封面图：根据报告六大领域自制的视觉框架图。

报告原文封面图

01 战略背景：竞争、相互依赖与技术加速的叠加

报告开篇指出，全球AI格局正由三股力量共同塑造：地缘政治竞争加剧、技术与供应链相互依赖深化、技术变革速度持续加快。AI已经从专业研究领域转变为影响经济生产率、国家安全和全球权力结构的基础性技术。美国面临的问题不再是AI是否会重塑国际秩序，而是美国及其盟友、伙伴能否在这一新秩序中继续保持主导地位。

报告认为，AI竞争已经覆盖整个技术栈：从半导体、高速网络、数据中心基础设施，到模型、应用和治理规范。各国并非只在竞争谁能做出最强模型，也在竞争谁能塑造支撑全球AI经济的生态系统、标准和供应链。

与此同时，报告也强调完全技术脱钩并不现实。半导体、关键矿产、数据中心组件和创新人才跨境流动，使AI发展呈现高度相互依赖。但出口管制、技术标准和数据治理等管理相互依赖的制度框架仍不完整、不均衡。

02 总体发现：七项横向要求构成国家AI战略基础

报告在综合六大领域后提出七项横向要求：公共信任与乐观、创新与集成并重、全球安全格局变化、AI作为集体生态系统、美国力量随盟友扩展、持久领导力需要长期战略，以及测量是关键。

其中，公共信任被置于基础位置。报告认为，在民主制度下，美国AI竞争力离不开公众对AI的信任、参与和对实际收益的感知。若公众主要将AI视为就业威胁、儿童风险、能源成本上升、环境压力或失控战争风险的来源，美国将难以形成国家层面的共同目标。

图1：根据报告“公共信任与乐观”部分自制。报告称，中国、印尼和泰国有79%—84%的受访者对AI产品感到兴奋，美国为38%；另有调查显示60%的美国人部分或完全不信任AI。

报告还提出，AI不是一个可以通过单一“斯普特尼克时刻”或狭义“曼哈顿计划”解决的问题，而是由技术栈、人力、算力基础设施、数据、高速网络、能源和制度能力共同组成的生态系统。任何一个环节的短板，都可能制约其他领域的进展。

03 AI创新：从前沿突破转向广泛采用

报告认为，美国AI创新优势建立在数十年联邦基础研究投入、世界领先大学体系和活跃私营部门之上。互联网、深度学习、强化学习等关键技术，都与长期公共研发资助和学术生态密切相关。

但报告指出，美国创新体系正在出现压力点。首先，学术基础被削弱。美国联邦AI研发资金近年维持在约33亿美元年度水平，而大学和公共研究机构在先进算力获取方面与产业界差距明显。报告引述斯坦福大学相关说法称，有算力资源的学术研究者通常只能访问1到8个AI芯片，而产业研究人员可能访问数千个。

其次，高质量数据的可用性和可访问性仍是关键瓶颈。面向医疗、制造、科学研究等高影响领域的AI应用，需要高质量、可治理、可互操作的数据基础。再次，美国不同部门AI采用率不均衡：信息部门采用率较高，制造和交通等实体部门相对较低。

图2：根据报告AI创新章节自制。左侧呈现中国开源模型全球使用占比从2024年末1.2%升至2025年的30%；右侧呈现美国信息、制造、交通部门AI采用率差异。

在建议方面，报告主张加强联邦AI研发资金，探索新的资助机制，支持Genesis Mission和国家AI研究资源NAIRR等联邦项目，推动关键硬件密集型领域的公私合作，并通过税收、贷款、拨款等工具激励教育、医疗、交通等重点部门采用AI。

04 人才与机构准备：AI领导力依赖“人”的基础

报告明确指出，维持美国AI领导力取决于美国人民本身。这不仅包括培养本土技术人才，也包括吸引全球顶尖研究者和建设者，并帮助现有劳动力适应AI驱动的经济体系。

报告将AI人才能力划分为软件技能、硬件技能、数据工程能力、系统部署能力以及将模型转化为生产系统的中高级实践能力。同时，报告特别强调创造力、人文学科、伦理、设计、法律和领域专家的重要性，认为这些能力有助于判断AI真正适用的场景，并推动可持续采用。

报告指出，美国在教育体系、国际人才吸引和联邦政府内部技术人才方面都面临挑战。美国需要从K-12教育、大学课程、教师培训、社区学院、职业教育、微证书和学徒制等多个层面建设AI人才体系。

在国际人才方面，报告主张改革H-1B项目、延长AI相关博士毕业生OPT和STEM OPT期限，并设立专门的AI创新者签证。对于联邦政府，报告建议强化Tech Force项目，提供更稳定的就业保障与中期职业路径，并建立类似CyberCorps Scholarship for Service的AI公共服务奖学金机制。

05 AI治理：在快速采用与风险管理之间建立制度平衡

报告将政府视为AI经济中的主要参与者，不只是监管者，也是用户、整合者、投资者和市场塑造者。美国联邦政府AI采用规模正在扩大。截至2026年4月，联邦机构已报告3,611个AI使用案例，其中包括445个高影响使用案例，覆盖41个机构提交。

图3：根据报告治理章节自制。该图呈现美国联邦AI采用规模：3,611个AI使用案例、445个高影响使用案例、41个机构提交。

随着联邦机构越来越多依赖私营部门AI系统，治理和采购挑战同步出现。报告指出，美国AI治理目前仍主要依赖部门监管、机构指导、采购规则和自愿标准，尚未形成统一法律框架。与此同时，各州开始出台各自AI法律，导致监管格局碎片化。

报告建议建立一致的联邦AI监管框架，覆盖风险分级、采购标准、数据治理、透明度要求和事件报告。同时，联邦政府应作为“催化型采用者”，通过自身AI部署树立标准、示范最佳实践，并带动州、行业和私营部门采用。

原文表格：Table 4 Governance metrics。报告将政府AI采用敏捷度、机构准备度、联邦AI人才和AI评估投入列为治理能力测量指标。

06 供应链：从芯片安全到模型生态影响力

报告将AI供应链定义为开发和部署AI模型所需的物理与虚拟资源，包括原材料、专门技术、制造能力、软件、计算资源、数据和模型。报告强调，过宽的供应链定义会削弱政策优先级，过窄的定义则可能忽视关键风险。

在硬件方面，报告关注先进半导体、制造能力和关键矿产。美国对海外先进芯片制造存在依赖，尤其需要关注供应集中、战略依赖和外部控制风险。报告认为，强化硬件基础需要校准出口管制并扩大国内制造。

在模型生态方面，报告特别关注中国开源模型的快速扩散。报告称，2025年中国开源模型在Hugging Face平台上的下载量超过美国模型；Andreessen Horowitz领导层称，其所见使用开源技术栈的初创企业中约80%使用中国模型。报告认为，这种扩散的含义已经超出创新领域，进入供应链领域，因为它可能形成对中国来源技术生态的依赖。

原文表格：Table 5 Supply chain metrics。报告将算力可用性、硬件供应链、软件供应链、网络与连接纳入AI供应链测量框架。

07 能源：AI时代的电力基础设施竞争

报告认为，电力供应已经从AI和科技企业的外围议题转变为核心战略议题。随着更大模型发布和AI采用扩展，潜在电力短缺正在成为影响美国AI雄心的重要约束。

报告指出，美国数据中心电力已经面临瓶颈，而供给和输电建设难以跟上需求。2025年，美国电网新增55吉瓦发电容量；中国同年新增543吉瓦。2023年，中国修建约25,133英里220kV以上高压输电线路；美国在最近完整统计年度2024年修建888英里345kV以上高压输电线路。报告据此写道：“美国在电力竞赛中并不是落后于中国；它甚至没有在参与竞争。”

图4：根据报告能源章节自制。图中对比美国与中国新增发电容量和高压输电线路建设规模。

在建议方面，报告主张采取“全方位”发电战略，包括天然气、核能、可再生能源、储能和先进电网技术等多种路径。同时，应最大化既有发电与电网资产利用率，推进电网现代化，改革许可程序，加强跨区域协调，并更主动回应电力成本、水资源和社区影响问题。

原文表格：Table 6 Energy metrics。报告将数据中心、电力可用性、电网与转型列为能源领域核心测量维度。

08 盟友与伙伴：构建“盟友AI技术栈”

报告认为，美国及其盟友伙伴正处于AI合作的关键转折点。面对地缘竞争、相互依赖和技术快速变化，美国需要建设跨境联盟、互操作标准和共享公共机构，以促进创新、协调治理并强化民主价值。

报告提出，美国仍然是全球AI商业化和治理的重要中心，但国内外政策变化正在挑战这一地位。一方面，美国政府推动输出“美国AI技术栈”，旨在将美国工业能力、价值和规范嵌入盟友AI产业发展中；另一方面，一些国家也希望减少对美国AI基础设施的依赖，强调数字主权和本土能力建设。

报告建议推动“盟友AI技术栈”，包括互操作标准、共享机构、可信技术供应和安全治理合作。战略传播也被视为重要工具，美国需要提出有吸引力的叙事，说明其AI合作方案能够带来经济增长、安全能力和治理可信度。

09 衡量成功：建立国家AI记分卡

报告第九章提出，美国需要一套国家AI记分卡，用以持续、系统、累积地衡量AI竞争力。报告认为，目前AI测量并不缺乏数据，而是数据碎片化：模型能力、风险事件、产业采用、公众信任、政府使用、能源和算力等指标分散在不同机构、调查和报告体系中，缺乏共同框架。

原文表格：Table 1 Public trust metrics。报告将公众感知、乐观情绪、怀疑或愤怒、政府使用AI的信任、公平感知、伤害事件报告和采用率纳入公共信任指标。

报告指出，现有测量存在三方面不足：过多关注模型在特定基准测试中的表现；相关数据分散，缺少互联和统一定义；缺少对领先指标和滞后指标的区分，导致政策制定者难以及时发现系统压力。

因此，报告提出国家AI记分卡应围绕六大领域展开：创新、人才、治理、供应链、能源、盟友伙伴。它不仅要衡量技术能力，也要衡量社会采用、公共信任、治理能力、基础设施约束和国际协作。

图5：根据报告第九章和第十章自制。国家AI记分卡不仅用于国内政策反馈，也可扩展到盟友伙伴体系，用于衡量互操作性、能力差距和供应链韧性。

10 AI地缘政治：在系统性竞争中重塑联盟

报告最后一章转向AI地缘政治。其基本判断是，美国力量将随盟友与伙伴而扩展。在全球架构松动、地缘政治竞争加剧、相互依赖持续存在、技术变化不断加速的背景下，AI处于这些趋势的交汇点。

报告认为，AI领导国家不仅会在经济上增长更快，也会以不同方式治理、作战和投射影响力。因此，美国需要重新思考国际合作方式，而不是简单沿用传统联盟逻辑。

报告特别强调“中等强国”的作用。许多中等强国既希望获取AI能力，也希望保留技术自主性，在美国和中国之间寻求自身利益最大化。美国如果希望扩大AI联盟网络，就需要理解这些国家在经济发展、数字主权、基础设施和安全方面的具体需求。

在对华竞争方面，报告认为，中国正在推动以数字丝绸之路、全球南方合作、开放权重模型和全球AI治理倡议为核心的替代性技术秩序。美国若要维持影响力，需要将自身AI技术栈嵌入盟友和伙伴技术体系，同时避免联盟碎片化。

结论：美国AI领导力叙事正在从“技术领先”转向“生态领先”

这份报告最值得关注之处在于，它没有将美国AI领导力简化为前沿模型能力，而是将AI竞争理解为一个覆盖创新、人才、制度、供应链、能源、国际联盟和测量体系的国家战略工程。

从这一角度看，美国AI政策叙事正在发生转向：从“谁拥有最强模型”，转向“谁能长期建设并管理AI生态”。这种生态包括大学和企业、联邦机构和州政府、能源公司和数据中心、芯片制造商和云服务商、国内公众信任和国际伙伴能力。

对国际AI治理研究而言，报告提供了三个重要观察角度：第一，AI竞争正在从单一技术竞赛转向综合体系竞争；第二，AI治理不只是风险控制，也被视为竞争力和公共信任的组成部分；第三，AI国际合作正在从价值宣示走向技术栈、基础设施和标准体系的实际绑定。

报告整体立场服务于美国国家战略讨论，其政策建议主要面向美国决策层。对于其他国家和研究机构而言，值得关注的不是简单接受其政策取向，而是理解美国智库如何将AI领导力重新定义为一种长期、系统、可测量、可联盟化的国家能力。

编辑｜徐赫泽

审核｜赵杨博

终审｜梁正 王净宇