为什么中国的人工智能战略与西方的做法截然不同

中国与美国之间的人工智能竞争揭示了两种根本不同的技术未来哲学。华盛顿将大量资源投入到追求理论突破——特别是人工通用智能(AGI)——而北京则采取了以部署实际解决方案于当今社会为核心的对比方法。

资金差距：资金真正流向何处

分歧始于资源配置。美国科技巨头如OpenAI、Meta和Google正将资金投入到投机性的AGI项目中，押注能够超越人类思考能力的机器将带来前所未有的经济优势和地缘政治主导权。他们的策略假设理论上的优势能转化为现实世界的力量。

中国的金融架构讲述了不同的故事。今年一月，中央政府宣布设立84亿美元的AI基金，专门支持创业公司。随后，各省、市和银行机构纷纷在国家“AI+”框架下推出自己的AI支持计划。到本月，北京的内阁已正式制定了额外指令：在科研、制造和教育等领域部署AI，以加快到2030年的经济增长。

这一区别极为重要。中国的国家协调方式支持分布式的实际应用。美国模式则优先突破性研究，依赖分散的私人资金。

从理论到操作：中国的AI实际应用在哪里

深Seek在雄安——一个为此而建的城市，位于北京南部——的部署体现了中国的操作哲学。农业AI系统帮助农民优化作物选择、管理害虫控制和安排播种周期。城市的气象部门利用相同工具提升天气预报的准确性。地方执法部门使用AI处理刑事案件数据，制定应对策略。市政的12345热线每天处理数十万市民请求，现在也使用AI自动分类和转发咨询。

这些都不是试验项目或试点，而是融入城市的基础设施中。

在各大城市，类似的部署已成为标准。教育AI系统用于评分考试。医疗机构嵌入AI助手，为执业医生提供实时医疗指导。制造工厂运营“黑暗工厂”——全自动化设施，没有人工员工，机器人进行质量检测和生产流程管理。

数据中心的差异：训练与部署

基础设施支出反映了战略分工。美国的数据中心庞大，主要用于AGI训练——需要极高的计算能力来处理庞大的数据集。中国的数据中心规模较小，但在多个地区密度更高，设计支持已在生产中的应用，而非假设的未来系统。

这种差异部分是被动的。美国的芯片出口限制限制了中国获取尖端半导体，使得大规模训练在经济上变得低效。务实的应对策略是：优化现有技术，部署能实现的应用。

为什么这种策略可能真的奏效

前Google CEO埃里克·施密特和分析师徐思琳在《纽约时报》上指出，美国对AGI的执迷可能忽视了中国的方法论优势：现有技术已经足够强大，能够带来有意义的社会变革。等待理论上的完美意味着推迟功能性工具的部署。

OpenAI的GPT-5最近的失败也强化了这一担忧。CEO山姆·奥特曼公开承认此次发布“混乱”，并警告AI投资泡沫——暗示以AGI为中心的策略可能正面临现实限制。

不完整的全景

中国并未完全放弃AGI研究。阿里巴巴和深Seek都宣布了专注于AGI的项目。分析人士猜测，习近平可能在有意减弱公众对AGI的关注，同时暗中推进——这是一种“既要又要”的策略，而非纯粹的非此即彼。

数据揭示了关于AI未来的一个根本问题：技术的最大价值是否锁定在假设的超级智能系统中，还是已经嵌入到当今重塑社会运作的实用工具中？中国的策略表明，后者的观点值得认真考虑。