由加速AI创新与去监管化、构建AI基础设施和主导全球AI治理规则三大核心支柱撑起的《赢得AI竞赛：美国AI行动计划》（下称《AI行动计划》）7月下旬发布，代表着美国的人工智能发展已经完全从市场放任状态上升到了国家战略牵引的高度，只是由于该行动计划带有强烈的霸权思维，以及非常明显的选择性与排他性倾向，美国人工智能的“压倒性优势”在倒逼其他主要经济体探索不同AI技术路径和监管思路的同时，也会引发全球AI治理理念的撕裂与对立，同时围绕着全球人工智能治理的竞争与分歧可能会进一步加剧。
构建宽厚扎实的AI基础设施底座
在AI从“实验室创新”走向“产业级落地”、从“渐进式升级”走向“指数级跃迁”、从“单点语言模型”走向“多点全能模型”过程中，美国都感受到了基础设施供给不足或者驱动力量十分短缺的掣肘。拿电力来说，伦斯伯克利国家实验室的研究结论表明，仅数据中心的电力消耗占比，2023年为美国总耗电量的4.4%，但到2028年将升至12%的中值，即数据中心用电量至2028年将增长近两倍，德意志银行由此警示，需求的激增将对美国电力基础设施构成前所未有的压力，并势必成为制约AI发展的最大瓶颈。
鉴于能源是“AI基础设施的基础设施”重要性的考量，《AI行动计划》布局了三重能源战略：一是对传统能源大幅松绑，明确将天然气轮机、燃煤设备、核电设备、地热设备项目纳入快速审批通道，并相应修改《清洁空气法》《清洁水法》等法规，为配套化石能源项目提供制度支持；二是实施电网升级战略，包括建设跨区域高压直流输电走廊，消除州际电力交易壁垒；建立联邦级变电站改造基金，支持超高压设施建设；实施数字电网计划，部署AI驱动的需求响应系统等；三是实施融资工具创新，传统能源以及电网升级项目在享受贷款、担保、补助和税收激励组合工具支持的同时，《AI行动计划》特别设立了“基荷能源信用增强计划”，为天然气管道、核电冷却系统等长周期项目提供联邦风险分担。
“算力即国力”是《AI行动计划》圈定的又一个重大基础设施建设铆点，且明确了提升AI算力的数据中心加速计划与半导体供应链本土化两大主要路径依赖。在数据中心加速计划方面，《AI行动计划》特别配套发布了《加速联邦数据中心基础设施许可》行政命令，创建“合格项目”认定机制，在此基础上，对合格项目给予“绝对排除”的优待，以使符合条件的数据中心免于冗长的环境影响评估；不仅如此，《AI行动计划》开放联邦土地与废弃场地用于数据中心建设，同时强制设定数据中心建设的审批时间表，并通过数字平台实现“一站式许可”，大幅压缩传统需数年完成的流程。
在半导体供应链本土化方面，《AI行动计划》将半导体定位为“AI粮食”，提出扭转芯片制造离岸趋势是国家安全核心利益，为此推出了全链条重组方案。一方面，在《芯片与科学法案》基础上，设立了半导体制造业回流基金，对符合条件的芯片厂商给予资助，并将先进制程芯片厂(5纳米及以下)纳入“国防关键基础设施”序列，使其进入快速许可通道；另一方面，基于研发制造一体化安排，在国家实验室体系内嵌入芯片试产线，橡树岭、桑迪亚等实验室转型为开放半导体中试基地，提供共享工艺设备与流片服务，同时启动“电子复兴计划2.0”，重点攻关3D芯片堆叠、超低功耗AI芯片等颠覆性技术；不仅如此，《AI行动计划》提出了国防供应链专项行动，要求2028年前完成全部外国芯片替代。
无论是电力还是算力，基础设施建设都离不开人力资源支撑，《AI行动计划》为此提出了劳动力全面重塑机制，其中教育部更新职业与技术教育(CTE)课程，为初中和高中学生提供早期职业接触项目；能源部发展学徒预备项目，每年资助2000名学员在核电站、超算中心接受在职训练；高级军事院校建立AI人才培养中心，借鉴美军飞行员培养模式，打造沉浸式芯片制造人才速成项目；财政部发布指导，明确AI扫盲和技能发展项目的税收优惠政策，激励企业投资员工培训；劳工部联合能源部、商务部建立“AI基础设施职业图谱”，识别电工、高压线路工、半导体工艺工程师等紧缺工种，定向扩大联邦培训资助，同时，与社区大学、技术学院合作，为关键AI基础设施岗位培养新工人。
拓展完全领先的创新与应用集群网络
在《AI行动计划》的全景报告中，AI创新被摆到所有政策支柱托举的首位，为此提出系统性拆除监管壁垒，为私营部门的创新活动扫清障碍，使美国企业在全球AI竞赛中获得制度性竞争优势，同时辅之以联邦政府的资源倾斜和政策激励，在关键领域催化技术突破与产业应用。看得出，《AI行动计划》的创新战略不仅关注技术本身的发展，更着眼于创新生态系统的完整构建，贯穿于从基础研究、场景应用到产业落地乃至全球竞争的全链条。
第一，清理与废除阻碍AI创新的联邦法规。全面审查联邦机构现有法规、政策声明和机构间协议，识别并废除那些“不必要阻碍AI开发或部署”的监管规定，并邀请私营部门直接指认“阻碍创新的监管障碍”；另外，《AI行动计划》撤销了拜登时期强调AI安全与公平的行政令（如要求联邦机构评估AI偏见风险），废除了联邦贸易委员会多年来执法中采用的“算法追回”原则，即要求企业销毁使用不当数据训练的AI模型。
第二，限制州级AI监管权力，强化联邦层面的监管优先权。考虑到科罗拉多州、犹他州、纽约市等地已实施了地方性AI立法，并有可能在执法过程中出现有碍创新的主观行为，同时也是为了阻止各州“拼凑式”AI法规以及AI立法碎片化现象的加剧，《AI行动计划》授权联邦机构在分配AI相关资金时，充分考虑各州的AI监管环境，重点是限制向实施“繁重AI监管”的州提供资金，从而引导地方AI立法与执法行为朝着利于AI创新的方向倾斜。
第三，实施开源生态与开放创新。《AI行动计划》首先确立了计算资源开放计划，要求国家科学基金会扩大国家AI研究资源试点，为初创企业和学术界提供大规模计算资源访问权限，解决训练前沿模型所需算力昂贵的问题，同时，国家科学基金会被要求制定开放模型共享框架，促进政府资助研究的成果开放。另一方面，《AI行动计划》提出建设开源金融生态，主张通过税收优惠和融资支持，鼓励私营部门参与开源生态建设，解决开源模型可持续性问题。
第四，创设实验机制与应用推广机制。为促进AI技术在关键行业的快速应用，《AI行动计划》设计了一套多层次实验机制，其中最为重要的是在关键领域建立“监管沙盒”和“AI卓越中心”，为研究机构、初创企业和企业提供快速部署和测试AI工具的安全空间。这些沙盒将特别聚焦医疗保健、能源、农业等领域的实验项目，允许企业在有限监管环境下测试创新应用，如在医疗领域可能允许绕过部分FDA审批要求测试诊断AI；在农业领域可能豁免无人机监管测试精准农业应用。
在应用推广方面，《AI行动计划》首先明确在医疗保健、能源和农业等关键行业开展AI特定项目试点，这些项目将获得联邦资金支持，并享受监管灵活性。更为重要的是，针对政府对AI应用相对滞后的现实，《AI行动计划》要求联邦机构全面加速AI采纳，特别是在国防和情报领域要加速军事AI的应用，就此《AI行动计划》提出建立“世界级科学数据集”，为政府AI应用提供高质量训练数据。
第五，在作为支持创新与应用的最基础环节，《AI行动计划》建立了一套科研突破矩阵。一方面，投资建设国家自动化云实验室，覆盖工程、材料科学、化学、生物学等多个科学领域，这些实验室将提供远程访问的实验平台，大幅提高研发效率，加速科学发现向技术应用的转化；另一方面，启动AI驱动研究工程，通过国家科学基金会和能源部等机构，增加对AI赋能的科学研究的资助，重点领域包括AI可解释性研究、AI可控性研究以及鲁棒性研究。
谋求对全球AI治理规则的绝对主导
人工智能发展到今天，相应的安全风险呈现出多维度、跨领域、动态演化的特点，AI也由此行至从“应用创新”向“规则定义”迈进、从“落地通用”向“有序监管”升级的关键阶段。从基本成因与作用机制的角度看，AI风险可分为三类：技术内生安全风险，如算法漏洞、数据安全风险等；应用安全风险，如伦理失范、法律争议，以及技术冲击带来的社会结构性失业等；全球治理结构性风险，如技术垄断威胁、各国人工智能监管模式差异带来的合规冲突等。
客观上分析，美国不仅有OpenAI、Meta、谷歌和英伟达等组成的强大人工智能企业矩阵，而且有斯坦福大学、麻省理工学院等汇聚了全球一流人工智能人才的顶尖高校，如此宏大的产学研力量开发出顶级AI安全产品没有任何大的问题，而且《AI行动计划》不仅明确要求所有获得联邦资助的数据中心必须实施“安全设计”架构，而且指定国防部牵头制定抗量子加密标准，建立起数据中心的“国家级攻击抵御能力”，同时要求国土安全部组建了“AI事件响应小组”，建立针对数据中心安全的威胁情报共享机制，因此，即便是《AI行动计划》对AI创新放松了监管，但由此引起的技术内生安全风险可能不大，甚至完全可以屏蔽。不过，在应用安全风险与全球治理结构性风险方面，《AI行动计划》所能起到的作用也许并不显著，尤其在全球治理结构性风险领域，《AI行动计划》极有可能产生不小的负面影响。
从政策放松监管的诉求看，《AI行动计划》的直接目的是有利于市场力量的创新，并借此做大做强美国的AI产业，使其在全球人工智能的激烈竞争中处于绝对优势地位，而战略目标是通过不可比拟的AI技术输出建立起美国对全球人工智能的霸权地位，简言之，就是以完全领先的技术主导实现对全球人工智能的规则主导；另外，虽然《AI行动计划》明确了开源生态与开放创新的基本导向，只是无论是开源还是开放，政策都具有非常明确的选择性，最终目的还是要通过聚合更多的第三方力量来帮助美国实现对全球AI治理规则的主导。
必须看到，基于防范AI应用安全风险与全球治理结构性风险的目的，目前全球范围内形成了三种具有竞争性的主流监管模式，除了美国试图以技术输出抢占全球AI监管规则高地外，欧盟也提前建立起了风险分级监管模式，同时中国以技术可控为核心，侧重内生安全风险和应用安全风险，并主张技术主权与灵活治理工具相结合。由于欧盟的监管模式在平衡监管与创新关系上存在不少欠缺，实际过程也会增加企业不小的负担，美国难以接受，同时美国也不会认同中国的监管模式，在这种情况下，美国输出的自己的标准与规则就变得更为自信与自我，只是为了让整个输出过程变得更为流畅与快捷，美国更需要盟友力量的声援与支持。
目前看，无论是欧盟还是日本等国，在AI技术力量上与美国的确存在着不小的差距，客观上也希望得到美国的支持，于是，在明确了开源与开放模型具有重要的地缘政治战略价值，即向全球输出“美国标准规则”与“美国价值观”的基础上，《AI行动计划》确立了拉拢性与排他性并举的技术出口战略，一方面《AI行动计划》明确向盟友出口“美国全栈技术”（硬件、模型、软件、应用和标准），同时将中国定位为“首要战略竞争对手”，提出加强芯片出口管制，通过地理位置验证技术阻止先进计算芯片流向中国，同时堵住半导体制造设备管制漏洞；另一方面，《AI行动计划》提出通过G7等多边平台打造“民主国家AI联盟”，以在联合国等国际组织中对抗中国倡导的AI治理模式。
看得出，遵循“美国优先”的全球AI治理规则，结果是必然导致全球AI技术标准生态的割裂以及全球AI治理生态的分化，也会在实践中引起不同监管模式的对立与冲突，进而削弱和损害AI国际监管合作以及跨国企业行为合规的一致性效果；不仅如此，这种以自我为中心、各行其道的监管生态也很难凝聚起AI创新的合力，自然也就不可能筑起针对跨国界与全球性AI应用安全风险的屏障；更为重要的是，AI本应是普惠全球的公共产品，若技术大国与强者各自占山为王，甚至剑拔弩张，全球数字和智能鸿沟将永远得不到真实填埋，极端情况下人类可能会承担工具失控的代价，一方面是硅基智能的快速迭代，另一方面是碳基智慧的分裂造就自我的最后墓碑。
（作者系中国市场学会理事、经济学教授）
