摘要：中美人工智能竞争正在进入关键转折点，但美国可能在错误的赛道上全力冲刺。当华盛顿政策制定者沉迷于通用人工智能的未来主义想象时，中国正在务实地推进AI技术的大规模应用和社会整合。这种战略分歧可能导致美国在真正重要的技术竞赛中落败，即使其在前沿AI研发方面保持表面领

信息来源：https://www.foreignaffairs.com/united-states/cost-delusion-artificial-general-intelligence

中美人工智能竞争正在进入关键转折点，但美国可能在错误的赛道上全力冲刺。当华盛顿政策制定者沉迷于通用人工智能的未来主义想象时，中国正在务实地推进AI技术的大规模应用和社会整合。这种战略分歧可能导致美国在真正重要的技术竞赛中落败，即使其在前沿AI研发方面保持表面领先。

OpenAI首席执行官萨姆·奥特曼近期发布GPT-5时在社交媒体上分享死星图片，这一举动象征了硅谷对"超级智能"即将到来的狂热期待。奥特曼将自己公司的研究与曼哈顿计划相提并论，声称正在开发的技术将"重塑人类历史进程"。这种末日般的修辞已经深深渗透到华盛顿的政策讨论中，从国会听证会到五角大楼的战略规划，通用人工智能被描述为决定国家命运的终极武器。

然而，这种对超级智能的痴迷正在扭曲美国的AI战略重点。当政府官员忙于筹备迎接可能永远不会到来的技术奇点时，中国正在系统性地将现有AI技术整合到制造业、物流、金融服务和公共管理的各个角落。这种对比揭示了两国截然不同的技术竞争哲学：美国追求突破性创新的"圣杯"，而中国专注于渐进式改进和大规模部署的马拉松式竞赛。

通用人工智能的理论困境与现实挑战

2025年7月，上海世界人工智能大会 中村刚 / 路透社

通用人工智能概念本身就充满了定义上的模糊性和技术上的不确定性。即使是AI研究领域的顶尖专家也无法就AGI的确切含义达成共识，更不用说如何实现这一目标的具体路径。这种概念上的混乱使得任何基于AGI假设的政策制定都带有根本性的缺陷。

当前最先进的大型语言模型尽管在用户体验方面有所改进，但仍然面临着与2022年ChatGPT首次发布时相同的核心技术瓶颈：推理能力浅层、泛化能力脆弱、缺乏长期记忆机制，以及臭名昭著的"幻觉"问题。GPT-5的发布并未带来预期的革命性突破，而更像是一次常规的技术迭代升级。

更重要的是，即使某种形式的AGI最终得以实现，其社会影响也将通过复杂的采用和扩散过程逐步展现。历史上每一项变革性技术，从电力到内燃机，都经历了数十年的发展和完善过程，涉及成千上万的科学家、工程师和企业的持续努力。技术突破从实验室走向大规模商业应用从来不是一蹴而就的过程。

以电力为例，从本杰明·富兰克林1752年证明闪电的电学本质，到亚历山德罗·沃尔塔1799年发明电池，再到尼古拉·特斯拉1880年代开发交流电系统，每一个里程碑都为最终的商业化奠定了基础。但即便如此，普通家庭接入电力网络仍然花费了几十年时间。这个过程中没有单一的"获胜者"垄断整个市场，而是众多参与者共同推动了技术的成熟和普及。

中美AI竞争的战略差异化

中国在AI领域的战略布局体现了截然不同的思路。北京并未忽视前沿AI研究，但其政策重心明确放在现有技术的快速部署和社会整合上。中国的"AI+"计划设定了到2027年实现特定行业广泛采用AI技术的具体目标，政府希望AI到2030年基本成为国家基础设施的组成部分。

这种务实主义策略在制造业尤为明显。中国企业在工业机器人、智能制造系统和自动化物流方面的部署速度远超美国同行。从深圳的电子产品组装线到青岛的港口货物处理，AI技术正在被系统性地整合到经济活动的各个环节。这种自下而上的技术扩散为中国建立了坚实的AI应用基础，为未来更高级AI系统的部署创造了有利条件。

相比之下，美国的AI发展呈现出明显的"头重脚轻"特征。硅谷的大型科技公司在模型参数规模和理论性能指标上不断刷新记录，但这些前沿技术向实体经济的渗透速度相对缓慢。据业界统计，超过80%的AI项目无法从概念验证阶段过渡到实际生产应用，88%的试点项目从未投入商业运营。

IT咨询公司Gartner预测，到2027年，40%的"代理AI"部署将被企业放弃，主要原因是集成挑战和实际需求的不匹配。这种现象反映了美国AI生态系统中研发与应用之间存在的结构性断层。

政府数字化转型的紧迫性

美国要想在AI竞争中保持长期优势，必须从政府层面开始推动技术采用的系统性变革。当前，美国联邦政府在数字化转型方面严重滞后，这不仅限制了政府自身的运营效率，也阻碍了私营部门AI应用的扩散。

政府应该启动全面的AI素养提升计划，确保各级公职人员掌握通用AI系统的使用技能。这种培训不应仅限于技术操作层面，还应包括对自动化偏见等关键问题的认识教育。幸运的是，包括OpenAI和Anthropic在内的美国AI公司已表示愿意为政府机构提供技术支持，这为大规模培训项目创造了成本效益优势。

更重要的是基础设施和数据管理系统的现代化改造。先进AI模型需要复杂的硬件支撑、充足的计算资源和现代化的知识管理系统才能发挥效用。目前美国政府在所有这些方面都存在显著短板。数十年来形成的部门孤岛和僵化的采购程序创造了根深蒂固的创新阻力。要实现AI的大规模采用，华盛顿可能需要在未来几年投资数百亿美元进行系统升级，特别是在国防部门。

即使AI技术只在能源优化、网络安全、预测性维护、物流管理等常规领域发挥作用，也能显著提升政府运营效率。这种效率提升不仅能够克服官僚主义障碍，还能为私营部门的AI采用创造积极的示范效应。通过展示如何在大型复杂组织中成功整合AI技术，政府可以帮助私营企业降低技术采用的感知风险和实际成本。

除了直接应用，美国还需要投资支持那些在AI安全性、效率和有效性方面能够取得重要技术突破但缺乏大公司资源的大学和研究机构。特朗普政府提出的扩大国家AI研究资源支持计划，包括建设政府提供的AI基础设施联盟，为研究人员和教育工作者提供高级AI工作所需的专业工具，代表了正确的政策方向。

追求AGI的政策制定不应以牺牲短期技术采用为代价。支持AI研发的政策，如《芯片和科学法案》规定的技术投资，以及对国家电力基础设施的持续投资，都将同时促进当前AI应用的扩散和未来更先进系统的发展。

但华盛顿必须确保不会因为追逐可能不存在的技术幻想而忽视现实的竞争需求。美国的核心目标应该是快速扩展实用AI应用，满足政府和私营部门的实际需求，提供立竿见影的效率改进。否则，美国可能会继续在算法创新的象牙塔中保持领先，但在AI技术的实际应用和社会整合方面落后于更加务实的竞争对手。这种结果将使美国失去在最重要的技术竞争维度上的优势地位。

来源：人工智能学家