導語：

近期，2025年第4期《中國科學院院刊》刊發了由鄭永年教授牽頭組稿的“人工智能與未來社會”專題論文。IPP研究團隊蔣余浩、張心旖、戴明潔參與的研究也在該專題中發表。

文章認為，在人工智能（AI）發展領域，中美依然存在一定的差距。通用人工智能（AGI）未來發展不確定性的現實，決定了中國不宜僅實施“追趕戰略”。AI并非“線性創新”的發展路徑，而是在基礎研究、應用研究、產業轉化之間存在互相重疊之處。這個科技創新特性表明，中國可以基于對國際前沿的追蹤、基礎研究的突破及多樣應用需求的滿足，實現多元探索。中國需要堅持推動開放治理，在開放的制度機制下實施AI科研與應用的一體化推進，結合對于前沿的“追趕”與“多元探索”，引導拓展AI的創新發展新方向。

文本原題為《開放治理與創新方向規制:推進通用人工智能發展的制度機制研究》。 IPP評論特對本文進行編輯轉發，鑒于文章篇幅較長，今日發布文章的上半部分。

過去10年，人工智能（AI）取得了顯著進步，近年更因大語言模型（LLM）的突破，通用人工智能（AGI）的技術界限不斷被拓展，AGI有能力執行如視覺感知、語音識別、決策和語言翻譯等更多的人類任務。就世界范圍的AI發展而言，中國和美國占據領先地位，各自采用了相對獨特的發展模式，一定程度上催生了新產業、新動能。

近期，DeepSeek-R1模型的橫空出世，標志著中國AI企業在創新探索方面取得了階段性突破。然而，值得注意的是，中國在基礎理論積累、高端算力芯片生產、AI產業生態等領域仍然落后于美國，“卡脖子”風險尚未根本緩解。

本文強調，由于AI在基礎研究、應用研究和產業轉化研究等環節的應用存在著相互重疊、交互促進的關系，能夠支持多技術路線探索。因此，中國有可能通過設置開放治理的制度機制，以政策工具落實“追趕戰略”與“多元探索”，推動AGI技術發展一方面緊跟國際前沿，另一方面不斷拓展新的創新方向。

一、中國AI發展狀況及與美國的比較

AI被視為能影響大國博弈格局的核心關鍵技術，得到各個主要國家的高度關注。

美國在AGI發展中處于前沿位置，其領先世界的研究型大學、掌握龐大資源的科技巨頭企業、強大的技術部門和支持性的監管環境等條件，都不是其他國家可以在短期內加以復制和趕超的。

中國是目前世界上能緊跟美國發展速度的國家之一，在AI的多項指標上，“追趕”著美國的領先地位。AI技術的發展涉及基礎理論、核心技術、創新生態與商業應用等多個維度，中國目前在各個方面都展現出較為快速的發展勢頭。但毋庸諱言，與美國相比，中國仍存在顯著的短板。

1.中國AI發展的顯著成績

1、在科技創新前沿領域，中國AI發展在學術論文發表和專利申請方面取得了顯著進步

“信息技術與創新基金”（ITIF）報告指出，在學術論文發表方面，中國和美國的表現相當。截至2023年，中國有約12450篇生成式AI學術論文發表，美國有12030篇；在專利方面，自2013年以來，中國一直是AI專利授權的最大發起國，到2022年，中國的AI專利申請數量大約是美國同行的4倍，中國國家知識產權局專利局的授權數量幾乎是美國專利商標局的3倍。世界知識產權組織（WIPO）2024年的報告指出，自2017年以來，中國每年在生成式AI領域授予的專利數量超過了其他所有國家的總和。

圖為截至2023年生成式人工智能領域的主要專利所有者。前20名專利持有機構中有13家來自中國。圖源：ITIF

2、在創新生態上，中國的AI人才培育和基礎設施建設已經積累了一定的優勢

在人才方面，以中國研究人員在神經信息處理系統會議（NeurIPS）發表論文的比率來衡量。在2022年，中國培養了全球47%的頂級AI研究人員，而在2019年，最精英的AI研究人員比例為29%，其中26%來自中國，28%來自美國 。

在AI基礎設施如數據和算力方面，中國龐大的人口規模和企業規模產生了快速增長的數據，同時政府也在推動數據產業的高質量發展，在促進行業數據共享、推動數據授權運營、數據要素市場建設等方面推進形成了標準體系，為促進數據安全高效流通探索了制度保障。面對美國近年不斷升級的限制措施，中國在算力設施相關的芯片產業上的投資也初見回報，一些中國企業提供了具有一定競爭力和成本優勢的產品，如華為昇騰（Ascend）910B等。正是具備了較為健全的創新生態，中國企業才有可能既推出如“文心一言”“通義千問”“Kimi”“書生”大模型等緊追國際前沿的優秀模型，又產生DeepSeek-V3/R1這樣集合社會資本、青年科技人才與應用工程創新等多維度力量的先進科技產品。

圖源：新華社

3、在商業應用上，中國AI受益于巨大的市場需求，在賦能工業制造、智慧醫療和自動駕駛領域均取得顯著進展

工業和信息化部數據顯示，截至2025年2月，智能工廠培育行動已經建成3萬多家不同智能層級的智能工廠，覆蓋超過80%的制造業行業大類，共建設優秀場景近2000個，工廠產品研發周期平均縮短28.4%，生產效率平均提升22.3%，不良品率平均下降50.2%，碳排放平均減少20.4%。在醫療影像行業，截至2024年6月，國家藥品監督管理局已批準3類92款AI工具，廣泛用于圖像質量改善、疾病分期與分級分析等。中國在自動駕駛的規模化運營上進展迅速。截至2025年1月，百度公司的自動駕駛出行服務已在全國多座城市累計提供了超過900萬次載客行程。這一數字超出了美國Waymo公司同期500萬次的運營規模。

2.中國AI綜合實力上存在不足

1、中國AI發展的基礎理論原創性突破，仍然不及美國

目前廣泛應用的AI基礎理論，包括Transformer架構、Diffusion模型、RLHF優化和Attention機制等，均由美國的少數科技巨頭或研究型大學研究者提出。例如，谷歌團隊提出的Transformer架構，突破了傳統循環神經網絡（RNN）只能逐詞順序處理、效率低下的局限，以并行方式同時處理句子中所有單詞之間的關系，從根本上革新了自然語言處理（NLP）領域的發展路徑。中美兩國基礎理論上的差距，也反映在學術影響力上。例如，根據ITIF報告，在全球引用率最高的10項AGI研究成果中，美國占據4項，中國僅有1項，這顯示出中國在基礎理論原創方面的明顯差距。

2、中國在某些關鍵核心技術上，仍面臨“卡脖子”的風險

雖然DeepSeek-R1通過低成本策略有效降低了AI模型訓練對高端芯片的需求，并且華為海思等中國企業也在推動芯片國產替代方面取得了一定成績，但是，英偉達（NVIDIA）的H100芯片依然是目前訓練大模型不可或缺的核心產品。英偉達的CUDA平臺已構建了成熟的開發者生態，覆蓋TensorFlow、PyTorch等主流框架；即使其他廠商推出硬件，也難以繞過這一平臺的軟件兼容性和優化壁壘。中國在某些關鍵核心技術上難以實現重大突破，與科研生態的整體狀況相關：中國的專利申請數量領先全球，但其整體質量存在明顯不足。例如，能夠在首次獲得中國專利授權后，又獲得其他國家或地區專利認可的發明比例僅為4%，遠低于美國的32%。

3、中國AI發展的創新生態依然需要持續加以改善

例如，盡管中國頂級AI人才的規模已與美國接近，但在資本、技術、應用及基礎設施等維度仍存在明顯差距。美國斯坦福大學人本人工智能研究中心（Stanford HAI）發布的《2024年人工智能指數報告》指出，中國AI的整體創新活力（40.17）落后于美國（70.06） 。在通用技術和方法創新（如RLHF等方法論突破）方面，中國的成果相對有限，更多集中于引用周期短、規模較小的工程優化，如中文分詞增強和多模態數據清洗等。此外，一些中國AI研究成果的開源程度低、復現難度大，制約了成果的廣泛引用及理論與技術的雙向互動。

2024年，美國在AI領域私人投資達1091億美元，是排名第二的中國的11.7倍。圖源：Stanford HAI

同時，中國還存在較為嚴重的科學研究與產業應用相脫節的問題，校企合作大多停留于聯合署名發表成果的階段，實際知識轉移效率較低。整體而言，中國AI領域的科學研究、技術創新和應用處于割裂狀態，尚未形成有效協同的創新生態。另外，在基礎設施層面，中國AI企業同樣面臨突出的問題，如ITIF報告指出，中國快速增長的數據質量并不高，2023年中國企業較上一年增加了22%的數據規模，然而可數字化和可存儲的部分只有略超過3%；算力設施上的短板更加突出，中國企業目前在AI芯片設計等環節上所占市場份額比較低，一項針對20個中國大語言模型的調查顯示，其中17個模型使用的仍是美國英偉達的芯片。

二、從“追趕”向“追趕+多元探索”戰略轉型的必要性

1.追趕戰略的意義與限度

中國與美國存在現實的差距，有必要集中一定的資源實施“追趕”戰略。但是，在當前的AI領域，僅考慮“追趕”前沿，并不能滿足中國的經濟社會整體發展需求。

目前的AGI發展中，比較引人注目的是大模型訓練成本有持續增長的趨勢。AI調查機構Epoch AI，選取不同歷史時期推出的796個有影響的機器學習模型進行比較測算，發現自2016年以來，為前沿模型最終訓練運行而平攤的硬件和能源成本，以每年2.4倍的速度快速增長；如果訓練成本持續增長下去，到2027年，最大規模的訓練將花費超過10億美元；開發關鍵前沿模型（如GPT-4.0和Gemini Ultra）的成本中，大部分是硬件成本，占47%—67%，研發人員成本占29%—49%，其余2%—6%用于能源消耗。

這種高昂的資源和能源耗費，給中國及所有其他處于“追趕”狀態的國家提出了一個嚴肅的問題：在集中一定的資源進行“追趕”，以免與國際前沿發展拉開距離之外，還應當進行怎樣的規制和指引，從而產生創新的探索？

中國作為后發國家，習慣基于后發優勢理論制定國家科技創新及產業化的發展戰略。雖然這一戰略可以在一定程度上快速取得追趕成績，卻容易被鎖定在先發國家制定的既有技術路線與產業方向中，進而陷入“中等技術陷阱”。具體到AI領域，自2022年底ChatGPT發布以來，大語言模型成了AI發展的主流技術路徑，中國企業在DeepSeek崛起之前基本也是沿著這一路徑進行模仿追趕。截至2024年底，我國已備案大模型有302個，形成了“百模大戰”的激烈競爭格局 。近期，國內的資本市場也已經開始出現反思。AI投資行業里流傳著一個案例：一家公司年收入3億元，而訓練模型就花了20多個億。之前投入大量資源實施“追趕”策略的AI“六小虎”的估值如今大幅下跌，AI獨角獸陷入融資困境 。這個發展狀況要求我們更理性地思考中國的AI發展戰略。

2.“追趕+多元探索”戰略的基本思考

DeepSeek并沒有沿著“大力出奇跡”的路線前進，而是走出了一條“高性能、低成本、開放普惠”的新路徑，展示出“追趕戰略”下容納多個AI創新方向的豐富圖景。事實上，DeepSeek之所以能在短時間內獲得全球性關注，除了所謂的后發國家企業挑戰美國科技巨頭這一大國競爭話語，更重要的是其大幅度降低了應用成本并采取了開源的技術路線，這2點使得各后發地區、各行各業都有了基于自身發展需求來應用新興科技產品的機會。Ding J的近期研究也指出，與國際關系經典文獻中總結的“先進部門引發全球權力結構變化”的觀點不同，實證證據表明，“推動先進技術擴散的制度”對于大國崛起更加重要。這項研究將輿論特別關注的創新“先進性”與“后發性”的對立，引向了更值得探討的“創新能否獲得廣泛應用”層面。

這樣的實踐經驗與理論思辨，啟發了中國可以在實施“追趕戰略”的同時，通過“多元探索”發掘AI多樣化創新方向的可能性。在“追趕戰略”下，中國可以選擇在一定的領域內集中資源從事重大科技攻關，適應大國競爭的需求。而面對AGI這種技術路線與產業化方向仍存在較大不確定性的新興領域，只將追趕美國技術領先地位作為唯一的戰略導向，不僅容易造成國家創新資源投入既定技術路線的誤判與浪費，更會忽略“多元探索”戰略下我國不同地區、多類主體中蘊藏的多樣化創新發展可能性潛力。當然，在國際競爭與社會輿論的壓力下，中國作為世界第二大經濟體，也很難只關注國內創新發展而不去面對事實存在的外部壓力，完全從已有的“追趕戰略”轉向“多元探索”。

因此，本文在戰略導向上的主要觀點是，面對AGI的創新發展，需要同步實施“追趕戰略”與“多元探索”戰略，后者可以作為前者的補充，使得中國在應對美國科技競爭的同時，探索出符合我國國計民生需求的AI創新方向。

*因篇幅原因，文章下半部分將擇日發布，敬請關注。

*文章來源：蔣余浩, 張心旖, 戴明潔. 開放治理與創新方向規制：推進通用人工智能發展的制度機制研究. 中國科學院院刊, 2025, 40(4): 652-662.

DOI: 10.16418/j.issn.1000-3045.20241216002.

*本文作者：

蔣余浩 華南理工大學公共政策研究院研究員、廣東新質生產力政策研究中心主任

（點擊圖片閱讀更多蔣余浩的文章）

張心旖華南理工大學公共政策研究院 研究助理

（點擊圖片閱讀更多張心旖的文章）

戴明潔 華南理工大學公共政策研究院副研究員、廣東新質生產力政策研究中心研究員

（點擊圖片閱讀更多戴明潔的文章）

IPP公共關系與傳播中心

排版｜周浩鍇

審閱｜劉 深

終審｜劉金程

贈書活動

IPP目前正舉行鄭永年教授新書——《論單邊開放》的留言贈書活動，

歡迎各位讀者進入本書的推廣鏈接↓↓↓

在留言區寫下您對“單邊開放”問題的思考和觀點！

積極參與留言互動，并獲得最高點贊數的讀者朋友

將獲贈一本鄭永年教授親筆簽名版新書

活動截止日期為6月30日（周一），屆時小編將在評論區公布活動結果

歡迎讀者朋友們踴躍留言、轉發，分享！

（活動最終解釋權歸本號所有）

DeepSeek“出圈”下一步：我國如何構建AI新變革與創新環境？

蔣余浩：中國人工智能創新發展路徑研究——基于“非線性創新觀”的探索

張心旖：推進城市全域數字化轉型，該怎么做？

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。