战略竞争与模式选择：中美通用人工智能发展比较研究

作者简介 鲁传颖上海国际问题研究院客座研究员同济大学政治与国际关系学院副院长、教授 目 录 摘 要··························01引 言··························02 第一章 通用人工智能的定义及相关争议···········05 第二章 美国：模型中心主义路径··············10 （一） 技术路线选择：以大模型为核心的战略强化·····11（二）组织机制：全政府、全社会模式··········13（三） 资源协调配置：从市场驱动转向战略集中······14 第三章 中国：通用基础设施路径··············16 （一）技术路线选择：以赋能千行百业为核心的应用驱动··17（二） 组织机制：跨部门协调机制············18（三） 资源配置：人工智能“基础设施化”与能力扩散···19 结 语··························22 摘 要 通用人工智能已经成为下一阶段技术竞争与全球治理的关键前沿。作为人工智能领域最重要的两个行为体，中国和美国正在形成不同的 AGI 发展路径。本文认为，中美之间的差异不应被简单理解为一场技术竞赛或地缘政治对抗，而应被视为两国在各自创新体系、产业结构、资源禀赋、安全关切和治理传统影响下所作出的不同现实选择。美国采取的是一种以模型为中心的发展路径，强调前沿基础模型、规模定律、先进芯片、大规模算力基础设施，以及领先科技企业与联邦政府之间的紧密协调。在这一模式下，AGI 日益被塑造为一种与国家竞争力、军事优势、科学发现和全球技术领导权密切相关的战略能力。相比之下，中国的 AGI 发展则更突出基础设施导向和应用导向的特征，强调人工智能能力在各行业中的广泛扩散，强调公共性和产业性人工智能基础设施建设，强调人工智能与实体经济的深度融合，同时也强调在创新、安全与社会稳定之间寻求平衡的治理框架。本文从技术路线、国家—市场关系和治理逻辑三个维度，对中美 AGI 发展路径与治理模式进行比较。研究发现，美国路径的主要特征是前沿能力集中、私营部门主导以及安全驱动下的国家动员；中国路径的主要特征则是应用扩散、国家引导下的基础设施建设，以及嵌入产业发展的治理模式。这些差异表明，AGI 竞争不仅是围绕谁能率先抵达技术前沿的竞争，也是不同国家如何组织创新、管理风险并塑造未来数字秩序的模式竞争。 关键词：通用人工智能；制度性协调；模型中心主义；通用基础设施；中美竞争；AI 治理 引 言 通用人工智能日益被视为一种可能重塑经济生产、军事力量、科学研究、社会治理以及国际竞争结构的变革性技术。不同于面向特定任务的狭义人工智能，AGI通常被理解为一种具有广泛适应能力、通用问题解决能力，并能够在多个领域中发挥作用的人工智能形态。尽管 AGI 的技术路径和实现时间仍然存在高度不确定性，但主要大国已经开始将其视为一种具有深远影响的战略性技术。在所有国家中，中国和美国在全球人工智能格局中占据最重要的位置。美国长期在前沿模型研发、先进半导体、云计算、风险资本、基础研究和领先科技企业等方面保持优势。中国则在数字基础设施、产业应用、数据密集型场景、工程化部署以及政府引导下的协调能力方面形成了较强基础。因此，中美在 AGI 领域的竞争并不只是算法或模型层面的竞争，也是一场围绕不同发展路径、治理体系以及关于 AGI 应如何发展和管控的战略想象之间的竞争。 本文的核心问题是：中国和美国是否正在围绕 AGI 展开直接的战略竞争，还是说两国不同的发展路径更应被理解为由各自国内条件塑造的现实选择？这一问题之所以重要，是因为当前许多讨论倾向于将 AGI 主要理解为大国竞争的新领域。从这一视角看，哪个国家率先实现 AGI，就可能在生产力、军事能力、情报分析、科学发现和全球规则制定等方面获得决定性优势。这种竞争性叙事在美国尤为明显，AGI 越来越多地被置于国家安全、技术领导权以及对华战略竞争的框架之中。然而，如果只从战略竞争角度理解 AGI，就可能遮蔽更为复杂的现实。中国和美国并不是在同一条赛道上以不同速度奔跑。两国实际上也在围绕什么样的人工智能发展最为 重要、如何动员资源、国家应发挥何种作用、私营企业应如何被引导或约束，以及风险应如何治理等问题作出不同选择。美国更加强调由领先企业、大模型、大规模算力和高端芯片推动的前沿突破。因此，美国的 AGI 战略与规模化路径以及国家级人工智能基础设施建设密切相关。国家的作用并不是取代私营企业，而是通过资金支持、政府采购、出口管制、基础设施协调和国家安全监管来重塑战略环境。 中国的路径则具有明显不同的特征。尽管中国同样寻求基础模型和先进人工智能能力的突破，但其更广泛的战略重点在于推动人工智能融入产业升级、公共服务、政府治理和实体经济转型。与其将 AGI 仅仅理解为一场前沿模型竞赛，中国更倾向于将人工智能视为一种通用基础设施，使其广泛嵌入各个领域之中。这使得中国的 AGI 路径呈现出更强的应用驱动和基础设施导向特征。中国的治理模式也体现出不同的平衡逻辑，即在促进创新的同时，维护政治安全、数据安全、算法可控和社会稳定。因此，中美两国之间的差异可以概括为一种以模型为中心的 AGI 路径与一种以基础设施和应用为中心的 AGI 路径之间的对比。前者优先强调前沿能力、规模扩张、私营部门创新和战略优势；后者则更加重视广泛部署、产业转型、国家引导下的协调以及治理嵌入。这一区分并不意味着美国忽视应用，也不意味着中国不重视前沿模型，而是强调两国 AGI 战略重心的不同。 本文将从三个角度展开对中美两国的比较分析。首先，比较两国的技术路径，重点分析美国对大模型、芯片、算力和前沿实验室的重视，以及中国对产业场景、数字基础设施和应用生态的强调。其次，考察两国组织机制，说明美国如何在仍然高度依赖私营科技企业的同时，逐渐走向“全政府—全社会”的动员模式；而中国则更多依靠国家引导下的协调机制、平台建设和产业政策。再次，分析两国的资源配置模式，指出美国越来越倾向于从国家安全和战略竞争角度投入资源发展 AGI，而中国则将人工智能发展视为新的基础设施，提供公共产品来推动全社会 AI 发展。通过比较这两种路径，本文试图超越简单的“AGI 竞赛”叙事。本文认为，中美AGI 竞争不仅关乎技术领导权，也关乎组织创新、管理不确定性、动员资源以及界 定合法治理原则的制度能力。从这个意义上说，AGI 既是战略竞争的领域，也是现实选择的领域。AGI 的未来不仅取决于哪个国家能够发展出更强大的模型，也取决于哪个国家能够在技术创新、产业转型、国家安全和全球治理之间建立更加可持续的关系。 第一章 通用人工智能的定义及相关争议 AGI 是人工智能发展进程中最为重要的技术目标。它不仅标志着人类在技术层面所取得的最大进步，也预示着人类有可能被彻底从劳动中解放出来，因而构成人类发展史上前所未有的分水岭。1这一概念最早由卡西奥·佩纳钦（CassioPennachin）与本·戈策尔（BenGoertzel）于 2002 年正式提出，2较 1956 年麦卡锡等人在达特茅斯会议上提出“人工智能”概念已有近半个世纪。从技术层面来看，AGI 通常被理解为机器具备类似人类的推理能力和泛化学习能力。3然而，这一定义并非严格源自技术逻辑的自然演进，而更多是以人类自身为镜像所映射出的技术目标。因此，尽管大语言模型相较以往人工智能技术实现了实质性飞跃，并在诸多专项能力上表现出超过人类的水平，但其在稳定性、可解释性以及复杂推理等方面仍存在明显局限。这表明，当前技术进展与 AGI 目标之间仍存在结构性差距。 伴随着 2023 年生成式人工智能所取得的巨大突破，AGI 研究再次被提上议事日程。随着大模型能力的持续提升，产业界逐步成为推动 AGI 讨论与实践的主导力量。在这一语境下，AGI 不再被严格界定为某一明确的技术状态，而被理解为一个能力持续扩展的过程，即人工智能系统在更广泛任务范围内逐步逼近人类通用问题解决能力。在此基础上，AGI 被进一步操作化为“能够完成绝大多数具有经济价值认知任务”的系统，其评价标准也由是否复现人类认知结构，转向系统在真实场景中的通用性与可部署性。4由此可见，产业界对 AGI 的理解更强调结果导向和工程可行性。一方面，大型科技公司普遍将 AGI 视为弱人工智能能力持续“放大” 的自然结果，认为通过参数规模、训练数据与算力投入的协同扩展，可以逐步逼近通用智能水平；另一方面，将 AGI 嵌入明确的商业逻辑之中，与生产率提升、劳动替代及新型经济形态直接关联。这一逻辑使 AGI 从远期理论目标转变为企业战略与资本投入的重要锚点。 相较之下，技术界对 AGI 的理解则更为谨慎，强调不同智能系统在泛化能力、迁移能力与认知灵活性上的本质差异。5要实现人类所具备的泛化与学习能力，意味着系统需要同时具备复杂的自主推理、持续学习、跨领域迁移、环境适应、类人认知以及高度泛化等能力。6而上述每一项目标对于现有技术体系而言，都是极为严峻的挑战。许多研究者认为，将当前以大模型为代表的系统直接等同于 AGI，容易模糊专用智能与通用智能之间的根本区别，并低估 AGI 关键能力的实现难度。7在这一意义上，技术界更倾向于将 AGI 视为尚未被充分理解的智能形态，其实现可能依赖新的理论范式，而非现有技术路径的简单延伸。 然而，无论是产业界基于工程路径的乐观推进，还是技术界围绕能力本质的审慎反思，二者在当前对 AGI 的讨论中仍存在明显的结构性缺陷。产业界过度依赖“规模扩展”的技术路线，将能力提升视为通用智能的实现路径，忽视了规模效应已经遇到瓶颈的现实；技术界虽然强调能力结构与认知机制的重要性，但其讨论往往停留于理论层面，尚未取得实质性突破。进一步来看，这种分裂还叠加了显著的时间不确定性。当前关于 AGI 实现时间的预测高度分化，既存在短期实现的乐观判断，也存在长期不可达的怀疑观点，但均缺乏可验证的科学依据。从历史经验来看，人工智能发展曾多次经历周期性波动，本轮技术浪潮虽然起点更高、发展更快，但若技术与产业突破无法持续，仍可能面临剧烈调整。由此产生的巨额沉没成本与系统性风险，已超出单一市场主体的承受范围。 更为关键的是，无论是产业界还是技术界，其讨论均主要围绕“能力实现”展开，而对 AGI 一旦实现所引发的权力重构、风险外溢与制度后果缺乏充分回应。在 AGI 深度嵌入国家治理、军事安全与国际竞争的背景下，仅依赖企业主导的技术推进或技术界主导的理论辨析，已难以覆盖其所带来的系统性影响。因此，AGI的发展正在从一个技术问题，转变为一个涉及国家能力与制度安排的核心议题，而国家在其中的作用，也由外部支持者转变为关键协调者。 AGI 的发展本质上构成了一类典型的高度不确定性和高投入问题，对国家的资源动员能力与制度协调能力提出了更高要求。8在此背景下，国家不再只是市场失灵的补充者，而成为技术演进过程中的关键塑造力量。既有研究表明，在颠覆性技术领域，国家可以通过战略性介入重塑技术与市场的演化路径，将不确定的技术探索转化为可持续的发展过程。9就 AGI 而言，制度协调的核心功能不在于直接推动某一具体技术突破，而在于通过稳定预期、降低不确定性并协调多元主体，使分散的技术尝试能够围绕长期目标形成合力。10因此，国家的核心作用体现为一种制度性协调能力，即通过构建综合性的治理框架，在高度不确定的环境中整合技术路径、组织形式与资源配置。11 AGI 并非单纯依赖技术突破即可自发实现，而是嵌入于由国家通过技术路线选择、组织机制设计与资源协调配置所构成的制度环境之中。为验证上述框架的解释力，本报告选取中美两国作为比较案例。两国在 AGI 领域均投入巨大，但呈现出显著不同的发展路径。通过从技术路线、组织机制与资源配置三个维度进行比较，不仅可以验证国家制度性协调在 AGI 发展上的重要作用，还可以揭示其如何塑造AGI 发展的国家差异。 第二章 美国：模型中心主义路径 制度性协调框架下，美国围绕前沿模型