科技高管、国家安全分析师和美国官员一致认为，美国必须在与中国的人工智能（AI）竞争中取得胜利。
2024年10月，拜登政府国家安全顾问杰克·沙利文警告称，如果美国不“更快、更全面地部署人工智能，以加强国家安全”，那么将“浪费其得之不易的领先优势”。
在特朗普政府的首个行政命令中也明确表示，其目标是“维持和提升美国的全球人工智能主导地位”。
华盛顿在争取AI霸权的过程中采取了双管齐下的战略：通过限制关键技术组件的出口来遏制中国，并在基础性AI模型方面加速国内创新。
为了实现后者的目标，两届政府都采取了相对轻的行业监管，针对半导体和能源基础设施进行投资，并鼓励联邦政府特别是国防和情报机构在多种用途上应用AI，从调查食品安全事件到检测金融欺诈。
到目前为止，这些政策使美国企业在市场份额和模型性能上保持了对中国竞争对手的领先优势。
然而，华盛顿不能也不应该指望这一领先地位会永远持续下去。
中国人工智能公司如DeepSeek、阿里云、百度和腾讯的最新突破表明，美国与中国在尖端AI能力间的差距正在缩小，且美国在AI领域的霸主地位远未确保。
即便在继续争夺主导权的同时，华盛顿也需要为可能在AI竞争中落后的未来做好准备，或者至少是在中国AI模型在全球市场同样受欢迎的情况下的未来。
然而，为了准备可能的“第二名”，并不意味着华盛顿注定要重蹈5G竞争的覆辙，在那场竞争中，美国在提供价格合理、创新产品方面苦苦挣扎，而中国则迅速领先。
通过促进更丰富的框架，充分考虑AI对新兴市场最具吸引力的特征，促进开发者在模型之间的迁移，构建系统使用户能够比较竞争性AI模型的输出，并安全地与模型开发者、合作伙伴和盟友共享美国数据，华盛顿可以确保即使没有成功全球AI霸权，仍能安全地从AI革命中受益。
在2024年夏季之前，美国似乎已经找到了AI主导权的成功公式。
来自学术研究、出版物和人才的美国生态系统，加上私营部门的资本和开发，以及极其轻的监管监管，共同推动了快速的模型创新。
自2022年ChatGPT首次震撼全球以来，OpenAI与谷歌的Gemini等美国基础模型在这两年中展现出了显著的进步。
AI工具在减少“幻觉”现象方面取得了进展（即AI生成虚假或矛盾信息的现象），能够消耗和生成图像与声音，掌握更复杂的任务，并在推理能力方面有所增强。
更多的美国科技公司，包括Anthropic、xAi和Meta迅速采取行动，开发出更大规模的模型，能够快速掌握如理解语音和图像、编程以及解决复杂科学问题等基准任务。
随着美国模型展现出其速度和掌握能力，全球市场份额和国际用户迅速增长。
到2023年底，领先的美国模型在响应准确性方面超越其中国竞争对手超过十个百分点。
然而，中国已通过一系列新政策快速缩小了这一差距，比如《下一代人工智能发展规划》，强调AI教育与劳动培训，强大的科研投资，以及北京与科技产业之间的密切协作。
此外，中国在数据中心、能源传输和半导体制造上的巨额公共投资也为其缩小与美国AI工具在大多数受欢迎基准上的差距提供了基础。
到2024年底，DeepSeek和Qwen的性能已经与美国模型持平，令人担忧的是，美国曾经显著的领先优势已经消失。
与此同时，中国在高科技制造业中融入AI已处于领先地位。
例如，起初作为智能手机制造商的Xiaomi，平均每76秒便以超过700台AI引导的机器人生产一辆新的电动车。
AI在中国城市被广泛应用于交通管理、监控和执法方面，省级和市级政府也在试验AI创新区，以推动治理、健康和教育中的新应用。
与此同时，美国对出口的控制措施在阻止中国获取先进芯片方面的效果，不如许多政策制定者和行业分析人士所预期。
北京通过壳公司和储备芯片绕过这些管控，其国内芯片开发程序也在加速推进。
中国公司还开创了软件开发技术，以最大限度利用现有硬件，优化模型的训练和推理时间并降低整体成本。
无论这些进展是否已经明确将中国推到了领先地位，可以肯定的是，美国在人工智能领域的绝对主导地位的时代已经结束。
然而，美国AI企业仍有可能在基础AI模型的许多方面保留其全球领先地位。
OpenAI与软银和Oracle合作，于1月宣布了一项名为Stargate的价值5000亿美元的AI基础设施投资项目，亚马逊、Meta、微软和谷歌也在不断投资于初创企业、AI实验室和人才。
亚马逊AWS、微软Azure和谷歌云占据了全球云市场超过60%的份额，这为模型的构建和部署提供了关键资源，而中国顶级云服务商阿里巴巴仅有4%的市场份额。
但是，推动美国公司在过去三年取得的技术创新的步伐，可能不足以赶上中国，或者在AI发现的前沿进展愈加困难的情况下，可能难以维持。
美国在全球人才竞争中的滑坡，以及联邦研究经费的削减都将对创新造成影响。
华盛顿应竭力防止这一情形的发生。
白宫科技与技术办公室也已开始制定新的国家人工智能行动计划，该计划预计在7月份发布。
尽管如此，政策制定者也应为竞争性AI生态系统共存的世界做好准备。
幸运的是，华盛顿可以找到替代策略，以保证美国即使未能赢得创新竞争，亦能受益于AI进步。
首先，美国应寻找新的方法向全球市场展示其模型的优势。
美国国家标准与技术研究所可以通过人工智能安全研究所以及行业合作伙伴，推动基础性AI模型的新评估框架。
目前的标准基准主要集中在语言理解、推理和对话能力等原始能力，而忽略了其他衡量标准——例如模型的透明度、问责制、可及性、运营成本，以及对模型权重的修改的方便程度。
采用新评估框架， incorporating 这些措施可以吸引新市场和用户，即便美国公司在标准基准上未必能持续超越中国模型。
随着更多模型的出现，用户希望避免在美国或中国当前的产品之间做出选择，并因而被锁定。在即将到来的AI消费选择中，降低模型间的迁移成本将成为一个吸引人的卖点。
美国AI行业可以通过减少购买价格和降低在模型间迁移所需的软硬件改造和人员培训的复杂性，来降低过渡到其模型的成本。
而华盛顿还可以在国际标准化组织内主导制定应用程序接口（API）——这些允许不同软件程序之间进行沟通和数据交换的协议——的标准化工作，降低模型间迁移的成本，减少对某一国家AI产品的依赖。
即使中国模型最终取得了领先地位，确保全球用户可以在多种模型之间获得收益，并在美国模型再次崛起时能够随时切换回去，将是一个明智的选择。
随着中国（及其他国家）模型的不断增强并深入全球市场，华盛顿不能仅仅依靠强调审查和间谍活动的风险，指望美国和外国公司拒绝采用它们。
相反，美国公司必须构建能够在基础模型上运行的系统和应用，同时减轻对任何特定模型的依赖。
在应用程序和基础模型之间加入中间抽象层，该层可以隔离下游系统与基础模型，从而使应用程序更加独立和弹性。
如果基础模型的更改以消极方式影响下游应用程序的性能，或者出现更好的基础模型，新开发的下游应用程序能够迅速切换至不同的基础模型。
美国用户和公司使用中国基础模型确实带来了风险，包括对不正确、偏见、剥削性甚至有害输出的脆弱性、敏感数据暴露于潜在对手的风险及可能导致整个经济部门瘫痪的服务中断威胁。
当他们确实在外国基础模型上构建项目时，美国公司需要确保其下游应用程序能抵御这些威胁。
美国公司应构建能够比较性能较低但较可信的模型与更强大但可信度较低的模型的裁决系统，以评估不可信模型产生的回应是否令人满意，通过警告用户潜在风险，防止错误回应的使用。
虽然这样的系统将提高开发和维护成本，并降低响应速度，但政策制定者应优先考虑将裁决系统集成到那些受外国技术引入影响最大的下游应用程序中，例如医疗诊断、欺诈识别和交通控制。
最后，美国应对美国开发者和公司与外国模型构建者共享的数据类型进行监管，而不是默认实施对所有数据交换的全面禁令。
鉴于隐私和国家安全的原因，华盛顿当然对与中国共享数据持谨慎态度，但在某些情况下，通过美国数据微调中国模型的经济或社会收益可能会超过风险。
例如，如果某款中国AI工具在医疗诊断和建议治疗方面表现出比其美国同行更高的准确性，那么美国医院应当使用该中国模型，即便这意味着共享个人患者信息，或者甚至是可以用于微调模型与美国人群相关性的更大人群数据。
在这些情况下，美国企业可以通过数据匿名化、数据脱敏以及差分隐私即数学框架，限制个体信息共享，同时对群体数据进行共享，来减少隐私和安全风险。
华盛顿希望标准化新评估指标并制定与盟友和伙伴的数据共享指导方针。同时，需要为缺乏在模型间迁移方面的专业知识的伙伴提供技术和财政援助，同时建立和应用能够裁决竞争模型的系统。
面对全球AI环境的演变，美国已不再能保证绝对优势。
美国政策制定者不能仅依赖爱国主义的号召，而忽视了国家早期领先地位的可能不再持续的事实。
美国当然应该继续努力保持其领先地位。
一种更负责任且更现实的战略，应当是促成有助于美国蓬勃发展的政策，同时为美国未能获得绝对主导权的情形做好准备。
否则，华盛顿将面临最糟糕的结果：一个借助AI提升经济和军事实力的更强竞争对手，而美国国内AI产业却因为无法跟上而受到限制，难以如需要那样构建中国模型。
获得第二名并不是美国AI的死亡之音，但拒绝适应竞争将是灾难性的。
图片源于：https://www.foreignaffairs.com/united-states/what-if-china-wins-ai-race
