（来源：观察者网）
【对话/拉维·阿格拉瓦尔（Ravi Agrawal）、马特·希恩（Matt Sheehan）】
众所周知，华盛顿在一定程度上不愿监管人工智能，原因之一是想确保美国领先中国。但这两个国家到底在争什么？“赢”到底怎么定义？胜利又意味着什么？
在最新一期《FP Live》中，我和马特·希恩聊了聊。他是卡内基国际和平基金会高级研究员，也是该基金会“中国AI倡议”的联席主任。希恩曾在中国生活和工作六年，还参与主持过中美之间关于AI的非正式对话。他著有《跨太平洋实验：中国和加州如何为我们的未来合作与竞争》。
阿格拉瓦尔：我想从最基础的问题开始。如果说美国在AI上领先中国，那领先多少？又体现在哪些指标上？
希恩：先定义“领先”或“赢”是什么意思，会很有帮助。最简单的分法是：一边是谁能造出最强大、最有能力的模型——也就是所谓的前沿能力；另一边是AI的更广泛应用，比如把AI扩散到经济里，推动增长、药物研发或科学研究。
美国明显领先、至少优势比较清楚的地方，是前沿能力。但这个领先并不大。多数人估计是六到九个月。基本上，如果Anthropic或OpenAI今天推出一个模型，中国模型大概六到九个月后就能达到类似能力。中国为什么跟得这么近，有很多问题没答案。他们是靠自己研究实力追上来的，还是其他，这些都还没有定论。
至于AI在经济中的扩散，我们还不知道谁领先。这种事要过一段时间才会体现在数据里，而且数据非常分散，没有中央数据库。比如，我们还没看到AI让中国的增长统计明显变好。在美国，它可能已经有所体现，但更多体现在算力或数据中心建了多少。对于中美各自擅长怎样扩散一项技术，我们有些直觉，但眼下还没有清晰图景。
阿格拉瓦尔：很有意思。说到竞赛，终点线也很重要。我很好奇，美国怎么定义这场竞赛中的“赢”？我用这个词，是因为它出现得太频繁了。特朗普说过，赢是必须的。财政部长斯科特·贝森特警告说，如果中国赢了，“其他一切都不重要”。所以请解释一下，这场竞赛是什么？至少从美国角度看，赢到底意味着什么？
希恩：我会把重点放在美国领先的实验室和公司上——OpenAI、Anthropic，也许还有Google DeepMind。长期以来，这些公司对AI的走向有一套很清晰的叙事：能力会不断提升、越来越通用，直到我们达到通用人工智能（AGI）——一个能做人类所有事情的模型——或者超级人工智能（ASI）——一个几乎在所有任务上都超过人类的模型。
在这个理论链条中，有一个关键时刻，而且越来越像是真实链条中的时刻，叫“递归自我改进”（RSI）。也就是模型好到可以自己造出下一代模型。模型本质上在创造下一个模型、再下一个模型，进步速度随之飙升。AI发展本来就已经在指数增长曲线上，一旦到了RSI，这条曲线会变得更加指数级。
美国研究界，至少其中一部分，长期以来的设想是：谁先到达这些线——AGI、RSI、ASI——谁就能锁定永久优势。放到地缘政治语境里，这有时被称为“决定性战略优势”。意思大概是，模型能力突然起飞到难以想象的程度，让你锁定无限期的地缘政治优势。这条链上有很多步骤，尤其是通往决定性战略优势的最后一步。核领域的人可能会说：“你以为你有了最强模型，就突然其他都不重要了？我的核武器也不重要了？”围绕这点有很多争论。
我对这种决定性战略优势理论相当怀疑，但这确实是一种愿景。贝森特说如果中国赢了，“其他一切都不重要”——我想他指的是铁穹和其他防御能力都不再重要——这其实就是在隐含地主张这种决定性战略优势。这个概念很有吸引力，对很多人有很强牵引力，但它需要大量检验。
阿格拉瓦尔：AGI以及它似乎承诺的一切，是真的还是幻象？
希恩：这是个大问题。研究界对此有分歧，长期以来我都尽量保持不可知。一些最聪明、最奠基性的AI科学家认为这还很远，或者多少是个幻象；也有人不同意，说时间线是一到三年。很长一段时间里，我想，如果他们都搞不清楚，那我也不是那个能搞清楚的人。现在依然如此。但证据天平正在明显向那些认为这可能近在眼前的人倾斜。一些科学家长期做出的预测，不断以不同方式得到验证。
这不代表争论结束了。关于递归自我改进，还有很多开放问题。但模型将在真正重要的核心领域超越人类，而且是以相对通用的方式超越——同一个模型既能解数学方程，又是世界上最好的黑客，还能在另一个学科写出一篇还算像样的博士论文——这一点现在似乎正在变得清晰。而三年前，我们能不能走到那一步，还是个更开放的问题。
阿格拉瓦尔：好，如果我们对美国这边的终点线有了一点感觉——也许可以叫它新起点——那中国对“赢”的理解有什么不同？
希恩：我喜欢你说的“新起点”，因为这点很重要。有一种概念是，第一个冲过终点线的人赢了，然后游戏结束。但现实可能是，那只是一个全新游戏的开始，而我们还没以另一种方式准备好。
中国怎么理解这件事？我会说他们是分裂的——公司、创始人、研究界，与政府、工程师、普通民众不一样。但大体上，在所有这些群体里，他们都更怀疑“一旦实现AGI、用上RSI、达到超级智能，游戏就结束”这种说法。他们认为，到达这些里程碑可能需要更长时间。
中国政府更关注扩散问题：我们怎么把AI应用到整个经济中？在公司里，当然有创始人——DeepSeek、Moonshot，以及其他一些人可能听过的初创公司——更接近硅谷的观念，但他们似乎没那么紧迫；他们觉得可能还更远，也不那么相信“第一个过线、指数改进、游戏结束”这一套。这某种程度上可能是对现实的回应，比如算力有限。很多设想都取决于未来算力能否指数级扩展。如果你看不到自己公司有这样的前景，你可能就不会那么全押在这些理论上。
总的来说，中国对AGI和ASI的关注度，明显低于OpenAI和Anthropic这些地方。
我还应该说，美国内部也有分歧。不只是科学家分裂；美国很多风投——那些常常因为相信AI而最反对监管的人——更关注应用，因为那才是他们公司赚钱的地方。
所以，两边都有争论，而且这是移动靶，尤其在中国。但中国对这些问题关注和紧迫程度明显更低。
阿格拉瓦尔：还有一种理解“赢”的方式，是你的产品在全球被采用，并由此设定标准。
有一种感觉是，美国可能有更先进的专有模型，而中国的AI模型是开放的。换句话说，任何人都能用它、调整它，用它造出别的模型。
你怎么看中美在这里的取舍？如果中国更开放的模型最终被全球南方国家更多采用，这会怎样影响两国的地缘政治优势？
希恩：我先讲一个简化版、标准版的看法，然后再把它复杂化，并谈谈影响。
很长一段时间，标准叙事是：美国公司可能有最好的模型，但你个人要每月付20美元，公司则要付几百几千美元；而中国模型是开放权重的，任何有技术能力的人都可以下载、运行，不用付钱给公司。他们得付算力钱，但不用付给DeepSeek。
这个观念，以及一定程度上现实，是：特别在意绝对最强能力的人，如果付得起，会买美国模型。但很多公司，甚至美国初创公司，比如Airbnb，直接就把中国模型接进自己系统。Airbnb做客服询问时，实际上就是在跟一个中国模型对话。它完全由Airbnb控制；DeepSeek已经控制不了，因为Airbnb把它本地化了。
但这是一种世界观：美国公司赚很多钱，中国公司产品扩散更广——尤其在全球南方，那里的人付不起美国模型的费用。
彭博社2025年10月的一篇报道：中国的DeepSeek在非洲力压OpenAI和谷歌
这个故事正在变复杂。就在最近一周左右，有很多新研究比较中国模型和美国模型的使用成本。长期以来，中国在模型效率的算法改进上做得很好；他们算力少，所以想让模型更高效，从而压低价格。但“中国模型就是更高效”这个图景，现在不再那么清晰。
开放权重的问题仍然存在：它们会不会更广泛扩散？但一些长期叙事，甚至现实本身，正在我们脚下变化。
话虽如此，一个可能——我甚至会说很可能——的世界是：发展中国家主要依赖中国模型，富裕国家主要依赖美国模型。如果你是印度尼西亚的初创公司或个人，你不会掏钱付给Anthropic和OpenAI，因为他们收费很高；你愿意在使用开放权重的中国模型时，牺牲一些性能或绝对能力。
这意味着美国公司会获得更多收入，因为有人付钱给他们。中国公司不一定能从人们使用开放权重模型中赚钱（尽管他们也在探索其他收入来源）。但中国公司可能让自己的模型扩散出去，而这些模型在某种程度上携带思想和意识形态，从而影响全球南方更多人。
很多人会问，我们更在乎什么：富裕国家的收入和采用，还是世界其他地区的思想和话语影响？这是一个开放问题，人们会有不同答案，但这是很可能出现的一种世界。
阿格拉瓦尔：回到我们开头说的，特朗普和那些科技高管在白宫开会，集体同意自我监管。自我监管够吗？
希恩：我不认为够。如何真正监管这些公司极其复杂，不只是监管设计问题，还涉及如何控制或对冲这些模型的科学问题。
很长一段时间，一个常用监管干预是强制测试和评估模型的某些风险：它是否助长生物武器开发、是否失控、是否试图逃逸？现在的问题是，模型越来越清楚自己什么时候在被测试。它们会给出测试想要的正确答案，然后在现实世界里表现得不一样。所以，即使我们有完美的监管设计，如何做这件事的科学本身就已经非常复杂。
自我监管不够，原因有很多。现在只有极少数行为者能生产这些领先模型。这些行为者——尽管有很多缺点——至少还在尝试处理安全问题。我认为他们会自愿做很多事；如果未来一年，美国领先公司中的一家或两家自愿暂停或放慢开发，我不会惊讶，因为他们得出结论：这太危险了，我们无法确保下一个模型的安全。这不是一个硬预测，但我不会惊讶。
本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。
