中美通用人工智能发展路径比较研究：战略竞争与发展道路

主编 制片人 陈东晓 李凯声 执行总编辑 刘欣 执行制片人 毛瑞鹏 编辑 陈雪 © 2026 上海国际问题研究院 此处所表达的观点系作者个人观点，并不一定反映机构立场。 版权所有。未经上海国际问题研究院书面许可，不得以任何形式或任何方式复制或传播本出版物之任何部分。如有疑问，请联系： 上海国际问题研究院上海市徐汇区天林路195-15号 邮编：200233，中国电话/传真：+86 21 64850100http://www.siis.org.cn 该出版物可从SIIS网站免费下载。 关于作者 陆传英 同济大学政治与国际关系学院教授，上海国际问题研究院（SIIS）访问研究员 内容 Abstract····························································································································01Introduction·····················································································································02 2.1 选中技术路线图：以大模型为中心的战略整合······102.2 组织机制：政府统筹、社会协同模式··············11 3.1 选中技术路线图：以应用驱动为核心，赋能所有产业································································································································································ 16 人工智能通用智能（AGI）已成为下一阶段技术竞争和全球治理的关键前沿。中美作为人工智能（AI）领域两大重要参与者，正塑造着不同的发展AGI路径。本文认为，双方之间的这种分歧不应仅仅被理解为技术竞赛或地缘政治对抗，而应是两国基于自身创新体系、产业结构、资源禀赋、安全关切和治理传统所做出的不同实践选择的产物。美国采取以模型为中心的方法，强调尖端基础模型、规模法则、先进芯片、大规模计算基础设施以及领先科技公司同联邦政府之间的紧密协调。在此模式下，AGI日益被视为与国家竞争力、军事优势、科学发现和全球技术领导力密切相关的一种战略能力。相比之下，中国AGI发展则通过强调以下领域来突出基础设施和应用导向特征：AI能力在产业间的广泛扩散、公共及产业AI基础设施的发展、AI与实体经济的深度融合，以及平衡创新、安全和社会稳定的治理框架。本文从技术路线图、政市关系和治理逻辑等角度，比较了中美在AGI发展路径和治理模式上的异同。研究发现，美国模式的特点在于尖端能力的集中、私营部门的主导作用以及安全驱动的全国性动员，而中国模式则突出应用扩散、国家主导的基础设施建设以及嵌入产业发展中的治理模式。这些差异表明，AGI的竞争不仅关乎谁将率先达到技术前沿，更关乎各国在组织创新、管理风险和塑造未来数字秩序时所采用的不同模式。 人工智能（AGI）正日益被视为一种变革性技术，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格局。与狭义的任务特定型人工智能（AI）不同，AGI通常被理解为一种具有广泛适应性、能够进行通用问题求解、并在多个领域发挥作用的人工智能形式。尽管AGI的发展路线图和实施时间表存在巨大不确定性，但主要国家已开始将其视为具有深远影响的关键战略技术。在所有国家中，中国和美国在全球人工智能版图中占据核心地位。美国长期以来在尖端模型研发、先进半导体、云计算、风险投资、基础研究以及领先科技企业等众多领域保持着优势。与此同时，中国在数字基础设施、产业应用、数据密集型场景、工程化部署和政府主导的协调能力等方面奠定了坚实基础。因此，中美在AGI领域的竞争不仅限于算法或模型层面，还涉及发展路径、治理体系以及关于如何研发和管理AGI的战略构想。 此处需解决的核心问题是：中美是否在AGI领域进行直接的战略竞争，抑或它们对AGI发展的不同方法应更多地被理解为受各自国内条件塑造的实际选择？此问题至关重要，因为当前许多讨论往往主要将AGI视为大国竞争的新领域。从这一角度看，率先实施AGI的国家，很可能在生产力、军事能力、情报分析、科学发现以及全球规则制定方面获得决定性优势。这种竞争叙事在美国尤为明显，AGI越来越多地被置于国家安全、技术领导力以及与中国战略竞争的框架之下。然而，仅从战略竞争的角度理解AGI，可能会掩盖更复杂的现实。中美并非在同一条跑道上以不同速度奔跑。事实上，这两个国家在一系列问题上做出了不同的选择，包括发展何种类型的AI。 发展是首要任务，如何调动资源、国家应扮演何种角色、民营企业应如何引导或规范，以及如何管理风险。美国更侧重由领先企业、大型模型、大规模计算和高端芯片驱动的前沿突破。因此，美国的通用人工智能战略与其规模化方法及国家级人工智能基础设施建设密切相关。联邦政府的作用并非取代民营企业，而是通过资金支持、政府采购、出口管制、基础设施协调和国防安全监管来重塑战略环境。 中国的策略呈现出显著不同的特点。尽管中国也在寻求基础模型和先进人工智能能力方面的突破，但其更广泛的战略重点是推动人工智能与产业升级、公共服务、政府治理以及实体经济转型相结合。中国并非仅仅将通用人工智能（AGI）视为一场前沿模型的竞赛，而是倾向于将人工智能视为一种需要广泛嵌入所有领域的一类通用基础设施。这使得中国的AGI方法看起来更具应用驱动和基础设施导向的特点。中国的治理模式也体现了一种不同的平衡逻辑，即在促进创新的同时维护政治安全、数据安全、算法可控性和社会稳定。因此，美国和中国在AGI方面的差异可以总结为AGI中心化方法与基础设施和应用中心化方法之间的对比。前者侧重于尖端能力、规模化、私营部门的创新和战略优势，而后者则更强调广泛部署、产业转型、国家主导的协调以及治理嵌入。这种差异并不意味着美国忽视应用或中国低估前沿模型。相反，它突显了两国AGI战略的不同侧重点。 本文将从三个维度对中国和美国进行比较分析。首先，两国技术路线图的比较重点关注美国对大型模型、芯片、计算能力和前沿实验室的高度重视，以及中国对工业场景、数字基础设施和应用生态系统的强调。其次，对两国组织机制的考察表明，美国随着时间的推移逐渐转向“政府统筹、社会参与”的动员模式，同时高度依赖私营科技公司；而中国则更依赖国家主导的协调机制、平台发展和产业政策。第三，对两国资源配置模式的分析表明，美国越来越倾向于根据国家安全和战略竞争投资通用人工智能（AGI）的发展，而中国将人工智能视为新型基础设施，提供公共服务以促进全社会的人工智能发展。通过比较这两种方法，本文试图超越“AGI竞赛”的简单叙事。本文认为，中美在AGI领域的竞争不仅关乎技术领导力，也关乎组织创新、管理不确定性、动员资源和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，也是实际选择的领域。AGI的未来不仅取决于哪个国家能开发出更强大的模型，还取决于哪个国家能在技术创新、产业转型、国家安全和全球治理之间建立更可持续的关系。 通用人工智能（AGI）是人工智能发展过程中要追求的主要技术目标。它标志着人类在技术层面取得的重大进步，预示着人类有可能完全从劳动中解放出来。因此，AGI将是人类历史上前所未有的分水岭。1 “AGI”这一术语最早由卡西奥·佩纳奇尼和本·格茨于2002年提出，2 这距离马卡锡等人于1956年在达特茅斯研讨会上首次提出“人工智能”这一术语几乎半个世纪。从技术角度来看，AGI通常被理解为机器在推理和泛化学习方面具有类似于人类的能力。3 从严格意义上讲，这个定义并非来自技术逻辑的自然演进；相反，它更多地是人类自身所体现的一种技术目标。因此，尽管与之前的AI技术相比，大型模型取得了实质性的飞跃，并在各种特定能力上超越了人类，但它们在稳定性、可解释性和复杂推理方面仍然存在明显的局限性。这表明当前的技术进步与AGI目标之间存在结构性差距。 2023年生成式AI取得重大突破，使通用人工智能（AGI）研究再次提上议程。随着大模型能力的持续提升，产业界逐渐成为推动AGI相关讨论和实践的主导力量。在此背景下，AGI不再被严格定义为一种特定的技术状态，而是被理解为一种能力扩展的过程。换句话说，AI系统在更广泛的任务范围内，正接近人类的通用问题解决能力。基于此，AGI进一步被操作化为一个“能够执行大多数具有经济价值认知任务的系统”，相应地，其评估标准也从能否复现人类认知结构转向了系统的通用性和现实场景中的可部署性。4 这表明产业界对AGI的理解更侧重于结果导向和工程可行性。一方面，大型科技公司通常将AGI视为弱AI能力持续“规模化”发展的自然结果，认为可以通过参数规模、训练数据和计算力投入的协调扩展来接近通用智能水平。另一方面，他们将AGI融入了清晰的商业逻辑，直接将其与生产力提升、劳动力替代和新的经济形态联系起来。这种逻辑将AGI从一项长远的理论目标转变为企业战略和资本投入的重要锚点。 相比之下，科技界对通用人工智能（AGI）的理解则更为谨慎，强调智能系统在泛化能力、迁移能力和认知灵活性方面存在的本质差异。5 为了获得人类所拥有的泛化和学习能力 AGI系统需要同时具备复杂自主推理、持续学习、跨领域迁移、适应性、类人认知以及高级泛化能力。6 每个上述目标都对现有技术系统构成了严峻的挑战。许多研究者认为，将大型模型所代表当前系统直接等同于AGI，很容易模糊专门智能与通用智能之间的根本区别，并低估获得关键AGI能力之难度。7 在此意义上，技术界更倾向于将AGI视为一种尚未被完全理解的智能形式，其实现可能依赖于一种新颖的理论范式，而非现有技术路线图的简单延伸。 然而，当前关于通用人工智能（AGI）的辩论仍存在明显的结构性缺陷，无论是工业界在工程方法下所进行的乐观推动，还是技术界对AGI能力本质的审慎反思。工业界过度依赖“扩展”的技术路线图，将提升能力视为通往通用智能的路径，却忽视了扩展效应已遭遇瓶颈的事实。技术界强调能力结构和认知机制的重要性，但其关于AGI的辩论往往停留在理论层面，实质性突破尚未实现。此外，这种分歧还伴随着时间表的巨大不确定性。当前关于AGI何时能够实现的各种预测差异巨大，既有对其短期达成的乐观判断，也有预测其长期无法实现的怀疑观点，但两者均缺乏可验证的科学依据。历史上，人工智能的发展经历了多次周期性波动。当前的技术浪潮起点更高，发展速度更快。但如果技术和产业突破无法持续，可能会有剧烈的修正。在这种情况下，由此产生的巨大沉没成本和系统性风险将任何单一市场参与者都无法承受。 更重要的是，无论是工业界还是科技界，相关的讨论主要集中于“能力的实施”，而对于AGI一旦实现后可能出现的权力重组、风险外溢和制度性后果，则缺乏充分的回应。鉴于AGI已深度融入国家治理、军事安全和国际竞争之中，单纯依靠企业主导的技术推动或技术圈主导的理论分析，难以涵盖由此产生的系统性影响。因此，AGI的发展正从技术问题演变为一个涉及国家能力和制度安排的核心问题。相应地，国家所扮演的角色已从外部支持者转变为关键协调者。 人工智能通用（AGI）的发展本质上是一个高不确定性、高投入的典型案例，这对一个国家调动资源、协调机构的能力提出了更高的要求。8 鉴于此，国家不再仅仅是市场失灵的补充；相反，它已成为塑造技术演进的关键力量。现有研究表明，在颠覆性技术领域，国家可以战略性地“介入”，重塑技术演进的路径。 市场，将不确定的技术探索转化为可持续发展进程。9 在通用人工智能（AGI）的情况下，制度协调的核心功能不在于直接推动特定技术突破，而在于通过稳定预期、降低不确定性以及协调不同参与者，将零散的技术尝试