中美AI的竞合共生
中美AI的竞合共生
2026年09月30日 19:3
张锐
进入2026年，中美 人工智能 （AI）关系呈现出原有竞争特征的同时，双方实质性的战略互动也在显著增强。中美AI合作正在由学术界和政策界长期讨论的“风险治理可能性”，逐步转化为政府间制度安排，并有望引致双方AI合作空间的进一步打开。
中美AI合作的重点空间
未来中美AI合作要具有稳定性和可持续性，首先需要明确竞争领域与合作领域之间的边界。要求双方停止围绕先进芯片、前沿模型、产业政策、军事技术和AI企业展开竞争并不现实，但同样没有必要把所有AI技术都纳入国家安全框架。比较现实的路径，是形成类似“负面清单+正面清单”的分层结构：对于军事AI、关键基础设施攻击能力、最先进芯片设计以及其他高度敏感技术保持严格限制，而对于AI安全、基础科学、技术标准、 知识产权 、绿色计算和全球发展等公共利益明显高于战略敏感度的领域扩大合作。
AI安全和危机沟通应成为最优先的合作领域。双方可以建立政府政策对话、监管和技术机构专业交流以及企业和科研机构沟通等不同层次的机制，重点解决重大AI事件发生后的信息确认和风险处置问题。例如，高度自主AI系统引发跨境 网络安全 事件后，如何判断其属于技术故障、犯罪活动还是国家行为；生成式AI被大规模用于制造跨境虚假信息时，如何确认事件性质；前沿模型出现可能影响全球用户的严重安全漏洞时，企业之间是否应建立快速通报渠道。建立这些机制并不意味着中美需要形成统一价值观，而是为日益强大的AI系统建立必要的安全阀。
AI安全评测和技术标准是另一个具有现实可操作性的合作领域。当前，不同国家和企业对模型鲁棒性、幻觉率、网络攻击能力、隐私保护、生成内容识别和高风险模型测试采取了不同的方法。如果中国企业进入美国市场需要完全采用一套新的评测体系，美国企业进入中国市场又必须重新接受另一套测试，AI跨境服务成本将明显上升。因此，中美可以从政治敏感度相对较低、技术属性较强的指标入手，通过国际标准化组织和专业科研机构推动部分测试方法兼容。尤其是在模型水印、AI生成内容标识、隐私保护、系统鲁棒性和安全测试方法等方面，部分标准兼容既能够降低企业成本，也有利于避免全球AI市场被相互排斥的标准体系割裂。
AI与科学研究同样值得重点拓展。AI的长期价值并不仅体现在聊天 机器人 和商业应用，更可能体现在提高科学发现效率。随着AI Agent、科学大模型和自动化实验平台的发展，AI已经开始应用于气候预测、 新材料 发现、蛋白质研究、数学证明、天文学观测和能源系统优化。中美都是全球科研规模最大的国家之一，也拥有大量世界级大学、实验室和科研人员，可以围绕AI辅助极端天气预测、新型储能材料、电网效率优化、清洁能源、基础数学和天文数据分析开展联合研究。为降低安全争议，可明确排除军事和关键基础设施攻击等高度敏感用途，并通过项目审查、数据管理和 知识产权 协议保障合作透明度。
知识产权 也是双方无法回避的合作议题。生成式AI正在带来新的版权、专利和数据权属问题，包括模型训练是否可以使用受版权保护的数据、AI生成内容应由谁拥有，以及模型输出是否可能侵犯现有专利等。世界知识产权组织统计显示，全球生成式AI专利活动近年来快速增长，GenAI公开专利族数量从2023年的约1.4万件增加至2025年的超过3.7万件，仅2024年和2025年公开的新GenAI专利族就超过5.6万件，中国和美国都是这一领域的重要创新来源。随着两国企业不断进入彼此和第三方市场，如果缺乏基本的知识产权协调机制，相关争议可能迅速转化为贸易摩擦。因此，双方可以更多利用WIPO等多边平台，就AI训练数据、生成内容和模型专利等问题展开讨论。
全球发展和绿色AI也具有合作空间。目前，先进算力、 数据中心 、人才和资本高度集中于少数经济体，大量发展中国家仍缺乏建设AI基础设施的能力。中美可以通过联合国等机构参与多语言开源数据集、农业预测、灾害预警、 教育 AI和低资源语言模型等项目，使AI合作产生更广泛的公共利益。同时，大型 数据中心 需要大量 电力 、冷却系统、水资源和输电基础设施，前沿模型训练与大规模推理将进一步提高能源消耗。中美在 数据中心 能效、芯片能耗、液冷技术、可再生能源与数据中心匹配，以及利用AI优化电网等方面均具有合作空间。这些领域的战略敏感度总体低于先进芯片和前沿模型，却能够同时服务AI发展与全球气候治理目标。
中美AI合作的未来路径
展望未来，中美AI关系很难简单归结为“合作”或者“对抗”，更可能形成长期的竞合共生结构，即产业和技术竞争持续存在，同时围绕共同风险和全球治理的合作逐步制度化。美国在私人资本、先进芯片、 云计算 和顶尖模型等领域仍具有明显优势，中国则拥有庞大的数字应用市场、完整的制造业体系、快速扩张的算力基础设施以及超过6600家AI企业。两国围绕模型、芯片、 机器人 、智能 汽车 、 云计算 、AI Agent以及AI产业标准展开长期竞争，几乎不可避免。
然而，AI竞争与传统制造业竞争存在重要区别：AI能力越强，竞争本身越需要规则。如果一方担心另一方形成决定性优势，就可能进一步增加投资、扩大算力并加快技术研发，另一方又会采取类似措施，由此容易形成安全困境。单纯依靠技术封锁也难以彻底解决问题，因为算法可以复制、论文可以传播、开源模型可以下载，模型蒸馏、算法优化和分布式计算还会持续降低部分先进能力的获取门槛。因此，中美未来真正需要建立的不是“停止竞争”的机制，而是一套能够管理竞争、降低误判和控制风险外溢的制度。
首先，应推动AI对话机制长期化、制度化。双方可以建立定期AI政策对话，并围绕AI安全、科研合作、技术标准和全球治理设置专业沟通渠道，使政策交流从临时性接触转变为相对稳定的制度安排。对话的意义并不在于双方必须形成一致立场，而在于即使存在重大分歧，仍然拥有直接沟通的渠道。与此同时，应逐步建立AI危机管理机制，对重大模型安全漏洞、AI导致的关键基础设施事故、跨境自主网络攻击以及可能造成大范围公共安全影响的事件形成基本沟通程序。其核心目的不是共同监管彼此企业，而是防止技术事故、犯罪行为或企业系统故障被误判为国家层面的敌对行动。
其次，应建立分层科研合作制度，将高度敏感技术、具有一定战略属性但同时具有公共利益的研究，以及低敏感度基础科学进行区分。高度敏感领域继续实施严格限制，中间领域通过项目审查开展有限合作，而基础科学、AI安全、气候、能源和部分公共科学研究则保持相对开放的国际交流。相比于将所有AI技术都视为同一种国家安全风险，这种精细化治理更符合AI跨学科、跨产业发展的现实，也能够在回应国家安全关切的同时，保留必要的科研交流空间。
再次，中美AI合作不能仅停留在双边关系层面，而应更多嵌入联合国、世界知识产权组织以及其他国际治理框架。AI并不是中美两国专属的技术，世界多数国家真正关心的是能否以合理成本获得AI能力、保护本国数据、培养技术人才并参与规则制定。如果中美能够在AI事故报告、安全评测、知识产权、低资源语言模型、发展中国家能力建设和绿色数据中心等领域形成最低限度的共同标准，就有可能降低全球AI治理碎片化风险。相反，如果双方把所有规则都视为战略竞争工具，并推动技术体系、数据标准和模型认证制度形成相互排斥的阵营，最终承担成本的不只是第三国，中美企业自身也将面临更高的跨境经营成本。
从更深层次看，中美AI合作的关键，是合理区分“技术优势”“国家安全”和“全球风险”。技术优势主要来源于企业创新、科研能力和市场竞争，各国自然希望保持自身优势；国家安全要求对真正涉及军事、关键基础设施和高度敏感技术的领域建立必要边界；而模型失控、AI网络攻击、深度伪造、生物安全风险以及AI引发的全球性产业和社会冲击，则具有超越单一国家的风险属性。如果把所有AI问题都纳入国家安全框架，国际科研合作和技术交流可能被过度安全化；但完全忽视AI的军民两用属性同样不符合现实。因此，更具可持续性的路径，是逐步形成“竞争有边界、安全有底线、风险有沟通、科研有空间、治理有合作”的竞合框架，使双方在长期竞争不可避免的条件下，仍保留管理共同风险和参与全球AI治理的合作空间。
（文章来源：国际金融报）