作者： 杨建利
多年来，华盛顿在看待美中人工智能竞争时，主要着眼于技术层面。其逻辑很简单：先进的人工智能需要先进的芯片、强大的计算能力、精密的半导体设备、前沿模型以及庞大的数据中心。如果美国能够控制对这一技术栈关键环节的访问权限，就能保持其技术领先优势，同时减缓中国的进步。
但安娜·唐（Anna Tong）近期在《福布斯》杂志上发表的一项调查揭示了这一框架的局限性。她报道称，专门从事人工智能训练数据的美国公司正与中国科技公司开展大量业务。这些公司提供的服务远不止是标注照片或清理数据集。它们组织程序员、科学家、数学家、金融专家和其他领域的专家，构建复杂的难题，设计解决方案，建立评估标准，并创建用于在初始训练后改进人工智能模型的复杂数据集。唐报道称，中国领先的人工智能实验室每年在与美国训练数据公司合作方面的总支出约为5亿美元。据报道，其中一些公司寻求的数据集与美国前沿实验室购买的数据集类型相同。
这就产生了一个非同寻常的悖论。华盛顿或许可以阻止一家中国人工智能公司购买英伟达最先进的芯片，而一家美国公司却可以出售相关技术，从而大幅提升其现有芯片和模型的性能。
问题不仅仅在于出口管制方面的漏洞，它揭示了一个更根本的问题：美国对人工智能战略资产的定义过于狭隘。
我们需要一个比技术转移更广阔的概念。我建议称之为人工智能知识管道：这是一个有组织的流程，通过该流程，人类的专业知识、科学技术知识、任务设计、评估方法、训练数据和训练后经验被转化为可转移的输入，从而提升人工智能系统的能力。
想象一下，美国程序员攻克复杂的编程难题，数学家构建推理练习，科学家评估模型响应，医生区分良莠不齐的答案，工程师设计精密的基准测试。他们的工作最终可以转化为机器可读的训练材料。因此，转移的不仅仅是“数据”。人类知识已被提炼、结构化、评估并转化为机器智能的输入。
随着人工智能的进步，这种区别变得愈发重要。当前人工智能革命的第一阶段强调规模：更多的数据、更多的GPU、更多的参数、更强大的计算能力。但前沿竞争越来越取决于大规模预训练之后的发展——推理、强化学习、合成数据、专家评估、工具使用、智能行为以及专业领域知识。稀缺的战略资源不再仅仅是计算能力，而是用于训练人工智能的组织化智能。
这引出了一个关于中美人工智能竞争的更广泛的结论。人们通常将其描述为两种人工智能“技术栈”之间的竞争，但真正的竞争发生在两个人工智能生态系统之间。
该技术栈由可识别的技术层组成：能源、半导体制造、芯片、云基础设施、基础模型和应用。但一个生态系统涵盖的内容远不止于此：大学、研究人员、工程师、企业家、风险投资、移民、开源社区、能源和制造能力、数据市场、知识产权制度、监管体系、联盟、国际标准和知识管道。
任何单一因素都无法决定最终的胜负。中国在尖端GPU领域可能落后于美国，但在电力生产、制造规模、产业部署、工程人才以及庞大的国内市场方面却拥有优势。美国在尖端模型方面可能领先，但在先进半导体制造方面却严重依赖台湾。中国可能无法获得美国最新的芯片，但可以通过提高效率、发展国产硬件、开放权重模型或利用美国提供的训练数据来部分弥补。最终结果将是整个生态系统中各种优势和劣势综合作用的结果。
这种观点揭示了将技术出口管制作为人工智能战略核心的不足之处。出口管制固然必要，尤其对于那些具有直接军事或情报应用价值的技术而言。然而，仅仅控制实体技术而忽略使其发挥作用的知识、人才、资本、服务、专业技能和网络，在战略上是不完整的。
与此同时，试图控制一切也会带来另一种危险。美国最大的技术优势历来正是源于其开放性。美国吸引着世界各地的科学家，培养外国学生，在全球范围内开展业务，进行跨国合作，并通过开源软件和广泛使用的平台传播美国的技术标准。
这种开放不仅仅是慷慨，更是美国力量的源泉。如果印度、欧洲、东南亚——以及在某种程度上包括中国——的工程师们都依赖美国的技术，那么这个世界就可能变成一个依赖于以美国为中心的技术生态系统的世界。美国获得的不仅仅是客户，更是强大的全球影响力。
因此，美国面临着两个看似合理却又危险的极端。其一是完全开放。如果中国能够系统性地吸收美国的创新成果，并将其与自身庞大的工程技术人员、制造能力、国家资源、数据、能源基础设施和国内市场相结合，那么开放政策或许就能为中国提供弥合差距、最终超越美国所需的关键要素。届时，美国将承担大部分知识创造成本，而其主要竞争对手则会迅速将其内化。
另一个极端——全面遏制——则蕴含着另一种同样严重的风险。如果华盛顿试图彻底切断中国与美国技术、研究、资本、人才、模式和知识的联系，北京将有强大的动力消除其剩余的依赖，并构建一个从芯片到模式再到标准的平行生态系统。华盛顿非但不会维护以美国为中心的全球体系，反而可能加速建立一个以中国为中心的替代方案，与世界其他地区展开竞争。因此，无论采取哪种极端策略，如果执行不当，最终都可能导致相同的结果：美国在人工智能竞争中败北。
因此，战略选择不能简单地归结为接触与遏制、开放与封闭。美国需要的是一种有管理的精准开放。
不要把这种关系想象成一个只有“开”和“关”两个开关的控制面板，而应该把它想象成一个包含数十个分级开关的控制面板。先进的GPU可能几乎处于关闭状态。某些科学交流可能仍然基本开放。一些前沿模型功能可能会受到限制，但开源研究仍然可以访问。投资、云计算、人才流动、数据集、研究合作、半导体设备、人工智能模型和人工智能知识管道等都将在控制面板上占据不同的位置——而且随着技术、中国能力和战略环境的演变，这些位置也会随之改变。
对于每一个决策，最重要的问题既不应该是“我们能否阻止中国获得这项技术？”，也不应该是“限制这项技术会损害美国企业吗？”而应该是：在这个特定领域，开放到什么程度才能最大限度地增强美国人工智能生态系统相对于中国生态系统的长期实力和影响力？
有时，解决问题的办法是关上一扇门；有时，则需要把门开得更大一些。
美国的开放性本身可以进行战略部署。其目标不应仅仅是让中国在技术上落后。一个更具雄心的目标是保持美国生态系统的创新性、吸引力、不可或缺性和全球互联性，从而使中国——更重要的是，世界其他国家——持续拥有参与其中的强大动力，而不是转向与之竞争的中国体系。
从这个意义上讲，相互依存未必总是弱点。如果结构合理，它也可以成为优势。如果全球人工智能发展的关键部分继续依赖美国的科技、研究机构、标准、平台、人才网络和知识渠道，那么美国所拥有的优势并非仅仅通过比较太平洋两岸的GPU数量就能衡量的。
可控的精准开放将极难实现。政策制定者必须识别真正的瓶颈，将其与商品区分开来，预测替代效应，与盟友和私营企业协调，并随着技术变革不断调整政策。昨日的关键技术可能成为明日的商品；限制一种投入可能会意外地加速中国在另一种领域的创新。
但困难并非否定必要性的理由。风险太高，不能仅仅依靠少数几种易于识别的技术来构建战略。要想取得胜利，可能需要国家具备相当的实力、技术理解力、私营部门合作能力以及战略智慧，而这些在和平时期，民主政府很少需要维持。
因此，《福布斯》的调查应该引发一场比美国数据公司是否应该向中国实验室出售特定数据集更为广泛的辩论。它应该迫使华盛顿扪心自问一个更根本的问题：美国究竟想要保护什么？它究竟想要引领什么？
如果答案是世界领先的人工智能生态系统，那么美国必须保护构成真正战略优势的技术和知识渠道，同时保持足够的开放性，让科学家、企业家、公司、盟友——以及在具有战略优势的情况下，甚至是竞争对手——继续围绕美国体系运转。
人工智能竞赛的胜利并非在于围绕最先进的技术筑起最高的围墙，而在于构建最强大的生态系统，并极其精准地知道在哪里筑墙、在哪里设闸，以及何时、以何种程度开放这些屏障。
来源：National Review（国家利益）