本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论
5月25日，HW发表韬(τ)定律，提出以“时间缩微”替代“几何缩微”作为半导体演进新路径——通过逻辑折叠等技术，在不依赖先进制程的前提下持续提升晶体管密度和系统性能。过去六年华为已基于这一路径量产381款芯片，目标是到2031年达到等效1.4纳米制程的密度水平。本月，中方宣布将启动中美双边AI对话。中国一边绕开封锁走通芯片自主路径，一边主动伸出对话之手。
反观美国，情况远没有这么从容。4月中旬Anthropic就前沿模型Mythos的安全能力向白宫发出警告后，白宫反应迅速——联邦AI政策在数周内从“绝不干预”急转为“考虑预审批”。钱在加速涌入，模型能力在指数增长，但部署转化率极低、公众态度日趋负面、监管框架几乎空白。多家智库近期的研究，正从不同角度拆解美国AI产业发展与政策体系中三重正在加剧的困境：
支出困境：钱花了十倍，但几乎全部流向单一领域
部署困境：模型全球领先，但95%的落地未产生可衡量回报
治理困境：政策窗口在关闭，而政治共识尚未形成
一、十倍增长
美国联邦AI支出的去向
布鲁金斯学会（Brookings Institution）5月18日的研究揭示了一组惊人数字：2024年到2026年，美国联邦政府AI合同的已拨付资金从6.75亿美元飙升至72亿美元——增长966%。潜在合同总额更是从46亿美元暴涨至918亿美元，增幅达1,912%。合同数量从489份跃升至1,743份。
这些钱去了哪里？绝大部分流入了安全与情报领域。参与联邦AI合同的政府机构从2022年的17个扩展到28个，帕兰提尔（Palantir）、博思艾伦（Booz Allen Hamilton）等大型承包商主导市场。但87%的企业仅持有1-2份合同，市场仍处于实验与扩张并行的状态。
特朗普政府《美国AI行动计划》有三大支柱——加速创新、建设基础设施、国际AI领导力。布鲁金斯的判断是：预算严重偏向第一支柱，第二支柱仍依赖私人投资（美国已有4,011个数据中心，预计2030年需求翻三倍），第三支柱——国际合作与AI治理领导力——几乎无预算支撑。
更耐人寻味的是Anthropic事件：2026年初，Anthropic拒绝让其模型用于特定政府应用场景，随即被列为“供应链风险”，实际上终止了与联邦政府的所有合作。技术伦理与国家战略之间的张力，正通过预算政治具象化。
二、“错误的竞赛”
部署能力与公众信任才是决胜项
史汀生中心（Stimson Center）的政策备忘录提出了一个反直觉的命题：西方将中美AI竞争定义为“谁能建造最大、最智能的模型”，这本身就是战略误判。真正决定胜负的不是前沿技术突破的速度，而是大规模部署AI的能力——以及公众信任。
部署维度上，中国正在将AI作为基础设施而非实验室成果。工业机器人密度已超越德国和日本，部署数量超过全球其他国家总和；18个全自动化港口码头正在运营，另有27个在建；AI驱动的电网管理将停电时间从10小时缩短至3秒。在医疗领域，AI设施每天诊治数千名患者，准确率93%，已扩展至260家医院覆盖几乎所有省份。
信任维度上，差距同样悬殊。爱德曼（Edelman）2025年信任晴雨表显示，中国72%的民众信任AI，而美国和其他西方民主国家仅32%。超过一半的美国人认为AI的社会风险很高。与此同时，麻省理工学院（MIT）报告发现美国95%的AI部署未产生可衡量的利润影响——企业在大量采购工具，却未完成真正的工作流程整合。
这意味着一种吊诡的格局：美国在模型训练和基础研究上领先，在实际部署和社会接受度上落后。竞赛不是比谁部署最快，而是比谁部署得最好。
三、AI许可：一年半的空白之后
2023年，萨姆·奥特曼（Sam Altman）在国会上建议“对超出能力阈值的AI模型实行许可和测试制度”。
战略与国际研究中心（CSIS）瓦德瓦尼AI中心主任阿洛克·梅塔（Aalok Mehta）在5月16日的文章中梳理了这段政策史：奥特曼听证会后的几个月是AI安全的“高水位”。英国举办了安全峰会，拜登签署了史上最长行政命令之一，欧盟赶着完成AI法案。此后风向反转——关注点从“安全”转向“采用和建设”。AI政策中心关闭，峰会系列从“安全”改名为“行动”和“影响”。奥特曼再次出席参议院听证，主题变成了“赢得AI竞赛”，对模型监管只字未提。
白宫国家经济委员会主任凯文·哈塞特（Kevin Hassett）在福克斯商业频道（Fox Business）表示，正在研究一项行政命令，未来可能产生安全风险的AI应先证明安全再发布，“就像FDA审批药物一样”。
但一年半的政策空白意味着“如何实施”的细节几乎没有进展。FDA模式不能直接套用——它审查的是“产品快照”，不是持续学习的软件系统；评估方法面临基准饱和和“刷分”问题；许可只是故事的一半，发布后监控同样必不可少。
此外，一个被忽视的事实是：开放模型通常落后前沿系统8至12个月。这意味着“强大能力模型变得普遍”的窗口正在迅速关闭。如果政府不在这个窗口内行动，许可制度将变得毫无意义——你无法对已经在所有人硬盘上的模型施加许可。
四、26%支持率：AI的政治命运
美国外交关系委员会（CFR）中国与新兴技术高级研究员克里斯·麦奎尔（Chris McGuire）提出了一个更长期的判断：AI政策将成为2028年美国总统大选中最重要的议题。
这个判断基于一组数据：两项独立研究得出结论，自2024年以来领先AI模型的能力大约每四个月翻一倍，且速度仍在加快。按此速率，到2028年大选时最佳AI模型将比现在强250倍。但目前仅26%的美国选民对AI持正面态度，46%持负面态度。
这构成了前所未有的战略风险：对美国经济和技术竞争力最重要的技术，在国内却广泛不受欢迎。三重冲击正在逼近——就业替代（OpenAI的奥特曼承认将有“整个类别的工作”被消灭）、危险滥用潜力（AI已超越顶尖网络安全专家发现漏洞的能力）、政府数据分析能力暴增（AI使政府能以极低成本分析每个公民的手机位置、金融交易和浏览记录，而这在技术上不被视为“监控”）。
2025年，各州立法者已提出超过1,200项AI相关法案。左右两派都在寻求监管。麦奎尔的警告是：抵制监管以保护竞争力的本能是自我挫败的——推迟严肃政策制定的时间越长，最终回应越可能是仓促设计的危机反应。
史汀生中心的判断值得在结尾重提：持久的AI领导力不取决于谁先训出最大的模型，而取决于谁能将AI最深入地部署到真正产生价值的系统中——前提是社会信任和制度框架承受得住。CFR麦奎尔则指向一个更紧迫的现实：当技术能力以指数速度增长而政策以线性速度推进时，两条曲线之间的裂口每一天都在扩大。布鲁金斯的数据揭示了结构性“偏科”：918亿美元潜在合同几乎全部流向安全与情报，国际AI治理领导力——恰恰是与对手建立规则共识所必需的能力——几乎无预算支撑。
三重困境的本质不是资源不足，而是方向失焦：钱在加速流入，但流向单一；能力在指数增长，但信任在线性下降；政策窗口在关闭，但政治共识尚未形成。2028年大选将是第一个检验点——届时选民可能比今天更反感AI，而AI本身将比今天强大得多。深思熟虑的政策窗口正在关闭，仓促应对的政治压力正在累积。
（本期参考来源略）