美国人工智能热潮之下的五点审慎观察

近年来，生成式人工智能的迅猛崛起深刻改变着全球科技格局与国际政治结构，它不仅成为创新竞赛的前沿，也成为资本市场的催化剂和公众舆论的焦点，甚至成为大国战略博弈的一个核心变量。然而，在AI热潮迅速升温的同时，各类技术叙事、商业叙事与意识形态叙事也交织其间，使人工智能这项原本属于科技与产业范畴的进步，迅速演化为全球秩序重构中的关键议题。

面对这样的局面，保持冷静尤为重要，因为人工智能热潮越是汹涌，就越需要对其底层逻辑与长远影响作出更加谨慎的判断。无论是生成式人工智能的技术路向，还是美国人工智能生态的本质风险，又或是全球人工智能治理的前景，都远比表象更加复杂，其未来走向可能也完全出乎当下所预料。

在短短两年间，生成式人工智能从实验室的一项技术突破发展成为全世界的关注焦点，其势头之强劲，几乎可以与互联网、智能手机诞生时期的技术革命相提并论。尤其ChatGPT面向公众开放，使人类第一次以近乎直觉的方式接触到可以对话、创作、推理甚至模拟情感的系统，这种震撼体验让许多人相信，一个新的“通用智能”时代即将到来。技术叙事与资本叙事在这一刻几乎完全重合，形成了一种强烈的宿命论式判断：人工智能不仅将改变人类社会，而且这个改变已经不可阻挡。

然而，越是在这种热潮之中，越需要冷静判断。生成式人工智能固然展现出跨时代的能力，但其技术本质仍然基于深度学习与统计模式识别的组合。它通过学习海量数据并预测语言序列，从而构建出一种“无所不知、无所不能”的表象。迄今为止，几乎所有的顶级人工智能学者都承认，生成式人工智能拥有的看似“通晓世界、能言善辩”的能力，依然只是一种基于语言预测的模拟，而非真正的“认知”或“意识”。这意味着，要冷静理性地看待一些人所谓的“人工智能正在逼近通用智能”的判断，避免盲目乐观，不能被表象所迷惑。

在科学史中，人们对突破性技术的误读并非罕见，许多技术在早期阶段都曾被人们赋予过高的期待。例如，20世纪60年代以后，连接主义、符号主义学派等人工智能发展方向都曾被寄予厚望，但因路径受限最终未能实现通用化；量子计算也在长时间的技术叙事中摇摆于“重大突破即将到来”与“技术仍需长期积累”之间。今天的生成式人工智能同样需要经历这样的历史检验，其未来走向并不取决于当下的惊艳表现，而是取决于其能否实现可持续与实质性的扩展。

更重要的是，人工智能未来的突破路径并不必然集中于单一路线。虽然大模型目前处于绝对主导地位，但其可持续性仍然存在争议。例如，模型规模是否存在极限、算力供应能否应对需求的指数级增长、数据资源是否可能耗尽、算法黑箱困局能否得到破解，这些都关系大模型路线能否继续推动整体技术前进。事实上，人工智能社区内部也正在讨论多路径共存的可能性，包括更高效的算法、新形态的计算架构、符号推理与深度学习的融合、具身智能等。历史通常不偏爱路径锁定，而是更倾向于在多种路线的竞争中推进真正的突破。

人工智能浪潮之所以在全球迅速升温，与美国的强势推动密不可分。美国拥有全球最完备的创新生态，技术人才高度集中，资本市场逐利热情高涨，科研机构与产业界的协作机制成熟。在这样的结构下，美国几乎天然地成为人工智能发展的中心，并通过技术扩散、资本流动、叙事构建等方式，对全球产生溢出效应。

然而，美国人工智能的繁荣并非单纯的科技创新成果，它同时具有明显的资本驱动特质。尤其是生成式人工智能出现以来，资本市场对人工智能的预期不断扩大，形成一种“技术革命即将到来”的强叙事。这种叙事强化了资本的投机动力，使得估值脱离实际商业能力的现象愈发普遍。一些人工智能公司甚至借“通用智能即将实现”的口号来推动融资，这使得人工智能生态在短期内呈现“过度金融化”的倾向。

在美国，人工智能产业的发展路径高度依赖大型科技公司。以指数级增长的模型训练成本使得小型企业难以参与竞争，创新活动因此愈发集中于少数巨头。数据资源、算力基础设施、训练算法都在向头部企业集中，导致人工智能行业向技术寡头体系演化。这种结构与美国原有的所谓民主化科技叙事并不一致，而是反映了资本力量与技术门槛共同作用下的新格局。创新能力并不必然带来开放竞争，资本集中反而可能带来更深的垄断。

在这样的生态中，美国的人工智能繁荣背后存在明显的社会结构性问题。人工智能带来的财富不是均等分配的，反而进一步集中于资本端与高技能阶层。对于普通民众而言，人工智能并未显著改善生活质量，中产阶级甚至感受到更强烈的职业不安全感，而底层劳动者面临被自动化取代的风险。人工智能在美国社会造成的这种技术红利“马太效应”，正在加剧其国内的贫富差距和社会紧张。

资本力量在人工智能领域的高度活跃，使美国技术革命呈现出强烈的周期性特点。过去四十年，美国科技行业经历过数次由泡沫推动而非技术突破推动的爆发，其中既包含创新，也包含投机。人工智能领域是否也可能重蹈类似路径，是影响未来几年美国人工智能产业走向的一项重要不确定性因素。

如果说前文所讨论的美国人工智能热潮，在资本驱动与技术叙事交织之下，已经显现出一定程度的寡头化、金融化乃至资源配置失衡的风险，那么对中国而言，一个更为现实的问题在于：在全球人工智能竞争不断升温的背景下，如何在积极发展的同时避免失衡。换言之，中国不仅需要回答是否发展人工智能，更需要回答如何在不过度依赖单一技术路径的前提下推进人工智能发展。

从中国的实践来看，结合“十五五”时期的政策取向，可以看到一种更加系统化的思路正在形成，即在突出人工智能重要性的同时，更加强调科技发展的结构均衡与体系协同。正如“十五五”规划纲要强调的，“加强原始创新和关键核心技术攻关”，“提高体系化创新能力”，这些导向意味着人工智能的发展并非孤立推进，而是嵌入国家科技整体结构之中。

首先，中国的科技发展路径正在从“单点突破”转向“体系推进”。人工智能虽被列为战略性前沿方向，但并未被置于压倒性优先乃至唯一的位置，而是与能源技术、新材料、量子信息、生物技术等领域并行推进。这种安排背后体现的是一种更为审慎的判断：未来国际竞争的关键，不在于某一项技术的短期领先，而是在于技术体系的完整性与稳定性。人工智能可以放大既有产业优势，但无法替代能源体系与材料体系等的基础支撑作用。如果资源过度集中于单一技术，反而可能削弱国家整体科技能力的韧性。

其次，中国的人工智能发展路径更加突出“应用导向”而非单纯的“技术导向”。与美国以模型规模和算力竞争为核心、由资本叙事不断放大的发展模式相比，中国更强调人工智能与实体经济、社会治理等各项事业的深度融合。“十五五”规划纲要提出，“全面实施‘人工智能+’行动，加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业”，反映出人工智能在中国发展逻辑中的工具属性。

再次，在资源配置层面，中国正在强化对人工智能发展的结构性约束。近年来，数据中心与算力基础设施在全球范围内快速扩张，其对能源与资源的消耗问题日益凸显，而美国的相关发展已在一定程度上呈现出对能源与社会资源的挤占效应。在这一背景下，中国在相关部署中，明显加强了对能源效率、区域布局以及资源约束的考量。从整体上看，中国的规划布局体现出一种较为清晰的战略取向：中国既不否认人工智能的重要性，也避免将其上升为唯一主线，而是将其纳入国家现代化进程的整体框架之中。这种选择，本质上是一种对技术不确定性的制度性回应——在无法确定哪一技术路径最终胜出的情况下，通过多领域并进与结构均衡，降低单一路径失误所带来的系统性风险。

在人工智能迅速扩散并深刻影响全球未来的背景下，国际社会普遍呼吁建立某种形式的全球治理体系，以防范技术风险、加强伦理约束并提升安全可控水平。然而，从现实情况来看，人工智能治理的发展进程仍然受到当前国际政治结构的深刻影响，对其前景不宜作过度乐观的预期。

中美作为全球人工智能的两个重要发展中心，在科研能力、产业规模与应用场景等方面均具有显著影响力。理论上，全球人工智能治理若要具备实质性约束力，离不开主要技术大国之间的协调与合作。近年来，中美在人工智能相关议题上并非完全缺乏互动基础，例如双方均参与了《布莱切利宣言》等多边倡议，并在一定程度上维持着科技领域的沟通渠道。

但也应看到，当前人工智能议题正在日益嵌入大国竞争与国家安全框架之中。在这一背景下，不同国家在技术发展路径、产业利益以及制度理念上的差异，使得围绕人工智能的规则协调面临较高复杂性。尤其是在关键技术、核心要素与规则制定等方面，各方更倾向于从自身发展与安全需求出发进行制度设计，这在客观上提高了形成统一规则体系的难度。

因此，当前全球人工智能治理呈现出一种“多轨并行、时分时合”的特征：一方面，在风险防控、伦理原则等共识度相对较高的领域，多边对话与原则性文件仍在不断推进；另一方面，在技术标准、产业规则以及核心能力配置等关键领域，各国之间的分歧仍然较为明显，短期内难以形成高度统一的制度安排。这种结构性特征决定了全球人工智能治理在相当一段时期内，可能更多体现为框架性协调与有限合作，而非全面统一的规则体系。

在这一现实背景下，对于中国而言，关键并不在于单纯期待外部合作条件的成熟，而是在于在开放与自主之间形成更为稳健的发展路径。具体来看，一方面，中国仍有必要积极参与现有多边机制与国际对话进程，在风险治理、伦理规范等领域推动形成更具包容性的国际共识，以维护全球技术发展的基本稳定性；另一方面，也需要在关键技术能力、产业体系与制度供给等方面持续提升自身能力，以增强在全球治理中的实际参与度与规则塑造能力。从更长远的角度看，人工智能治理的演进，很可能并非一蹴而就的制度建构过程，而是在竞争与合作交织之中逐步形成的动态调整机制。在这一过程中，能否在保持开放合作的同时提升自身发展能力，将成为影响各国在未来人工智能治理格局中地位的重要因素。

如果说当前人工智能热潮主要集中在技术突破与资本叙事层面，那么其能否产生真正的决定性影响，最终仍将取决于其能否顺利嵌入现实制度结构与产业运行体系。从历史经验来看，任何一项具有通用性潜力的技术，只有在完成与既有制度体系、产业组织形式以及社会运行逻辑的深度融合之后，才能真正释放其长期价值。而这一过程，往往远比技术突破本身更加复杂，也更加缓慢。

首先，人工智能与既有制度体系之间存在显著的不匹配。现代国家的法律体系、监管机制与责任结构，主要建立在“可解释性”“可追责性”与“主体明确性”的基础之上。然而，当前主流的生成式人工智能系统，普遍存在“黑箱化”特征，其决策过程难以被完全解释，其输出结果具有概率性与不确定性。在这种情况下，一旦人工智能系统在医疗、金融、交通等关键领域造成损害，责任归属将变得极为复杂：责任究竟应由算法开发者、模型提供方、应用企业承担，还是应由最终用户承担？这一问题在现有法律体系中尚无清晰答案。

其次，人工智能的规模化应用正在重塑传统产业组织方式，但这种重塑并不必然转化为效率提升。理论上，人工智能可以通过自动化与智能决策提高生产效率，但在实际运行中，企业往往需要投入大量资源用于系统集成、数据治理、人员培训与流程再造。这种转型成本在短期内甚至可能抵消人工智能带来的效率收益，特别是在中小企业层面，由于缺乏足够的资金与技术能力，其数字化转型往往面临投入高、回报慢的困境，从而导致人工智能红利进一步向大型企业集中。

再次，人工智能对劳动力市场的影响具有高度不确定性。当前主流观点往往在“技术创造就业”与“技术替代就业”之间摇摆，但现实情况更可能是结构性的再分配：一方面，高技能岗位需求上升，数据科学、算法工程、系统运维等领域人才供不应求；另一方面，大量中等技能岗位面临被压缩甚至消失的风险。这种“中间层空心化”的趋势，可能对社会稳定产生深远影响。历史上，技术革命往往伴随着社会结构的重塑，但这一过程如果缺乏有效的制度调节，往往会引发广泛的不满与反弹。

又次，人工智能的广泛应用正在改变信息生态与认知结构。一方面，生成式人工智能能够以极低成本生产文本、图像与视频内容；另一方面，人工智能在内容生产中的应用，在提高信息供给效率的同时，也显著增加了虚假信息与操纵性内容的传播风险。在社交媒体高度发达的环境下，人工智能可能被用于放大既有的认知偏见，甚至被用于系统性的信息操控，从而对公共讨论空间与科学决策机制产生冲击。换言之，人工智能不仅是生产工具，也正在成为影响认知秩序的重要变量。

最后，从更深层次看，人工智能的制度嵌入还涉及国家治理能力的再塑造。政府不仅需要对人工智能进行监管，还需要在公共服务、社会治理与国家安全等领域有效运用人工智能技术。这对国家能力提出了更高要求：既要避免过度监管抑制创新，又要防止技术失控带来的系统性风险。在这一过程中，不同国家的制度优势与治理传统将产生重要影响。一些国家可能通过灵活的制度安排实现技术与治理的良性互动，而另一些国家则可能因制度僵化或治理能力不足而错失发展机遇。

因此，从长远来看，人工智能的真正挑战，并不在于其技术能力是否足够强大，而是在于其能否与现实世界的制度结构、产业体系与社会运行逻辑形成稳定的耦合关系。在这一意义上，当前的人工智能热潮，或许只是一个起点，而非终点。真正决定人工智能未来走向的，将是这一技术在复杂现实中的落地能力，而这一能力，远比模型参数规模或算力水平更难以衡量，也更值得审慎观察。

来源：《现代金融导刊》2026年第6期