為何中國的人工智慧策略與西方的方法截然不同

中國與美國之間的人工智慧競賽揭示了兩種根本不同的科技未來哲學。華盛頓將大量資源投入追求理論突破——尤其是人工通用智慧(AGI)——而北京則採用一種對比鮮明的方法，專注於在當今社會部署可行的解決方案。

資金差距：資金實際流向何處

這種分歧始於資源配置。美國科技巨頭如OpenAI、Meta和Google正將資金投入投機性的AGI項目，押注能超越人類思考的機器將帶來前所未有的經濟優勢和地緣政治主導權。他們的策略假設理論上的優越性能轉化為現實世界的力量。

中國的金融架構則講述著另一個故事。今年一月，中央政府宣布設立84億美元的AI基金，專門支持初創企業。隨後，省、市、銀行等機構紛紛在國家“AI+”戰略下推出自己的AI支持計劃。到本月，北京的內閣已正式制定額外指令：在科學研究、製造業和教育領域推廣AI，以加速2030年前的經濟增長。

這一區別極為重要。中國的國家協調式方法資助的是分散的、實用的實施方案。美國模式則優先突破性研究，依賴私營部門的分散資金。

從理論到實務：中國的AI實際應用在哪裡

深Seek在雄安——一個為北京南部打造的專用城市——的部署展示了中國的運營哲學。農業AI系統幫助農民優化作物選擇、管理害蟲控制和安排播種周期。該市氣象局利用相同工具提升天氣預報的準確性。地方執法部門使用AI處理刑事案件數據，制定應對策略。每天處理數十萬市民請求的市政12345熱線，現在也使用AI自動分類和轉接查詢。

這些都不是實驗性項目或試點，而是融入城市運作基礎設施的一部分。

在各大城市中心，類似的部署已成為標準。教育AI系統用於評分考試。醫療機構嵌入AI助手，為醫生提供實時醫療指導。製造工廠運行“黑暗工廠”——完全自動化的設施，沒有人工員工，機器人進行質量檢查和生產流程管理。

數據中心的分歧：訓練與部署

基礎設施投資反映了戰略分裂。美國數據中心規模龐大，主要用於AGI訓練——需要極高的計算能力來處理海量數據集。中國數據中心規模較小，但在多個地區具有更高密度，設計用於支持已在生產中的應用，而非假設性的未來系統。

這一差異部分是非自願的。美國對半導體出口的限制限制了中國獲取尖端晶片，使得大規模訓練在經濟上變得低效。務實的應對策略是：優化現有技術，部署可行的系統。

為何這一策略或許真的奏效

前Google執行長Eric Schmidt和分析師徐思琳在《紐約時報》指出，美國對AGI的執迷可能忽略了中國的方法論優勢：現有的技術已經足夠產生有意義的社會轉型。等待理論上的完美，意味著推遲功能性工具的部署。

OpenAI的GPT-5近期失敗的事件進一步加強了這一擔憂。CEO山姆·奧特曼公開承認這次推出“混亂”，並警告AI投資泡沫——暗示以AGI為中心的策略可能正面臨現實的限制。

一個不完整的畫面

中國並未完全放棄AGI研究。阿里巴巴和深Seek都宣布了專注於AGI的項目。分析人士推測，習近平可能在有意淡化公眾對AGI的重視，同時暗中推進——這是一種“兩手策略”，而非純粹的非此即彼。

數據揭示了一個關於AI未來的根本問題：這項技術的最大價值是鎖定在假設的超智能系統中，還是已經嵌入在當今重塑社會運作的實用工具中？中國的策略手冊表明，後者的觀點值得認真考慮。