美国隐藏的人工智能优势

作者:Jinhuasan
发表时间:
+-

这是杰弗里·丁(Jeffrey Ding)今天11月18日发表在《外交事务》杂志的评论。杰弗里·丁是乔治·华盛顿大学政治学助理教授,著有《技术与大国崛起:技术扩散如何塑造经济竞争》。他强调--“美国——而非中国——在技术扩散方面占据主导地位” :

在大多数观察人士看来,中国正在赢得将人工智能扩散至整个经济体系的竞赛。即使美国在前沿人工智能模型方面略微领先,普遍的共识仍然是,中国更擅长应用这项技术。正如澳大利亚前总理、著名中国政治观察家陆克文(Kevin Rudd)在10月的一次会议上宣称的那样,中国在将人工智能推广 “到实体经济”方面“遥遥领先”。这符合关于两个大国之间技术竞争的一种人们耳熟能详的叙事:美国负责创新,而中国则将这些创新大规模转化为实际应用。

这种叙事已经成为讨论美中人工智能竞争的核心。但是,它与现实并不相符。2025年初,中国初创企业深度求索宣布推出一种开源大型语言模型,其能力可与美国公司开发的前沿模型相媲美,震惊了世界。随后,国际媒体纷纷发表激动人心的报道,描述深度求索的模型如何迅速传播至国有企业、医院以及省级和地方政府。然而,几个月后,分析人士认定,这种采用是肤浅的、范围狭窄的,而且进展缓慢;这项技术被用于安装在这些机构内部独立硬件设备上的笨重“一体机”,而不是更广泛地整合进这些机构正在使用的软件服务之中。随后,在2026年1月,外部观察人士对一种名为“开放之爪”的新型开源人工智能智能体赞叹不已,认为它是中国技术扩散优势的一个标志。如今,随着安全漏洞和效率低下限制了这些开源智能体的采用,人们对它们的兴奋情绪已经消退。

在人工智能扩散方面拥有决定性领先优势的是美国,而不是中国。这是因为美国在整体经济发展水平和经济增长模式的性质这两个方面都具有比较优势。中国欠发达的软件市场、薄弱的技术转移机制以及中央集权的经济体系,使人工智能扩散面临更加严峻的挑战。总而言之,在可预见的未来,美国在整个经济体系中推广这项技术的优势很可能持续存在。

阻碍技术扩散

尽管中国以无现金支付和即时通讯应用程序等数字技术的先驱而闻名,但中国的整体数字化水平——即软件和其他数字工具渗透到经济各个部门的程度——远低于美国。平均而言,美国企业采用云计算服务的可能性是中国竞争对手的两倍以上。而美国的企业软件市场,包括管理客户关系和提供商业智能的服务,规模大约是中国的10倍。根据2022年《全球云生态系统指数》,该指数按照76个国家获取和使用云服务的情况进行排名,中国位于排名的后半部分;相比之下,美国排名第17位,与表现最好的国家相距不远,部分原因在于美国在 “软件即服务” 产品方面占据主导地位。这类产品使企业无需自行安装和维护软件程序,就能够使用企业软件。

中国数字服务相对较低的普及率,是人工智能扩散的一项障碍。例如,当中国的小型医院试图采用深度求索时,它们缺乏能够收集和管理充分利用人工智能模型所需数据的信息系统。在这些医院中,包括农村地区的许多小型医疗机构,患者数据仍然记录在纸张上;即使存在数字化记录,这些记录也往往不完整,或者各家医院之间的记录格式各不相同。相比之下,95%的美国医生在其诊所使用电子健康记录系统。因此,美国医院能够更加顺利地将人工智能整合进电子健康记录系统,用于推荐治疗方案、预测健康风险以及简化账单处理。

中国欠发达的云计算和企业软件生态系统,也解释了为什么围绕“开放之爪”的热潮未能转化为可持续的技术扩散。“开放之爪”之类的开源工具吸引了热衷于实验、对安全问题不那么敏感的业余爱好者和个人开发者。但是,小型企业采用这类工具的速度一直很慢,因为它们更喜欢可靠、标准化、易于实施和更新的解决方案。小型企业更有可能依靠基于云计算的工具和企业软件来实施人工智能升级,而不是尝试自行开展实验;而这两种渠道在中国的发展程度都不如美国。

企业发挥作用的时候到了

美国相对于中国的另一项优势,来自科学技术生态系统内部有助于传播技术进步的联系。大学与企业之间的合作,对于将人工智能突破性成果扩散至整个经济体系至关重要,因为这些联系将能够开发新型人工智能产品的创新者与能够有效实现产品商业化的实施者联系在一起。

在这一方面,美国远远领先于中国。长期以来,美国在由至少一名学术界研究人员和一名产业界研究人员共同署名的人工智能论文发表数量方面一直居于世界领先地位。2015年至2019年间,美国研究人员发表的此类论文数量是中国同行的两倍以上。这种差距不仅存在于人工智能领域:在生命科学和自然科学领域,美国由大学和产业界研究人员共同参与发表的论文所占比例,也超过中国相应比例的两倍。北京承认这一差距:中国官方国家通讯社将产业界与学术界之间薄弱的技术交流列为中国人工智能生态系统的五大关键短板之一。

尽管中国政策制定者意识到了这一挑战,并推行政策试图促进大学与企业之间的合作,特别是在人工智能领域,但要培养这两个部门开展合作所必需的信任,将是一件困难的事情。例如,中国薄弱的知识产权保护使大学不愿与产业界参与者建立伙伴关系,因为它们担心失去对自己发明成果的所有权。相比之下,美国拥有大学与产业界合作的传统。1980年的《拜杜法案》通过提供激励措施和专利保护,鼓励大学将发明成果商业化,并向私营部门授予使用许可,从而开启了持续数十年的合作。由于缺乏类似的联系纽带将学术机构与企业连接起来,中国大学在与企业建立有利可图的伙伴关系方面,所具备的条件不如美国大学。中国的技术和工程教育也与商业企业脱节,这意味着学校没有向学生传授企业所需劳动力必须具备的特定技能。

薄弱的技术转移机制还削弱了中国在人工智能扩散方面的一项主要优势:庞大的人才基础。信息技术与创新基金会的分析显示,2022年,中国在科学、技术、工程和数学领域授予了约50,000个博士学位,而美国仅授予约34,000个。尽管中国计算机科学毕业生的庞大数量最终可能有助于该国大规模采用人工智能技术进步成果,但教育质量决定了教育能够以多快的速度或多高的效率促进人工智能扩散。如果培训与实际应用脱节,毕业生就很难将产业实验室的尖端进步成果应用到他们所工作的部门。考虑一项通常用于衡量人工智能教育基础质量的标准:一所大学是否至少聘用了一名曾在至少一次顶级人工智能学术会议上发表过至少一篇论文的研究人员。根据2023年至2024年的数据,中国只有38所大学符合这一标准;美国则有150所。

摒弃计划

中国以中央计划方式推动人工智能发展的做法,在技术扩散方面同样适得其反。2025年,中国制定了一项“人工智能+”行动计划,概述了未来十年采用人工智能的目标,并发布了指导方针,指导政府机构和地方官员如何在全国范围内实施该计划。对于许多观察人士来说,仅仅是这项计划的存在,就表明中国最高领导层致力于广泛推广人工智能,而且与缺乏任何类似技术扩散蓝图的美国相比,中国处于更有利的位置,更有可能赢得人工智能竞赛。例如,陆克文关于中国在人工智能应用方面具有优势的论断,就援引了北京在人工智能扩散方面雄心勃勃的政策和目标作为支持证据。

但是,像中国这样的中央集权方式往往阻碍技术扩散,特别是在国家试图干预那些发展轨迹尚不确定的领域时。中国 “人工智能+” 计划的一项内容将 “全球合作” 确定为人工智能应用的优先领域。如果地方政府按照计划所规定的方式实施,就会将资源从医疗保健等已被证明技术扩散有效的领域,转移到定义不明确的 “全球合作” 领域。更广泛地说,北京对国有企业的偏袒,以及其挑选国家重点扶持企业的偏好,往往会维持那些原本会被市场竞争淘汰的低效率技术。其他企业不太可能采用低效率技术,因此,非市场化的人工智能发展方式更不可能得到广泛扩散。

与直觉相反,美国缺乏明确的人工智能扩散政策,对于美国试图将这项技术推广至整个经济体系而言,是一种优势,而不是障碍。例如,在1980年代美日竞争最激烈的时期,两国竞相培养能够传播计算机技术的软件工程师,当时的日本文部省对大学实行中央集权式控制。但是,计算机科学领域的新兴趋势发展速度超过了政府的适应能力。由于将国家资金集中投入卓越研究中心,并对计算机课程实施一刀切的规定,日本无法与美国大学的适应能力相匹敌,美国因此迅速取得领先。跨国研究表明,分散化的科学技术体系与新创新成果更快的扩散速度存在相关性。

另一个与中国具有相似之处的历史案例——苏联——进一步说明了中央集权如何与技术扩散背道而驰。20世纪,苏联曾制定许多技术发展计划。然而,其自上而下的方式侧重大规模工程项目,削弱了那些通过竞争促进技术扩散的市场化机制。因此,尽管苏联在包括钢铁铸造在内的许多领域率先开发出新技术,但在采用计算机等通用技术方面却落后于美国。1969年发表的一份具有先见之明的美国情报报告认为,苏联的技术扩散机制比美国的机制“迟钝得多”,原因在于缺乏竞争压力,以及研发体系与更广泛经济体系之间的联系有限。

挥之不去的神话

尽管明确的数据表明美国具有优势,但中国在人工智能扩散方面领先的神话仍然持续存在。部分原因可能是,中国的创新体系促进了某些引人注目的技术得到广泛采用。例如,在不到20年的时间里,中国修建了超过30,000英里的高速铁路,使超高速列车网络覆盖全国,如今甚至延伸到了最偏远的省份。

但是,基础设施所面临的挑战与人工智能截然不同。官员们可以利用中央集权的压力有效推进大规模基础设施项目,但这种方式对于人工智能等通用技术的效果要差得多,因为不可能强制要求分布在经济各个部门的所有中小型企业都采用人工智能。这些企业只有在从商业角度来看具有合理性时才会这样做,而其中很少有企业具备数字化基础,或者拥有能够利用人工智能帮助企业发展的熟练员工。此外,在对人工智能发展最为重要的基础设施——数据中心——的建设方面,美国已经超过中国,并保持着十比一的优势。事实上,在某些情况下,由于人工智能需求疲弱,中国已经建成的数据中心仍然处于闲置状态。

中国以中央计划方式发展人工智能的做法阻碍了技术扩散。

认为中国在人工智能扩散方面领先的错误认知可能继续不受遏制,因为对中国技术生态系统的分析过度关注字节跳动和深度求索等前沿企业,以及北京和上海等一线城市。然而,人工智能扩散最终取决于中型企业、小城镇和内陆省份是否采用这项技术,而这些地方的采用程度一直极为有限。由于这些环境很少出现在外国媒体的报道中,对中国人工智能扩散状况的分析低估了将杭州或深圳的前沿实验室和大学所取得的尖端进步成果,转化应用到例如青海省西北部某个县城的一家小企业所面临的困难。

也许最简单的解释是,这样一个神话是有用的,即使它最终并不真实。在某种程度上,美国正在大肆宣扬北京的人工智能扩散成就,就像中国的“虎爸虎妈”试图通过夸耀“别人家的孩子”的成功,来激励自己的孩子更加努力一样。他们可能会说:“看看别人家的孩子在钢琴演奏会上表现得多么出色。”却没有仔细聆听,以确认每一个音符是否完全正确。在大国竞争中,同样存在一种自然倾向,即过度夸大对方的能力,部分目的是激励本国付出更多努力。

但是,如果这样一个“有用的”神话促使美国忽视自身优势,甚至模仿中国更加自上而下的人工智能发展方式,它就可能产生适得其反的效果。无论采用何种衡量标准,美国在人工智能扩散方面都保持着明显的领先优势,而中国尽管取得了令人印象深刻的成功,却仍然面临严峻挑战。尽管中国占据主导地位的叙事仍在延续,但就目前而言,所有迹象都表明,美国的领先优势将继续保持强劲。