本文来自微信公众号： 心智观察所 ，作者：心智观察所
2026年1月，美国经济顾问委员会发布了一份野心勃勃的报告——《人工智能与全球大分流》。这份报告试图将当前的人工智能革命与两百多年前的工业革命相类比，预言一场新的全球经济“大分流”即将到来，而美国将在这场分流中扮演19世纪英国的角色，成为新时代的技术霸主。
报告的核心论点直白而富有煽动性：人工智能是一种足以重塑世界权力格局的变革性技术，美国必须通过激进的政策布局确保在这场竞赛中占据绝对主导地位，否则将面临"生存性威胁"。然而，当我们剥开这份报告华丽的修辞外衣，深入审视其思维逻辑与理论根基时，会发现其中充满了历史类比的牵强、经济预测的过度乐观、以及地缘政治思维的零和偏执。
报告首页
报告借用了历史学家彭慕兰在其名著《大分流》中提出的概念框架，这一借用本身就暴露了报告撰写者对历史研究的选择性解读。彭慕兰的原著旨在解释为何工业革命发生在西北欧而非同样繁荣的东亚，他的核心论点恰恰是反对欧洲中心主义的：直到1750年左右，中国长江三角洲地区与英国在生活水平、市场发育程度和生态条件方面并无显著差异。
欧洲的“分流”在很大程度上是偶然因素的产物——煤炭资源的地理位置便利以及对新大陆资源的掠夺性开发。彭慕兰强调的是“偶然性”而非“必然性”，是“生态运气”而非“制度优越”。然而，美国经济顾问委员会的报告却将这一分析框架翻转过来，将其改造为一种技术决定论的霸权叙事：既然工业革命导致了西方的崛起，那么人工智能革命也必将导致新一轮的权力重组，而美国作为当前的技术领先者，理应延续并强化这种优势。
这种类比存在严重的逻辑漏洞。工业革命的“大分流”发生在一个信息流通极其缓慢、技术扩散需要数十年甚至上百年的时代。蒸汽机的原理需要数代人的时间才能从英国传播到欧洲大陆，再传播到世界其他地区。
但当代世界的技术扩散速度已经发生了质的飞跃。DeepSeek在2025年初发布的R1模型就是一个生动的例证：尽管面临美国的芯片出口管制，这家中国初创企业依然能够开发出性能媲美OpenAI顶尖产品的大语言模型，而且训练成本仅为美国同行的一小部分。DeepSeek的成功并非孤例，而是中国人工智能生态系统整体韧性的缩影。
阿里巴巴、腾讯、百度、字节跳动等科技巨头以及众多初创企业正在形成一个多元化、竞争激烈的人工智能产业格局。根据Hugging Face的数据，2024至2025年间，中国开发的开源模型在平台上的下载份额首次超过了美国模型。这一趋势表明，人工智能领域的技术扩散速度远超工业革命时代，“大分流”的历史类比可能从根本上就不适用于当代技术竞争。
报告对人工智能经济影响的预测同样值得深入质疑。报告引用了从高盛到麦肯锡的各种乐观预测，声称人工智能可能在未来十年内使全球GDP增长7%至15%，甚至在理论上可能达到45%的年增长率。然而，这些预测与诺贝尔经济学奖得主达伦·阿西莫格鲁的严谨分析形成了鲜明对比。阿西莫格鲁运用胡尔滕定理和基于任务的经济模型进行了系统性的估算，得出的结论是：人工智能对美国全要素生产率的贡献在未来十年内可能仅为0.5%至0.7%左右，对GDP的累积影响约为1.1%至1.6%。这一估计虽然“并非微不足道”，但远不是报告所描绘的那种颠覆性变革。
阿西莫格鲁指出，许多高端预测都假设人工智能能够在各行业中得到快速、高效的部署，而这一假设与历史经验并不相符。技术对经济的影响存在显著的时滞效应，20世纪90年代的生产率增长源于70-80年代的技术投资，大萧条时期的技术投入在50-60年代才显现成效。
报告本身也承认了这种“索洛悖论”现象——“到处都能看到计算机，唯独在生产率统计数据中看不到”——但随即将其轻描淡写地归结为“统计方法局限”，而非正视技术乐观主义的内在缺陷。
更值得警惕的是报告对“杰文斯悖论”的选择性援引。报告认为，虽然人工智能可能在短期内替代某些职业，但从长期来看，技术进步提升效率后反而会扩大总需求，创造更多就业机会。放射科医生曾被预测会被人工智能替代，但目前就业率仍处于历史高位——这个例子被报告反复强调。然而，这种论证忽视了一个关键问题：杰文斯悖论成立需要满足特定条件，包括成本节约能够有效转化为价格下降、需求增长速度能够超过单位产出劳动力需求的下降速度等。在高度集中的科技行业，利润往往被少数巨头攫取，成本节约未必能传导为普惠性的价格下降。更重要的是，人工智能与此前的技术革命存在本质差异：它直接模拟人类的认知能力，而非仅仅增强人类的体力或延伸人类的感官。
杰文斯悖论
阿西莫格鲁将当前的人工智能发展方向称为“平庸技术”——那些性能只比人类稍好一点但能为企业节省成本的应用。客户服务自动化的生产率未必高于人工服务，它只是比雇佣员工更便宜。如果人工智能的主要应用场景是替代而非增强人类劳动者，杰文斯悖论的乐观前景就很难实现。
报告对中国大陆的定位呈现出一种矛盾的双重性。一方面，报告将中国视为美国面临的“唯一生存性威胁”，认为输掉与中国的人工智能竞赛将危及“美国的生活方式”；另一方面，报告又不断强调美国在私营人工智能投资、高性能计算能力和前沿模型开发方面的领先优势，声称美国拥有全球74%的人工智能算力。这种既渲染威胁又宣示优势的叙事策略，服务于一个明确的政策目标：为激进的去监管化和大规模基础设施投资提供合法性论证。
然而，DeepSeek的崛起恰恰揭示了这种叙事的脆弱性。面对美国的芯片出口管制，中国企业并未像预期那样被锁死在技术落后的困境中，而是通过算法创新和工程效率的提升另辟蹊径。DeepSeek的创始人梁文锋曾坦言，资金从来不是问题，芯片禁运才是——但他的团队正是在这种约束条件下展现了惊人的创造力。这一案例表明，技术封锁可能产生意想不到的逆效果，推动被封锁者在创新和效率方面实现突破。
从中国大陆的视角来看，这份报告揭示的机遇在于，美国将人工智能竞争框定为零和博弈的叙事方式，实际上为中国的自主创新提供了额外的战略动力。当美国明确表示要通过技术霸权维护其全球主导地位时，中国推进技术自主的正当性就获得了更坚实的国际舆论基础。同时，美国对开源人工智能的相对忽——尽管报告声称支持开源，但美国科技巨头的主要精力仍然集中在专有模型上——为中国在开源生态系统中建立影响力创造了空间。DeepSeek等中国企业的开源策略正在重塑全球人工智能的版图，麻省理工学院和Hugging Face的联合研究表明，中国已经在开源模型领域超越美国成为最大的贡献者。
当然，挑战同样严峻而真实，首先是硬件瓶颈的持续存在。尽管DeepSeek展示了在受限条件下的创新能力，但高端芯片的短缺仍然是中国人工智能发展的结构性制约。DeepSeek能够取得成功，部分依赖于其母公司在出口管制生效前囤积的大量英伟达芯片。随着美国管制措施的不断收紧和存量芯片的逐渐消耗，这种策略的可持续性面临疑问；其次是能源与基础设施的约束。报告强调美国正在将能源主导权作为人工智能战略的基石，计划在数据中心附近部署小型模块化核反应堆，以满足人工智能的巨大能耗需求。中国虽然在清洁能源领域具有优势，但数据中心的快速扩张仍然对电力供应构成挑战；第三是生态系统控制权的争夺。报告明确指出，竞争正在从孤立的基准测试分数转向生态系统控制。这意味着，仅仅开发出性能优异的模型是不够的，还需要围绕模型构建广泛的应用生态、开发者社区和商业网络。中国在国内市场的应用落地方面进展迅速，从汽车到医疗，从政府服务到金融，但在国际市场的生态系统建设方面仍有较大差距。
报告的理论弱点还体现在其对技术创新本质的误解上。报告将人工智能竞争比喻为一场可以通过“速度和规模”取胜的赛跑，强调“算力、能源和速度”是决定性因素。这种“堆砌资源即可取胜”的思维模式被DeepSeek的成功所挑战。
DeepSeek通过算法效率的提升，用远少于美国竞争对手的计算资源达到了相当的性能水平。这表明，在人工智能领域，软件创新与硬件投资同样重要，甚至更为关键。诺贝尔经济学奖得主阿西莫格鲁在评论DeepSeek时指出，这一案例证明了“把尽可能多的GPU堆在一起”的模式是完全错误的路线。如果这一判断成立，那么美国通过芯片管制建立技术壁垒的策略就可能适得其反：它不仅无法阻止中国的人工智能发展，反而可能刺激出更高效的替代方案。
报告对全球南方国家的处理方式同样值得批评。报告承认中低收入国家在人工智能时代面临被边缘化的风险——低收入经济体的生成式人工智能使用率不足1%，主要受制于电力、数据中心和互联网接入等基础设施的匮乏——但除了将其视为美国技术出口的潜在市场外，并未提出任何实质性的解决方案。这种“数字殖民主义”的底色贯穿全文：美国要成为数字时代的“储备货币”，其他国家要么加入美国主导的技术生态系统，要么被抛弃在“大分流”的另一边。这种二元对立的世界观忽视了一个重要趋势：海湾国家、印度、韩国等中等强国正在积极布局各自的人工智能战略，试图在中美之间开辟第三条道路。非洲联盟、巴西等发展中经济体也在推进本土化的人工智能政策。全球人工智能格局正在走向多极化，而非报告所预言的两极分化。
从地缘政治的角度审视，报告的“零和竞争”框架既是其力量所在，也是其致命弱点。这种框架为动员国内资源提供了有力的修辞工具：当竞争被描述为关乎国家生存的存亡之战时，任何反对大规模投资或去监管化的声音都可能被边缘化为“软弱”或“自满”。
然而，这种框架也制造了一个危险的自我实现预言。当美国将人工智能竞争定义为零和博弈时，它实际上是在邀请对手以同样的方式回应，从而真正制造出它声称要防止的对抗局面。更重要的是，这种框架忽视了人工智能发展中合作的必要性。无论是人工智能安全标准的制定、偏见与歧视问题的应对，还是对人工智能可能带来的存在性风险的防范，都需要跨国协调与合作。报告对人工智能安全问题的轻描淡写——将其视为创新速度的障碍而非需要认真对待的关切，尤其令人担忧。
报告的另一个理论盲点是对技术民族主义成本的低估。报告热情赞扬了《大美丽法案》等政策对投资的刺激作用，却很少触及这些政策可能带来的扭曲效应。大规模的税收优惠和加速折旧意味着公共财政收入的减少，而这些收入本可用于教育、医疗或其他社会需求。数据中心的快速扩张带来了能源消耗的激增——报告预测到2028年人工智能数据中心将占美国电力需求的7%至12%——这对美国的碳减排目标构成了挑战。将能源主导权与人工智能发展捆绑在一起，支持化石燃料开发和先进核能，可能在解决短期能源需求的同时制造长期的气候风险。这些成本在报告的收益-成本分析中几乎完全缺席。
报告对劳动力市场影响的分析同样存在盲点。虽然报告承认人工智能对不同职业的影响并不均匀，某些“人工智能暴露度高”的职业已经出现就业下降迹象，但它迅速用杰文斯悖论和历史乐观主义来化解这种担忧。这种处理方式忽视了技术转型期间社会阵痛的真实代价。
即使长期来看新职业会涌现、总就业会增长，转型期间失业者的痛苦也是真实存在的，需要社会保障体系和再培训机制来应对。阿西莫格鲁和西蒙·约翰逊在其合著的《权力与进步》一书中深刻指出，19世纪英国工业革命带来的普遍福祉改善是在数十年的社会斗争和工人运动之后才实现的，“当工人无法争取其应得的生产率增长份额时，工资不太可能上涨”。技术进步的红利从来不会自动公平分配，而需要制度安排和社会博弈来实现。报告对这一历史教训的忽视，暴露了其技术乐观主义的肤浅本质。
最后，报告对“通用人工智能”和“超级人工智能”的处理方式暴露了其科技未来主义的投机性质。报告提到OpenAI、Anthropic、Meta、谷歌等机构均以研发通用人工智能为目标，似乎暗示这一目标的实现Physical AI即物理世界AI的技术延申，甚至有可能根本不可实现，至少不是以当前技术路径能够达到的方式。即使是业内人士对通用人工智能在五到十年内实现的概率估计也只有10%至20%。基于这种高度不确定的技术前景制定国家战略，存在严重的资源错配风险。
综上所述，美国经济顾问委员会的《人工智能与全球大分流》报告是一份服务于特定政治议程的政策文件，而非客观中立的经济分析。它巧妙地借用了历史概念，却扭曲了历史研究的核心洞见；它大胆地预测了经济前景，却忽视了更为审慎的学术估算；它清晰地界定了竞争对手，却未能正视自身战略的内在缺陷。
对于中国大陆而言，这份报告提醒我们避免陷入同样的零和思维陷阱。人工智能的未来不会沿着任何一方预设的轨道运行；它将在全球各方的博弈、合作与竞争中被不断重塑。在这个过程中，真正的赢家不会是那些执着于霸权幻想的一方，而是那些能够将技术进步转化为广泛社会福祉的一方。工业革命的历史教训不仅在于谁先起步，更在于技术红利最终惠及了谁。如果人工智能革命只是制造了新的不平等和新的对抗，那么无论哪一方“获胜”，人类整体都将是输家。