在缺陷或尚不成熟的数据基础设施，使许多关键行业组织缺乏有效部署和扩展人工智能所需的基础能力。

前沿模型与通用人工智能的风险

随着人工智能能力的快速进步，与安全、保障和透明度相关的风险问题也越来越需要得到解决。从相对狭窄的大语言模型应用向更复杂、更自主的智能体人工智能和多模态人工智能部署转变，其变化速度不断加快，这使得建立以技术为基础的负责任部署和治理方法变得更加紧迫。前沿模型论坛等组织代表着由产业界主导的合作努力，旨在共同理解和管理对公共安全构成的风险，例如人工智能与化学、生物、放射性、核武器以及先进网络威胁交叉所产生的风险。世界各国政府都已建立专门机构，专注于人工智能安全与保障体系的不同组成部分。在美国，设于国家标准与技术研究院内部的人工智能标准与创新中心，与私营部门合作开展潜在人工智能安全漏洞的评估和测试，并已完成四十多项前沿人工智能模型评估工作。该中心最近启动了“人工智能智能体标准倡议”，重点关注“确保可信、可互操作且安全的智能体前沿体系”。在全球范围内，先进人工智能测量、评估与科学国际网络此前由美国领导，目前由英国人工智能安全研究所领导，其目标是在各国机构之间促进知识和最佳实践的交流。随着人工智能能力快速发展，这些努力具有至关重要的重要性。

研究发现与建议

研究发现：美国政府作为人工智能创新推动者的角色仍然至关重要。美国产业界依赖于美国大学生态系统所产生的思想和人才，而这一生态系统的实力建立在持续联邦支持的基础之上。过度依赖私营部门推动人工智能创新，将限制新方法和新应用的发展空间，从而削弱美国以全球竞争速度持续创新的能力。必须采取行动，确保美国创新体系的基础能够继续推动未来进步。

• 建议：加强人工智能研究与开发资金投入。联邦支持是美国国家科研体系的核心支柱。联邦资金不仅应推动人工智能能力本身的发展，也应重点加强更广泛人工智能生态系统和供应链中的相关组成部分。这包括推动人工智能硬件设计与制造创新、云基础设施建设、下一代网络技术发展，以及促进医疗保健、能源、制造业和交通运输等关键领域的新型人工智能应用。国家人工智能安全委员会曾提出广为引用的一项建议，即每年将非国防人工智能研发联邦预算翻倍增长，直至达到每年320亿美元。这一目标仍然值得追求。

• 建议：探索新的资助机制。技术进步的速度以及人工智能生态系统的特性意味着，传统联邦资助方式可能已不再足够。政府应探索并扩大多种资助机制，例如按照霍华德·休斯医学研究员计划模式为顶尖研究人员提供大规模资助（该计划已催生三十多位诺贝尔奖获得者）、支持专注研究组织、提供快速拨款机制以便迅速应对技术发展变化，以及建立联合研究项目，使学生能够直接参与私营部门人工智能项目，从而让毕业生能够立即为前沿创新作出贡献。同时，也值得继续支持国家科学基金会正在推进的相关工作，以探索促进区域创新的新模式，并建立能够加速创新成果进入市场的灵活研究团队。

研究发现：投资创新与应用基础设施将推动进步。对人工智能及相关研发的资金支持虽然必要，但仅靠这一点还不足以在国家层面充分释放人工智能潜力。近期联邦倡议，例如“创世任务”和“国家人工智能研究资源”，代表着建立维持创新所需基础设施的重要一步，但若要实现预期影响并推动人工智能更广泛地融入经济体系，仍需采取进一步行动。

• 建议：为“创世任务”和“国家人工智能研究资源”等有前景的联邦项目提供充分资源支持。如果能够获得跨越政治周期、持续稳定的联邦资金支持，“创世任务”和“国家人工智能研究资源”都有潜力极大推动人工智能创新：“创世任务”能够从利用人工智能促进科学发现的角度发挥作用，而“国家人工智能研究资源”则能够确保美国研究界继续开展大胆而宏大的人工智能研究，为下一代应用和能力奠定基础。国会设立的专责小组在制定“国家人工智能研究资源”路线图时建议，未来六年应为该项目提供26亿美元资金支持。然而，截至2026财年，该项目每年获得的资金仅约为3000万美元。

• 建议：发起公私合作伙伴关系，以支持机器人技术和制造业等关键且高度依赖硬件领域的研究。除了通过“创世任务”和“国家人工智能研究资源”等倡议所提供的计算和数据基础设施之外，美国还有机会加快人工智能赋能机器人和制造业等领域的发展，而美国目前在这些领域正落后于中国。中国工厂中运行的机器人数量是美国的五倍，并且超过世界其他所有国家的总和。美国应推动建立公私合作伙伴关系，由私营部门向研究人员提供高成本硬件基础设施和机器人平台的使用权，包括网络设施和其他测试平台，而联邦政府则为研究项目提供资金支持，朝着在关键领域实现创新与进步这一共同目标努力。由美国国家科学基金会和由三十家企业及行业协会组成的产业联盟共同支持的“先进无线研究平台计划”等模式，为加速先进无线网络等关键技术领域突破性进展提供了具有重要参考价值的合作蓝图。

• 建议：加强扩大宽带接入的努力。联邦政府应加快推动所有美国人接入高速互联网——例如通过“宽带公平、接入与部署计划”——并确保网络连接要求能够满足人工智能工作负载的需求，特别是在上行传输能力方面。

研究发现：政府释放的信号和提供的激励措施能够加快人工智能在关键领域的应用。将人工智能融入经济关键领域，有潜力增强美国整体经济实力，并随着人们开始在日常生活中感受到这项技术带来的益处，在公众中建立信任。通用技术的发展历史表明，扩散速度是决定其能力发挥程度的关键因素，因此美国应努力赢得将人工智能扩散至整个社会的竞赛。政府能够发挥特别重要的作用，尤其是在那些依赖联邦资金支持或受到联邦监管机构广泛监督的领域，但这需要采取协调一致的行动。

• 建议：在关键领域实施联邦创新激励措施，以鼓励人工智能应用。在教育、医疗保健或交通运输等领域，通过现有资金机制鼓励人工智能整合以及传统技术基础设施现代化的联邦举措，有潜力推动高影响力人工智能应用的发展，并加快人工智能为美国民众日常生活带来切实积极影响的进程。这类努力可以通过利用税收抵免、低息融资或长期存在的资助计划来实现，同时将与人工智能创新和基础设施现代化相关的机会和要求纳入其中。联邦资金还可以支持试点项目，在高影响力环境中测试人工智能应用，制定最佳实践和整合指导原则，从而促进相关应用在各行业的规模化推广。

• 建议：推进一致性的监管政策，以促进负责任的人工智能应用。正如本报告第五章将更详细讨论的那样，在特定领域围绕人工智能使用制定清晰且一致的联邦层面政策，既能够为企业在合规方面提供明确指引，也能够加快人工智能的负责任应用。

研究发现：安全、保障和可信验证是持续创新和保持领导地位不可或缺的组成部分。如果没有通过严格安全测试、强有力安全措施以及独立验证机制所建立起来的对人工智能系统的信任，公众和机构对人工智能的采用可能会停滞，从而无论技术能力如何发展，都会实际上减缓创新步伐。人工智能系统发生的重大安全或保障失败事件，有可能使整个行业的发展倒退数年。应当采取措施降低这种风险。

• 建议：进一步加强国际合作。围绕人工智能安全与保障的国际合作，有助于制定和落实共同的安全与评估最佳实践及标准，同时增强各方对新兴风险的共同认知。美国应通过国家标准与技术研究院，在国际标准制定组织框架内发挥领导作用，推动制定这些人工智能安全与评估标准。随着人工智能能力快速演进，并在网络安全等领域不断改变整体格局，这种合作变得愈发紧迫。

• 建议：持续资助人工智能评估基础设施、新基准测试体系以及可信验证方法的创新发展。美国政府应将人工智能研发支持投入到推进人工智能评估科学以及开发新的人工智能模型性能验证方法上，而这对于国家安全等高影响力应用尤其重要。