专访：人工智能竞争不是一场“赢家通吃”的竞赛

在中美科技竞争日趋激烈、人工智能投资规模不断攀升的背景下，究竟应该如何看待这场竞争？美国是否正在为争夺人工智能领域的领先地位付出过高的经济代价？中国的人工智能企业为何能够以相对较低的成本，开发出性能接近美国领先模型的产品？与此同时，人工智能加速普及，又将如何冲击美国年轻人的就业市场，并改变全球经济格局？

在这篇专访中，斯坦福大学以人为本人工智能研究所数字研究员、亚洲协会政策研究所中国分析中心高级研究员汪丛青（Alvin Wang Graylin）指出，将人工智能视为一场非此即彼的零和竞争，既忽视了技术创新与应用扩散之间的区别，也可能加剧金融风险与地缘政治误判。他认为，中国在算力受限的情况下更加注重效率、成本控制与开源模型的推广，而美国大规模投入人工智能基础设施，则可能面临投资过热和资本回报不确定等问题。与此同时，人工智能对初级认知劳动岗位的替代正在加速，政策制定者需要提前考虑劳动力转型、税收改革和社会保障。在中美关系层面，他主张双方加强人工智能安全合作，并建立不受单一国家控制的第三方测试机制。汪丛青强调，人工智能不应仅仅被当作争夺经济优势或地缘政治主导权的工具，而应成为能够造福全人类的全球公共产品。

伊莱贾·肖夫（Elijah Shoaf）： 你曾提出，应当重新理解中美人工智能关系，不要简单地将其视为一场竞赛，而应将其看作创新竞赛或平台竞赛，在这样的框架下，合作策略才是最优选择。在当前中美双边互信严重受损的情况下，美国如何才能向北京有效传递这一转向合作的信号？

汪丛青（Alvin Graylin）： 眼下，我们传递的恰恰是相反的信号。随着各种限制措施不断加码，新的法案陆续提出，美国商务部也在增加新的出口管制，我认为我们发出的信号非常具有竞争性。事实上，尤其是在安全保障领域，双方恰恰需要开展合作。

你不可能通过竞赛让世界变得更安全。竞相争先、抛弃安全护栏，只会让世界变得更加危险。我非常希望看到，预计在11月底前举行的中美双边人工智能对话能够释放出一些信号，并取得更加实质性的成果。我希望双方都能做更充分的准备。过去，在这一领域，中方的准备可能比美方更加充分。但距离双方会谈还有一个半月左右，仍然有时间让双方拿出实质性的东西，使这次对话最终能够公布一些具体成果，而不只是宣布安排下一次会议。

肖夫： 是的，我们当然希望，双方能够坐下来，至少就这些问题展开对话，本身就是一个积极信号。

汪丛青： 没错。首次会晤之后还能举行第二次会晤，这本身就是一件好事。2024年，双方只举行过一次会议，之后就没有下文了。如今，不仅有了第二次会议，而且这项对话有了正式名称，也有了明确的负责人员，这说明它正在成为一项真正的机制。现在的问题是，在两次会议之间，双方会做些什么？能否形成更多实质性成果？如果能够做到这一点，就会带来更大的希望，并成为建立互信的起点。

肖夫： 在你最近为昆西治国方略研究所撰写的政策简报中——这也是我们联系你的原因之一——你指出，美国在前沿人工智能领域的任何领先优势都很可能迅速消失。因此，如果美国试图维持永久性的军事优势，就有可能面临严重的局势升级风险。目前，人们普遍将人工智能竞争描述为一场“赢家通吃”的较量，而这种叙事可能在无意中增加围绕台湾问题发生误判的风险。你是否认为，这场竞争的关键其实在于供应链和联盟体系，而不是一场只要某一方达到特定技术门槛，就能一举获胜的竞赛？

汪丛青： 我认为，目前有一些基本假设正在推动这场竞赛。其一，世界是一个零和博弈的世界；其二，这场竞赛存在一条终点线，而且最终只有赢家能够胜出。这两种假设都不成立。如果这些前提本身就是错误的，那么我们现在的竞争方式，实际上就是在进行大规模押注，而这些投资的结果和回报都存在很大的不确定性。

中国的资本支出只有美国的十分之一左右，但中国的人工智能能力与美国仅相差几个月，这说明我们的投资并没有取得与投入相称的回报。今年，我们将在人工智能基础设施上投入约7250亿美元，明年这一数字很可能超过1万亿美元。与此同时，这种投入也正在使美国经济变得更加脆弱。目前，市场的投资集中度很高，标普500指数近一半的涨幅来自人工智能相关股票，因此，一旦市场出现调整，冲击将会相当大。此外，人工智能企业和超大规模云服务商目前还有超过3万亿美元的表外承诺，这些资金最终都需要偿付，进一步增加了金融体系的脆弱性。

眼下，许多数据中心仍处于建设中途，却遭遇延期、取消或零部件短缺等问题。这意味着，大量资本已经投入那些暂时无法为经济创造价值的项目。所有这些迹象都表明，一场市场调整正在逼近。

美国经济受到的冲击很可能远大于中国经济，因为美国在这一领域的风险敞口更大。我们目前试图不惜一切代价抢占先机的策略，既缺乏清晰的逻辑，也未必有充分的依据。

肖夫： 正如你所说，美国在人工智能领域投入巨大，而中国的投入相对少得多，但其技术能力仍然与美国十分接近，差距只有几个月。在美国，这种投入与成果之间的落差究竟从何而来？纯粹是投机因素造成的吗？还是因为美国的劳动力成本更高？为什么我们投入了这么多钱，却只取得了与中国相近的成果？

汪丛青： 美国确实正在建设更多的算力，因此，投入与成果之间并不能简单地一一对应。不过，从目前的算力分布来看，美国约占全球总量的70%至75%，而中国约占10%。

中国之所以没有被美国远远甩在后面，一个原因是中国企业能够通过境外渠道使用远程算力进行模型训练。并非所有实验室都采用这种方式，但相当一部分确实如此。这样一来，它们就可以获得这些算力所带来的收益，而不必承担相应的资本支出和财务风险。它们可以按需租用算力，而不必像购买房子那样承担长期持有成本。

此外，中国更加注重效率。算力不足反而促使中国企业在内存、能源、电力和图形处理器（GPU）等方面努力提高效率。它们使用的硬件往往落后两到三代，这意味着，在这些硬件上开发出来的技术，更容易在市场上推广和普及。

这也涉及你刚才提出的问题：这究竟是一场创新竞赛，还是一场技术扩散竞赛？在现实世界中，技术扩散实际上比创新本身更加重要。无论谁发明了一项技术，如果无法将其融入本国经济，就无法真正发挥其价值。中国政府希望本国人工智能实验室开发的技术能够应用于教育、医疗和制造业，从而提高国家生产力，同时促进中国与世界其他国家的贸易。

由于中国企业开发了开源模型，这些模型正在全球范围内得到广泛采用，因为并非所有人都能负担得起前沿模型的定价。从这两个目标来看，中国企业以更少的资金实现了更高的效率。相比之下，前沿人工智能实验室投入的资金要多得多，积累了更多杠杆和金融风险，却未必能够获得相应的经济回报。

肖夫： 你曾指出，中国的开放权重模型迅速扩大了市场份额，并实现了广泛传播。2026年7月，这类模型在OpenRouter平台上占据了排名前六的位置，而且在竞争力方面已能与美国领先模型相媲美，其API价格却只有后者的大约十分之一。在美国不断扩大针对存储器和光刻技术的出口管制之际，中国开发者究竟凭借哪些具体因素，才能以如此低的成本实现如此高的模型性能？

汪丛青： 出口管制迫使中国企业变得更加有创造力，本土创新正在发生。目前，全球人工智能研究论文中，约有40%至45%来自中国。

许多美国实验室认为，中国模型取得成功的主要原因是知识蒸馏。但根据我所观察到的情况，仅靠知识蒸馏，不足以使这些模型达到目前的能力水平。中国研究人员发表了真正具有创新性的研究成果，显著降低了模型对内存和算力的需求。例如，一篇论文就可能将所需算力降低十倍，这显然不是单纯依靠知识蒸馏就能实现的。

Anthropic自己的报告发现，其Mythos和Fable模型并没有知识蒸馏的证据，但中国实验室推出的新模型在性能上已经接近这些模型的水平。因此，知识蒸馏本身不足以解释中国模型为何能够达到这样的水平。这说明，中国企业正在建立自身的技术能力，并不一定需要从美国模型中蒸馏知识。如果长期将中国的竞争力简单归结为知识蒸馏，最终反而会损害美国人工智能实验室的利益。

有意思的是，像xAI这样的公司也在采用知识蒸馏技术，谷歌甚至提供按每百万个词元（token）计费的“蒸馏即服务”选项。因此，美国实验室在这一问题上的立场并不完全一致。

在这个领域，长期保持领先非常困难。一旦某家公司将模型开源，全球就会有两三百万名研究人员对其进行微调、改进，并将改进后的模型重新上传到共享的开放科学平台。无论一家实验室拥有多少聪明的员工，即使有两三千人，也很难与数百万名开源研究人员组成的庞大力量竞争。

肖夫： 你曾指出，在美国高度受人工智能影响的职业中，22至25岁年轻人的就业率相对下降了16%，这实际上正在破坏人才培养的结构性通道，使年轻人难以逐步成长为未来的中层和高级人才。我自己刚刚完成硕士学业，正准备进入职场，切身感受到这一问题。因此，我想了解，美国经济中究竟是哪些具体行业，正在推动这种初级岗位就业的急剧萎缩？

汪丛青： 你绝不是唯一感受到这种压力的人。应届毕业生的就业情况正在大幅恶化。我之前提到的降幅是16%，但更新后的数据显示，这一数字目前已经接近19%，就业环境变得更加困难。

还有一个很少有人谈论的问题，那就是超过40%的就业不足率。这意味着，一个人可能拥有大学学位，却只能做咖啡师或开优步。这类情况不会反映在传统的失业率统计中，却会严重影响个人的满足感和生活质量。

客户服务、初级会计和数据分析等岗位已经开始出现大幅裁员。过去，这种变化往往首先表现为企业减少招聘，而我们现在看到的正是这种情况：自2023年以来，新的招聘职位发布数量持续下降。

这是一个不同寻常的时期。历史上，股市上涨通常会伴随着招聘职位增加，但如今两者的走势出现了背离。虽然这种现象并不完全是由人工智能造成的，但二者之间显然存在很强的关联。任何经常使用这些技术工具的人都能意识到，这些系统已经具备了多么强大的能力，足以取代初级员工、研究助理、数据分析人员，甚至从事简单编程工作的人员。

肖夫： 面对新兴技术，最初的前景有时显得十分黯淡，尤其是对于我们这些受到影响最大的人而言。不过，你也提出过一些解决方案。为应对认知劳动岗位被替代的问题——这类劳动者约占美国劳动力的60%至70%——你建议设立一个“人工智能时代的《退伍军人权利法案》”（GI Bill），并探讨对替代人类劳动的自动化技术征税。从美国立法的角度来看，政策制定者应如何合理设定这类自动化税，既为劳动者转型项目提供充足资金，又不至于迫使美国人工智能开发商和创新活动转移到海外？

汪丛青： 我实际上并不建议对这些企业的利润征税，因为它们目前都在亏损，按照现行制度，很难从中获得税收收入。因此，我们需要对支出征税。

这些企业今年的支出约为7250亿美元，明年很可能超过1万亿美元。我建议采用一种更接近庇古税的模式，类似于对具有负外部性的商品征税，例如酒精、烟草或汽油。这些商品除了本身的成本之外，还会给社会带来额外的负面影响，因此需要征收附加税。

这种税收很可能会减缓人工智能行业的投资速度，而这恰恰是一件好事，因为目前的投资已经过度。事实上，我们现行的税收激励措施正在鼓励企业过度建设数据中心。自去年通过的税收法案以来，企业可以在购置数据中心所使用的服务器和芯片后，立即将全部成本抵扣。这意味着，在如何通过税收制度应对投资过热和劳动力被替代的问题上，我们采取的方向恰恰与应有的方向相反。

我最近发表了一篇题为《最后一根稻草》（The Last Straw）的文章，讨论美国40万亿美元的国债问题。目前，美国联邦政府84%的税收收入来自个人所得税和工资税。我们对工资收入征收的税率接近30%，而对资本支出的实际税负却只有约5%。

一旦人工智能的能力达到一定水平，精明的管理者就会立即考虑从雇用员工转向雇用机器人或虚拟认知劳动者，因为后者的税负更低、工作时间更长，也不需要承担医疗保险和管理方面的额外成本。

如果我们继续以目前的速度推进这一转型，政府的税收总收入就会减少，使我们更难支付国债利息，更不用说偿还债务了。有人认为，我们可以依靠经济增长摆脱这一困境。但即使经济继续增长，如果税收制度不作调整，政府的税收总收入仍然可能净减少。

肖夫： 在政治领域，有人真正讨论这些问题吗？人们会谈论人工智能、数据中心以及用水问题，但这些讨论往往显得流于表面。据我所知，唯一比较深入地讨论这一问题的人是杨安泽（Andrew Yang），但他已经有一段时间没有担任公职了。

汪丛青： 像伯尼·桑德斯（Bernie Sanders）这样的人，曾提出实质上禁止建设数据中心的主张。不过，我认为他的立场有些过于极端，反而会让人们不愿意继续听下去。还有一些人主张在一段时间内暂停数据中心建设，或者对数据中心额外征税。这些都是值得考虑的措施。

目前，确实有不少相关法案正在推进，但每年提出的法案成千上万，最终能够通过的比例不到几个百分点。我不确定，目前美国是否具备足够的政治意愿，来推动类似《退伍军人权利法案》的大规模转型支持计划。

遗憾的是，我不知道我们还剩多少时间，因为这场转型将会发生得非常迅速。技术采用遵循一种类似曲棍球杆的增长曲线：在达到某个临界点之前，影响相对有限；一旦越过临界点，影响就会迅速扩大。

这个临界点大约是人类工作者所承担的80%的工作任务。当人工智能能够接管一份工作中约80%的任务时，管理者才会真正愿意用人工智能取代人类。在达到这一门槛之前，人工智能更多是作为辅助工具存在。但一旦跨过这一门槛，替代决策就会迅速发生。

在GDPval这一评估现实世界工作任务表现的基准测试中，一年前，最先进的模型在不到一半的任务上能够达到或超过人类专家的水平；而现在，这一比例已经超过80%。

我们正在接近这个临界点。接下来，关键在于企业需要多长时间才能将这些技术整合进业务流程，这个过程可能需要一到两年。我们很可能还有两年左右的时间，才会迎来大规模的岗位替代浪潮。令人遗憾的是，在这一浪潮真正到来之前，我们可能很难看到它的影响；等到它出现时，变化就可能在短时间内集中爆发。

肖夫： 所以，如果我没有理解错的话，我们很可能要等到切实感受到这些影响之后，才会采取实质性行动？

汪丛青： 这是人性使然，尤其是政府，往往更倾向于在问题发生之后才作出反应。这也是我为什么特别强调“人工智能时代的《退伍军人权利法案》”的原因。就我所知，这是为数不多、真正试图提前应对问题的重大政策举措。

1944年，也就是第二次世界大战结束前一年，美国就通过了《退伍军人权利法案》，因为当时的决策者知道，战争结束后，将有1500万年轻男性退伍返乡。如果他们没有工作，社会就可能陷入严重危机。

今天，许多政策制定者没有充分意识到，即使最终受到影响的并非60%至70%的劳动力，而只是其中的一半，甚至三分之一，涉及的人数也将是1500万的数倍。这将引发社会和经济危机，并可能造成社会不稳定。

肖夫： 在你最近的政策简报中，你主张建立一个独立的国际测试机构，对公开发布的商业人工智能模型进行评估，并明确要求该机构独立于华盛顿和北京的情报部门。在正式的国家层面协议达成之前，美国可以立即采取哪些第二轨道外交举措，帮助中美人工智能实验室建立互信，并就共同的安全评估机制展开合作？

汪丛青： 我们可以从一些简单的事情入手，例如建立双方都认可的风险定义，以及一套所有人都能理解的共同测试标准。我与中美两国的人工智能实验室都有交流。中国方面对美国的测试机构非常警惕，因为他们担心这些机构会被用作工具，以不公平的方式将中国模型排除在市场之外。

中国方面希望测试过程更加透明。这也是我主张建立第三方测试机构的原因：这些机构既不属于美国，也不属于中国，从而让双方都能够将其视为中立的平台。

这是一个很好的起点，也是一项能够造福全球的公共事业。无论模型是开源还是闭源，我们都希望它们能够接受全面的安全测试。虽然没有任何方法能够保证百分之百的安全，但建立清晰的标准，明确哪些行为是可以接受的，显然是各方所需要的。

肖夫： 你认为，目前是否存在一家能够同时获得美国和中国信任的机构？

汪丛青： 我在那篇政策简报中提到了英国人工智能安全研究所（UK AI Security Institute，AISI）。该机构资金充足，拥有了解这一领域、具备专业能力的工作人员，也有测试来自世界各地模型的经验。我认为，它可以成为一个值得信赖的起点。不过，如果要让它承担服务全球的测试职能，可能还需要获得更多资金支持。

就在上个月，美国政府曾要求美国的前沿人工智能实验室暂停向该研究所提供其最新模型的早期访问权限。17天之后，相关访问权限才得以恢复。因此，这并不只是中国模型面临的问题，西方实验室同样会对自己的技术采取保护措施。

肖夫： 您还有什么希望补充，或者您认为值得进一步讨论的吗？

汪丛青： 我认为，有一点非常重要，必须得到正视。眼下，人工智能被塑造成国家之间的地缘政治竞争，以及企业之间的金融竞争。但这项技术最终会随着开源而逐渐商品化，这意味着，前沿人工智能实验室很难长期依靠它获得持续的经济回报。

如果现实确实如此，我们就需要停止将人工智能视为实现经济支配或地缘政治支配的工具，而应开始把它当作一项应当与全世界共享的全球公共产品。一旦从这个角度看待人工智能，试图将这项技术据为某个国家或某家公司的专有资源，不仅是不负责任的，甚至是不道德的。

如果我们不再每周都执着于追逐绝对前沿、不断发布新模型，那么这项技术就能够以相对低廉的成本在全球范围内得到应用。技术进步如此迅速，社会和经济根本来不及充分吸收和消化；如果无法真正融入社会和经济体系，技术的潜在收益就无法实现。

在全球范围内投入数万亿美元，建设那些无法被充分整合和利用的设施，是对资源的错误配置。我们需要停止重复投入。目前，全球有数十家实验室在训练彼此性能差距只有几个百分点的模型，却消耗着本已稀缺的算力资源。如果我们能够整合各方资源、人才和数据，就有可能以低得多的成本取得更大的成果。我们可以节省这些资金，并将其重新投入全球医疗、教育和基础设施建设。