本文原文刊发于纽约客，作者是Chang Che。

越来越多研究者提出，真正决定一项技术能否转化为国家经济和战略优势的，可能不是谁先完成突破，而是谁能更快、更深入地把技术应用到整个社会。

1884年，英国发明家查尔斯·帕森斯发明蒸汽轮机，大幅降低了大规模发电成本。英国此前还诞生了迈克尔·法拉第等电学先驱，从技术创新能力来看，当时英国似乎理应成为电气化时代的领先国家。

现实却完全不同。

帕森斯发明蒸汽轮机四年后，英国仍然没有一座向公众集中供电的中央电站。美国发明家托马斯·爱迪生旗下公司当时已经建成185座发电站，两年后，美国发电站数量超过1000座。到1912年，美国已经成为世界最大的工业经济体，人均发电量达到英国的五倍。

乔治·华盛顿大学政治学家杰弗里·丁认为，这段历史说明，一个国家首先发明某项技术，并不能保证最终从中获得最大的经济收益。

丁在2024年出版的《技术与大国崛起》中研究了钢铁、电力、化工和汽车等推动美国成为世界最大经济体的重要产业。他发现，在这些领域的重要创新中，美国企业率先完成的不到三分之一。

丁认为，相比“谁最先发明”，真正重要的是技术扩散，也就是一项新技术能否进入企业、政府机构和普通人的日常工作，最终转化为生产率增长。

按照这一逻辑，当前衡量AI竞争的标准如果只是比较谁拥有最先进的大模型，就可能忽略真正决定长期经济影响的环节。

丁说，目前有关AI竞争的讨论往往把“拥有最先进模型”作为领先的标志，但他的研究显示，更值得关注的是哪个国家能够把AI扩散到整个经济体系，并由此提高生产率。

这套理论也给当前关于AI发展速度和安全监管的争论，提供了另一种视角。

包括部分AI研究人员和Anthropic首席执行官达里奥·阿莫代伊在内的一些业界人士，近来主张AI行业应该放慢最前沿模型的推进速度，把更多资源投入安全和可靠性研究。

反对者担心，如果美国主动降低速度，中国可能借机取得领先。

丁认为，这两种目标未必互相冲突。如果真正的竞争目标是利用AI提高整个社会的生产率，那么提高系统可靠性、减少严重事故，反而有助于技术得到更大规模的采用。

他以核能发展为例。1979年美国三里岛核事故发生后，公众对核能的信任受到严重冲击，大批核电项目随后取消。

自1996年以来，美国只完成了三座反应堆，而中国仅在2025年就有9座反应堆开工。

丁认为，如果新技术在推广早期发生重大安全事故，公众和企业可能因此拒绝采用，最终拖慢整个产业的发展。

因此，对于AI来说，单纯追求模型能力而忽视可靠性，并不一定有利于长期竞争。

为海外华人提供可靠的信息和分析。更多内容与即时更新，可以在 Bluesky、Telegram、X 、reddit搜索「causmoney」；深度分析和评论也可以直接搜索「caus.com」。

从政策方向看，中国目前也把相当一部分注意力放在AI的实际应用上。

中国2025年提出的“人工智能+”政策，目标之一就是推动AI进入制造业、医疗和地方行政等领域。

从这个角度看，中国的政策重点并不只是开发能力最强的模型，还包括把AI嵌入现有经济体系。

不过，丁认为，中国是否已经在技术扩散方面领先美国仍然值得怀疑。

他把云计算视为一个更有意义的指标，因为大量AI应用依赖云计算基础设施。从云计算投入和普及程度来看，丁的研究认为中国目前仍落后于美国。

他还认为，美国如果希望从AI中获得更大的经济收益，需要把更多资源投入所谓的“中间层”，而不只是投入最前沿模型。

这包括社区学院、职业学校和州立大学。丁认为，这些机构可以培养大量具备AI应用能力的普通劳动者，使AI真正进入地方银行、制造企业、医院和市政府等机构。

按照这种思路，未来决定AI经济影响的，可能不是极少数顶尖研究人员能够把模型能力提高多少，而是数以百万计的普通员工能否学会利用这些系统重新组织工作流程。

丁还认为，美国企业不必排斥中国开发的开放权重模型。如果这些模型能够降低企业采用AI的成本，也可能帮助美国更快普及相关技术。

这种观点，与近年来美国科技行业频繁出现的另一套论述形成明显对照。

从Meta到OpenAI，多家科技公司都曾在政策争论中以中国竞争为理由，反对某些监管或法律限制。

2018年，马克·扎克伯格在美国国会作证时携带的私人笔记被记者拍到，其中写着，如果拆分Facebook，可能会增强中国公司的实力。

2025年，OpenAI在向白宫提交的政策意见中也把中国竞争作为理由，主张美国AI企业需要能够利用受版权保护的内容训练模型。

OpenAI当时表示，如果中国开发者能够不受限制地获得数据，而美国企业却无法依据合理使用原则获得同类资源，“AI竞赛实际上就结束了”。

这类论述背后存在一种更激进的假设，即AI领先可能迅速转化为压倒性的军事或国家安全优势。

哲学家尼克·博斯特罗姆2014年曾提出“决定性战略优势”的概念，设想一个国家的AI能力如果领先足够多，可能最终获得近乎完全的全球战略优势。

近年来，一些技术和国家安全讨论进一步设想了由此产生的极端情景，包括利用AI控制无人作战系统、发动大规模网络攻击，甚至协助设计生物武器。

不过，多名研究技术扩散和国防体系的专家认为，从拥有先进AI模型到获得这种战略能力，中间仍存在巨大的制度和组织障碍。

美国国防部早期AI项目“Project Maven”前负责人杰克·沙纳汉表示，他参与的许多项目并不是受制于AI本身，而是被官僚体系、组织程序和数据问题拖慢。

沙纳汉形容，AI技术可能以每分钟1000转的速度发展，而政府机构只能以50转的速度运行。

军队要真正采用一种新技术，需要培训人员、修改政策和工作流程、调整组织结构、制定操作规范、获得预算，并收集和清理数据。

沙纳汉说，Project Maven用了九年时间才在美军中实现较大范围应用。他估计，把今天的AI系统全面整合进军队可能还需要15年左右。

他认为，中国人民解放军同样无法完全绕过这些组织和制度障碍。

为海外华人提供可靠的信息和分析。更多内容与即时更新，可以在 Bluesky、Telegram、X 、reddit搜索「causmoney」；深度分析和评论也可以直接搜索「caus.com」。

生物武器的发展历史也被用来说明，拥有技术文件并不等于具备实际生产能力。

20世纪80年代初，苏联试图在哈萨克草原上的斯捷普诺戈尔斯克生产一种已经设计完成的炭疽武器。相关工厂获得了约400页技术说明和样品，但仍无法完成生产。

苏联后来又派去65名技术人员，其中包括最初设计这种武器的专家，项目依旧因为设备条件和当地生产体系不同而陷入困难。

最终，项目耗时五年才完成，而且生产出来的武器已经不同于最初设计。

乔治梅森大学生物防御研究学者索尼娅·本·瓦格拉姆·戈姆利据此指出，仅凭科学文件无法复制复杂技术，还需要掌握隐性技能以及相关专业群体积累的知识。

网络战同样存在类似差别。

卡内基梅隆大学国家安全专家米克·欧阳把网络行动区分为“存在”和“破坏”。前者是进入并长期潜伏在对方网络中，后者则是真正使电力、通信等基础设施停止运行。

国家之间长期存在网络渗透和情报活动，但真正发动大规模破坏性网络攻击可能被视为战争行为。从先进AI模型发展到这种程度，不只取决于模型能力，还涉及军事决策、基础设施、组织执行能力以及国家之间的外交关系。

因此，这套“技术扩散”理论对当前中美AI竞争提出的核心疑问，并不是中国或美国谁能率先开发下一代最强模型，而是两国谁能够把AI更安全、更可靠、更大规模地融入经济和社会。

中国近年来一方面推动AI进入制造、医疗和行政领域，另一方面也建立了针对算法登记、虚假信息、身份欺骗和未成年人保护等问题的监管制度。

美国则继续在前沿模型研发方面保持巨额投入，同时围绕监管、安全和对华竞争展开激烈争论。

文章中指出，把所有AI政策选择都简化为“如果美国不这样做，中国就会领先”，可能夸大了单次技术突破能够直接转化为经济或军事优势的程度。

从电力、核能、军事技术和生物技术的历史经验来看，发明只是第一步。真正漫长而困难的过程，是培训人员、建设基础设施、改变组织结构、建立规则，并最终让一项新技术进入整个社会。

如果这一判断成立，AI竞争最终衡量的可能不是哪个国家最先抵达技术前沿，而是谁能够把人工智能真正变成一种普遍使用的生产工具。