中國正在利用美國的AI知識庫答案在於可控的精準開放
多年來，華盛頓在看待美中人工智慧競爭時，主要著眼於技術層面。其邏輯很簡單：先進的人工智慧需要先進的晶片、強大的計算能力、精密的半導體設備、前沿模型以及龐大的數據中心。如果美國能夠控制對這一技術棧關鍵環節的訪問權限，就能保持其技術領先優勢，同時減緩中國的進步。
但安娜·唐（Anna Tong）近期在《福布斯》雜誌上發表的一項調查揭示了這一框架的局限性。她報導稱，專門從事人工智慧訓練數據的美國公司正與中國科技公司開展大量業務。這些公司提供的服務遠不止是標註照片或清理數據集。它們組織程式設計師、科學家、數學家、金融專家和其他領域的專家，構建複雜的難題，設計解決方案，建立評估標準，並創建用於在初始訓練後改進人工智慧模型的複雜數據集。唐報導稱，中國領先的人工智慧實驗室每年在與美國訓練數據公司合作方面的總支出約為5億美元。據報導，其中一些公司尋求的數據集與美國前沿實驗室購買的數據集類型相同。
這就產生了一個非同尋常的悖論。華盛頓或許可以阻止一家中國人工智慧公司購買英偉達最先進的晶片，而一家美國公司卻可以出售相關技術，從而大幅提升其現有晶片和模型的性能。
問題不僅僅在於出口管制方面的漏洞，它揭示了一個更根本的問題：美國對人工智慧戰略資產的定義過於狹隘。
我們需要一個比技術轉移更廣闊的概念。我建議稱之為人工智慧知識管道：這是一個有組織的流程，通過該流程，人類的專業知識、科學技術知識、任務設計、評估方法、訓練數據和訓練後經驗被轉化為可轉移的輸入，從而提升人工智慧系統的能力。
想像一下，美國程式設計師攻克複雜的編程難題，數學家構建推理練習，科學家評估模型響應，醫生區分良莠不齊的答案，工程師設計精密的基準測試。他們的工作最終可以轉化為機器可讀的訓練材料。因此，轉移的不僅僅是「數據」。人類知識已被提煉、結構化、評估並轉化為機器智能的輸入。
隨著人工智慧的進步，這種區別變得愈發重要。當前人工智慧革命的第一階段強調規模：更多的數據、更多的GPU、更多的參數、更強大的計算能力。但前沿競爭越來越取決於大規模預訓練之後的發展——推理、強化學習、合成數據、專家評估、工具使用、智能行為以及專業領域知識。稀缺的戰略資源不再僅僅是計算能力，而是用於訓練人工智慧的組織化智能。
這引出了一個關於中美人工智慧競爭的更廣泛的結論。人們通常將其描述為兩種人工智慧「技術棧」之間的競爭，但真正的競爭發生在兩個人工智慧生態系統之間。
該技術棧由可識別的技術層組成：能源、半導體製造、晶片、雲基礎設施、基礎模型和應用。但一個生態系統涵蓋的內容遠不止於此：大學、研究人員、工程師、企業家、風險投資、移民、開源社區、能源和製造能力、數據市場、智慧財產權制度、監管體系、聯盟、國際標準和知識管道。
任何單一因素都無法決定最終的勝負。中國在尖端GPU領域可能落後於美國，但在電力生產、製造規模、產業部署、工程人才以及龐大的國內市場方面卻擁有優勢。美國在尖端模型方面可能領先，但在先進半導體製造方面卻嚴重依賴台灣。中國可能無法獲得美國最新的晶片，但可以通過提高效率、發展國產硬體、開放權重模型或利用美國提供的訓練數據來部分彌補。最終結果將是整個生態系統中各種優勢和劣勢綜合作用的結果。
這種觀點揭示了將技術出口管制作為人工智慧戰略核心的不足之處。出口管制固然必要，尤其對於那些具有直接軍事或情報應用價值的技術而言。然而，僅僅控制實體技術而忽略使其發揮作用的知識、人才、資本、服務、專業技能和網絡，在戰略上是不完整的。
與此同時，試圖控制一切也會帶來另一種危險。美國最大的技術優勢歷來正是源於其開放性。美國吸引著世界各地的科學家，培養外國學生，在全球範圍內開展業務，進行跨國合作，並通過開源軟體和廣泛使用的平台傳播美國的技術標準。
這種開放不僅僅是慷慨，更是美國力量的源泉。如果印度、歐洲、東南亞——以及在某種程度上包括中國——的工程師們都依賴美國的技術，那麼這個世界就可能變成一個依賴於以美國為中心的技術生態系統的世界。美國獲得的不僅僅是客戶，更是強大的全球影響力。
因此，美國面臨著兩個看似合理卻又危險的極端。其一是完全開放。如果中國能夠系統性地吸收美國的創新成果，並將其與自身龐大的工程技術人員、製造能力、國家資源、數據、能源基礎設施和國內市場相結合，那麼開放政策或許就能為中國提供彌合差距、最終超越美國所需的關鍵要素。屆時，美國將承擔大部分知識創造成本，而其主要競爭對手則會迅速將其內化。
另一個極端——全面遏制——則蘊含著另一種同樣嚴重的風險。如果華盛頓試圖徹底切斷中國與美國技術、研究、資本、人才、模式和知識的聯繫，北京將有強大的動力消除其剩餘的依賴，並構建一個從晶片到模式再到標準的平行生態系統。華盛頓非但不會維護以美國為中心的全球體系，反而可能加速建立一個以中國為中心的替代方案，與世界其他地區展開競爭。因此，無論採取哪種極端策略，如果執行不當，最終都可能導致相同的結果：美國在人工智慧競爭中敗北。
因此，戰略選擇不能簡單地歸結為接觸與遏制、開放與封閉。美國需要的是一種有管理的精準開放。
不要把這種關係想像成一個只有「開」和「關」兩個開關的控制面板，而應該把它想像成一個包含數十個分級開關的控制面板。先進的GPU可能幾乎處於關閉狀態。某些科學交流可能仍然基本開放。一些前沿模型功能可能會受到限制，但開源研究仍然可以訪問。投資、雲端運算、人才流動、數據集、研究合作、半導體設備、人工智慧模型和人工智慧知識管道等都將在控制面板上占據不同的位置——而且隨著技術、中國能力和戰略環境的演變，這些位置也會隨之改變。
對於每一個決策，最重要的問題既不應該是「我們能否阻止中國獲得這項技術？」，也不應該是「限制這項技術會損害美國企業嗎？」而應該是：在這個特定領域，開放到什麼程度才能最大限度地增強美國人工智慧生態系統相對於中國生態系統的長期實力和影響力？
有時，解決問題的辦法是關上一扇門；有時，則需要把門開得更大一些。
美國的開放性本身可以進行戰略部署。其目標不應僅僅是讓中國在技術上落後。一個更具雄心的目標是保持美國生態系統的創新性、吸引力、不可或缺性和全球互聯性，從而使中國——更重要的是，世界其他國家——持續擁有參與其中的強大動力，而不是轉向與之競爭的中國體系。
從這個意義上講，相互依存未必總是弱點。如果結構合理，它也可以成為優勢。如果全球人工智慧發展的關鍵部分繼續依賴美國的科技、研究機構、標準、平台、人才網絡和知識渠道，那麼美國所擁有的優勢並非僅僅通過比較太平洋兩岸的GPU數量就能衡量的。
可控的精準開放將極難實現。政策制定者必須識別真正的瓶頸，將其與商品區分開來，預測替代效應，與盟友和私營企業協調，並隨著技術變革不斷調整政策。昨日的關鍵技術可能成為明日的商品；限制一種投入可能會意外地加速中國在另一種領域的創新。
但困難並非否定必要性的理由。風險太高，不能僅僅依靠少數幾種易於識別的技術來構建戰略。要想取得勝利，可能需要國家具備相當的實力、技術理解力、私營部門合作能力以及戰略智慧，而這些在和平時期，民主政府很少需要維持。
因此，《福布斯》的調查應該引發一場比美國數據公司是否應該向中國實驗室出售特定數據集更為廣泛的辯論。它應該迫使華盛頓捫心自問一個更根本的問題：美國究竟想要保護什麼？它究竟想要引領什麼？
如果答案是世界領先的人工智慧生態系統，那麼美國必須保護構成真正戰略優勢的技術和知識渠道，同時保持足夠的開放性，讓科學家、企業家、公司、盟友——以及在具有戰略優勢的情況下，甚至是競爭對手——繼續圍繞美國體系運轉。
人工智慧競賽的勝利並非在於圍繞最先進的技術築起最高的圍牆，而在於構建最強大的生態系統，並極其精準地知道在哪裡築牆、在哪裡設閘，以及何時、以何種程度開放這些屏障。