外交事务｜美国正在把“国运”押在AI上？【智库观察】

8月4日，《外交政策》刊发哈佛大学肯尼迪学院教授格雷厄姆·艾利森的文章《America’s Cosmic Bet on AI》。艾利森长期研究大国竞争与国家安全，曾任哈佛肯尼迪学院创始院长、美国国防部助理部长，著有《注定一战：美国和中国能否逃脱修昔底德的陷阱？》。因此，他这次讨论AI，视角天然超出了产业和技术本身，将人工智能放进美国经济、中美竞争和国家安全的大框架中观察。

文章开篇就给出一个判断：美国正在“押上全部家当”，试图赢下与中国的人工智能竞赛。艾利森真正关心的问题，是美国已经把多少经济增长、资本市场表现和国家安全预期绑定在AI身上。一旦这场技术革命兑现得比预期更慢，美国承担的风险会有多大？

文章首先观察到，美国经济对AI的依赖正在快速加深。按照艾利森援引的数据，AI相关投资已经成为美国经济增长的重要来源，数据中心支出占到美国商业投资的很大比重；2026年标普500指数上涨中，作者称85%的涨幅来自AI企业。与此同时，谷歌、微软、Meta和亚马逊计划在2025年至2026年累计投入超过1万亿美元发展AI，部分投入开始更多借助债务市场融资。

这意味着，AI繁荣正在出现一种很明显的集中化。大量风险投资涌入AI，科技巨头继续提高资本开支，股票市场对少数AI公司的依赖也越来越高。艾利森引用桥水创始人达利欧的观点提醒，把过多资金集中在一个高波动、高风险的新行业，本身就值得警惕。他随后提出一个很简单的问题：如果专业投资机构都强调分散风险，一个国家为什么可以把如此多的增长预期压在单一技术浪潮上？

可以说今天AI承担的已经不只是科技创新预期。它同时连接着美国的商业投资、股市财富效应和未来生产率。如果AI回报低于预期，影响很可能沿着资本市场继续传导，最终影响企业投资、财政收入和居民财富。

艾利森认为，推动这场押注的力量主要来自三个方面。

首先是科技公司。AI企业相信自己站在一个万亿美元级市场的入口，高管能够获得的不只有财富，还有越来越大的社会和政治影响力。文章甚至提到，AI企业负责人已经开始与主要经济体领导人在同一张桌子上讨论全球未来，这也说明硅谷头部企业在国家政策中的地位已经明显上升。

其次是美国经济政策制定者。文章特别提到，美国财政赤字接近GDP的6%，政府债务利息支出已经超过国防预算。在这样的财政压力下，如果AI能够带来一轮显著的生产率增长，就可能提高经济增速，扩大税基，缓解部分债务压力。因此，在艾利森看来，美国政策界对AI的期待中，其实还藏着一层宏观经济诉求：美国需要新的增长引擎。

第三股力量来自国家安全界。美国战略界越来越习惯用“赢家通吃”的方式理解AI竞争。一旦某个国家率先获得超级智能或AGI，就可能形成难以逆转的领先。文章引用美国前国务卿赖斯的话概括这种心态：这是一场美国“绝对必须赢”的竞争。

这样一来，AI身上实际上叠加了三种期待：企业期待巨额利润，经济政策制定者期待生产率增长，国家安全部门期待战略优势。

而问题也随之出现。一项技术一旦同时承担这么多任务，市场和政策体系对它的容错空间也会越来越小。AI可以发展得慢一点，但美国经济和政治体系未必愿意等那么久。

艾利森也对中美AI路径进行了比较。

他注意到，中国同样把AI提升到非常重要的位置，但目前没有表现出和美国同等程度的超大规模算力扩张。文章把中国“人工智能+”概括为一种更强调应用扩散的路线，希望让AI进入产业、科研、治理和日常生活，通过大规模应用提高生产率。

企业投入的差异更加明显。文章称，百度、阿里和腾讯2025年的AI投入大约只有美国大型科技公司的十分之一，但中国企业仍然推出了性能接近美国前沿水平的模型。DeepSeek、月之暗面等企业进一步强化了这种印象：用更少的工程师、更有限的算力和更低的成本，把模型能力做到接近美国竞争者。艾利森引用一句很形象的概括：在“脑细胞和GPU”的竞争中，中国更愿意押注前者。

商业模式上，两边的差异也很突出。美国前沿实验室普遍将模型权重和训练数据作为核心资产，通过API和订阅获取收入；不少中国企业则更积极推动开放模型。艾利森把这种竞争类比成苹果与安卓：美国企业更接近高性能、高价格的封闭生态，中国企业则通过低成本和开放模式扩大用户基础。

这个类比当然不能解释所有问题，但它确实提出了一个很关键的判断标准：未来AI竞争究竟更看重最前沿模型的能力，还是更看重AI进入企业、制造业和普通用户的速度？如果前沿性能长期决定行业格局，美国巨额资本投入的优势会非常明显；如果模型能力逐渐接近，价格和应用扩散的重要性继续提高，中国现在这套低成本、开放和产业化路径的价值就会不断上升。

文章后半部分明显转向风险。

艾利森提到，金融机构已经开始讨论AI企业估值过高的问题，美国银行7月的全球基金经理调查甚至把AI泡沫破裂列为金融市场的重要风险。同时，模型价格下降的速度也很快。文章以DeepSeek与美国前沿模型之间巨大的价格差距为例，担心AI模型可能逐渐呈现“商品化”特征。一旦越来越多模型都能提供接近的能力，企业的定价权就可能下降，巨额数据中心投资需要更大的收入规模才能收回成本。

社会层面的阻力也在上升。文章提到，美国公众对数据中心建设的反对不断增加，人们同时担心AI冲击就业、教育和信息真实性。也就是说，美国AI扩张正在同时受到资金回报、基础设施和社会接受度的约束。

艾利森最后给出了一个非常悲观的情景推演。如果美国期待的“AI奇迹”迟迟无法兑现，市场调整可能影响居民财富、财政收入和政府支出能力，继而冲击国防和国家安全投入。他甚至拿2000年互联网泡沫、2008年金融危机和1929年大萧条作比较。

当然，他没有给中美AI竞争简单判定输赢，也没有否认美国在前沿模型、算力和资本上的优势。他提出的是另一个问题：当一个国家把经济增长、金融市场和战略竞争同时与一项新技术绑定时，技术发展的速度本身就会变成宏观风险。

接下来几年，判断这场押注是否成立，大概可以观察三个变化：美国巨额AI资本开支能否转化成足够高的生产率，前沿模型能否保持足够强的商业定价能力，以及中国低成本、开放模型在全球市场中的使用规模会扩张到什么程度。到那时，我们或许会更清楚地看到，美国今天投入的这些万亿美元资本，究竟是在提前建设下一轮生产力基础设施，还是把过多的未来收益提前计入了今天。

本文内容仅为编译总结，不代表研究院立场

编辑｜肖易

终审｜梁正 王净宇