[人工智能时代的地缘政治] ⑨ 人工智能的国际政治经济：人工智能国家战略与全球竞争

⑩ 人工智能与国际政治经济，宋智妍 [阅读工作论文]

Ⅰ. 导论

人工智能（AI）已成为当前国家竞争和国际政治经济中的核心战略资产。AI技术的飞速发展和广泛应用被视为不仅是产业革命，更能重塑经济增长、军事力量、数据控制、金融市场等国家权力的核心要素。在此背景下，各国竞相制定并发布人工智能国家战略（National AI Strategy），围绕争夺全球技术主导权的竞争日趋激烈。

本研究首先将这些人工智能国家战略系统地分为四种理想类型（ideal type）。第一，根据战略的目标导向性（进攻型 vs. 防御型），区分是利用AI作为争夺全球霸权的手段，还是管理技术扩散带来的风险和依赖性。第二，根据政策主导结构（市场主导 vs. 国家主导），决定是依赖民间企业和市场进行创新，还是由国家直接调控产业、数据和基础设施。结合这两个标准，可以得出“市场主导-进攻型”、“国家主导-进攻型”、“市场调整-防御型”、“国家主导-防御型”四种战略类型，各国根据其政治体制、产业结构、技术生态系统和国际地位采取不同的战略选择。

此外，人工智能国家战略应被理解为在全球AI竞争的结构性背景下相互作用的动态产物。AI作为一种通用技术，在经济、产业、军事、社会等所有领域都具有深远影响，国家间技术差距不仅是生产力差异，更直接关系到国家权力和战略地位的重塑。因此，AI倾向于使全球竞争呈现全面战争的态势。然而，这种AI竞争也蕴含着放大各国所追求战略的负面效应的风险。因此，为了管理这些风险，建立国际层面的AI治理（AI Governance）是当前最为紧迫的任务。

Ⅱ. 人工智能国家战略

随着AI的战略重要性日益凸显，各国纷纷竞相制定并发布“人工智能国家战略”。2017年3月，加拿大政府发布了伴随全面财政支持的“泛加拿大人工智能战略”（Pan-Canadian Artificial Intelligence Strategy）。该战略将AI定位为不仅是产业技术，更是决定国家竞争力、经济增长和长期创新能力的关键战略技术，并试图在国家层面系统性地协调研发投入、人才培养和创新生态系统建设。[1]此后，随着众多国家发布AI战略，国家层面的AI政策在全球范围内得到推广。这些AI国家战略的出现和普及表明，AI不仅被视为一项新兴技术，更被认为是一项能够重塑生产力、产业结构、军事力量、数据控制、金融市场等国家权力的核心要素的通用技术。因此，AI国家战略需要被理解为国家在技术霸权竞争和全球价值链重塑的背景下，为重新定位自身政治经济地位而采取的战略性应对产物，而非单纯的产业扶持政策。[2]

AI国家战略可以定义为“在明确目标下协调一致的政府政策集合，旨在最大化AI为经济和社会带来的潜在收益，并最小化潜在成本。”[3]这一定义包含了三个核心要素。首先，AI战略以国家层面的明确目标设定为前提。其次，研发、产业政策、教育与人才培养、监管、数据治理、国际合作等多种政策工具以相互协调的形式结合。第三，增长促进的进攻性目标和风险管理的防御性目标同时被考虑在内。事实上，各国政府已设定了诸如 확보全球AI领导力、加强技术主权、保护战略产业、监管AI应用等不同的政策目标。这意味着AI国家战略不仅是单纯的产业培育政策，更是国家在何种政治经济秩序下管理和引导AI技术发展与扩散的综合性构想。

本论文为系统理解这些AI国家战略，提出了四种AI发展战略的“理想类型（ideal type）”。理想类型是马克斯·韦伯提出的概念，它并非现实中真实存在的经验实体，而是为了分析性地把握复杂而混合的现实而构建的概念模型。[4]它并非为了简单地对现实进行分类，而是提供了一个分析性基准点，用于比较和评估各国战略更接近于何种方向性和制度特征。虽然实际的AI国家战略因各国的政治体制、产业结构、技术生态系统、金融体系和社会价值体系而异，但可以根据其基本方向性和政策主导结构进行类型化。

区分理想类型的第一个标准是“战略的目标导向性”。这指的是AI战略最终优先考虑何种价值，以及在国家权力和发展模式中将AI置于何种手段的地位。在此可以分为进攻型（offensive）战略和防御型（defensive）战略。进攻型战略是在全球技术霸权竞争中抢占AI领域的竞争优势，从而确保经济、军事和科技优势的 접근 방식。其核心任务包括加速技术创新、积累数据和计算资源、形成网络效应、掌握全球技术标准和基础设施主导权、控制关键零部件和供应链等。在这种情况下，AI被视为增长动力和战略资产，并与国家权力的扩张直接挂钩。相反，防御型战略则侧重于最小化AI竞争可能带来的产业依赖、数据脆弱性、劳动市场冲击、社会不平等加剧等风险。这并非抑制技术发展，而是通过制度性地管理其引入的速度、范围和方式，来确保经济自主性和社会稳定性的调整性 접근 방식。因此，“战略的目标导向性”是一个概念轴，用于衡量政策的基本方向，即是侧重于将AI作为国家权力扩张的手段积极运用，还是侧重于管理AI扩散带来的结构性冲击。

第二个标准是“政策主导结构”。这指的是在AI战略的制定和执行过程中，国家与市场，特别是数字平台企业之间，权力与主导权是如何分配的。这里的“政策主导结构”并非仅仅指政府干预的水平或强度，而是一个结构性概念，用于说明在围绕AI发展的治理体系中，最终的决策权和战略控制权归属于哪个行为者。在市场/平台主导型战略中，民间企业，特别是大型技术平台企业和风险投资生态系统，是创新的核心驱动力。政府提供制度性基础，如支持基础研究、完善监管框架、促进竞争、制定伦理指南等，但技术创新的具体方向和速度由市场竞争、资本市场和网络效应决定。相反，在国家主导型战略中，政府设定AI发展的优先顺序，并利用产业政策、财政支持、公共研究机构、公共采购、监管权力等来直接调控技术发展。指定战略产业、大规模公共投资、国家对数据基础设施的控制、与安全的联动等是其典型特征。在这种情况下，国家不仅是促进者，更是方向设定者和资源分配的中心行为者。

结合这两个标准，可以得出“市场主导-进攻型”、“国家主导-进攻型”、“市场调整-防御型”、“国家主导-防御型”这四种理想类型的人工智能国家战略。当然，现实中的AI国家战略并非完全属于其中一种，而是呈现出复合性，并位于连续线上。尽管如此，这些理想类型为分析各国如何应对通用技术AI的发展和扩散提供了有用的分析框架。

<表 1> 人工智能国家战略的理想类型

1. 市场主导-进攻型战略 (market-led offensive strategy)

市场主导-进攻型战略是指将人工智能视为国家权力竞争的核心战略资产，但其发展的主要动力并非国家直接控制或集中规划，而是市场竞争和民间创新能力的一种战略类型。在此战略中，国家并非细致指挥技术开发的控制者，而是扮演提出长期愿景和规范方向、设计制度和财政基础的协调者和促进者。创新的执行主体是企业、大学、研究机构、风险投资生态系统、资本市场等分散的行动者，国家通过扩大研发投资、开放数据和计算资源、完善监管、制定标准战略、稳定供应链、采取选择性安全措施等方式，战略性地增强其竞争力。因此，该战略具有“战略自由主义（strategic liberalism）”的性质，它标榜自由市场秩序，同时追求技术霸权、抢占国际标准、实现军事优势等进攻性目标。

人工智能领域是这种战略自由主义尤其适用的领域。人工智能在经历了1970年代所谓的“AI寒冬”后，公共支持减少，转由民间企业主导发展。产业机器人、数据挖掘、云端人工智能、大型语言模型等核心创新主要围绕民间企业展开。如今，微软、谷歌、亚马逊、Meta、OpenAI等大型科技公司凭借其海量数据、计算资源和全球平台，正在引领人工智能的发展。[5] 因此，人工智能被视为企业间竞争决定创新速度和方向的典型市场中心型技术。这种民间主导的结构也是市场主导-进攻型战略在人工智能领域具有高度一致性的核心原因。

美国是该战略最典型的案例。2019年特朗普第一任期政府发布的《美国人工智能倡议》（American AI Initiative）将维持和加强美国在人工智能领域的领导地位设定为国家目标，但其方法并非集中式的产业控制，而是侧重于营造创新环境。扩大联邦人工智能研发投资、开放高质量的联邦数据和计算资源、最小化阻碍创新的监管壁垒、培养STEM人才、参与国际规范制定等是其核心内容。特别是，通过避免过度的事前监管并强调基于成本效益分析的绩效导向监管，试图在制度上保障民间创新的自主性。这可以被评价为一种在设定进攻性目标的同时，在政策手段上侧重于生态系统建设和制度基础构建的促进型战略。[6]

2025年特朗普第二任期政府发布的《赢得竞赛：美国的AI行动计划》（Winning the Race: America’s AI Action Plan）演变为更明确、更结构化的进攻战略。该计划围绕加速AI创新、建设美国AI基础设施、主导国际AI外交与安全这三大支柱构建，并将美中战略竞争格局置于前台。它包含了一系列整合产业、安全、外交的执行战略，如审查监管和加强放松管制、促进开源生态系统、扩充半导体、数据中心、能源基础设施、建设军用和情报机构专用高安全AI基础设施、加强出口管制、构建同盟技术集团等。也就是说，如果说2019年的战略侧重于为创新生态系统奠定制度基础，那么2025年的战略则试图通过重组供应链、技术控制和扩大同盟网络，将创新成果转化为地缘政治优势，是一个综合性的执行框架。2025年的《美国的AI行动计划》通过明确化AI霸权竞争、加强AI的安全化（securitization）、以及制度化对竞争对手的技术控制和集团化战略，进一步强化了国家战略作用。[7]尽管如此，从政府不以计划经济方式运营AI产业，并将创新中心置于民间企业和研究共同体来看，两种战略在市场主导性方面都保持了一致性，可以评价为市场主导型战略。

<表 2> 美国人工智能倡议 vs. 美国AI行动计划比较

市场主导-进攻型战略的最大优势在于其与人工智能的民间主导发展结构在结构上高度一致。竞争性的市场结构能够支持多样化的技术路径实验，快速筛选失败，并促进资本和人才的大规模流入。拥有全球平台的企业可以通过网络效应传播国际标准和技术栈，而国家则可以通过选择性地干预供应链、安全、标准等战略节点，灵活应对地缘政治风险。换言之，技术发展的速度和规模由市场 확보，其成果的战略转化由国家负责，形成了结构性分工。然而，该战略也内含结构性局限。企业基于风险和收益做出决策，可能导致长期安全、伦理和社会责任被置于次要位置。平台企业的市场支配力增强和数据垄断可能阻碍竞争并加剧不平等。此外，民间企业的商业利益与国家的长期战略并非总是完全一致，这可能引发战略一致性问题。[8]

市场主导-进攻型战略是一种混合战略，它通过设计制度环境和战略激励措施，最大限度地动员民间创新能力，从而在国际技术霸权竞争中获得优势，而不是由国家直接控制产业。美国的案例表明，在保持开放创新生态系统的同时，正朝着以技术为中心重塑地缘政治秩序的方向发展。

2. 国家主导-进攻型战略(state-led offensive strategy)

国家主导-进攻型战略是指将人工智能视为不仅是产业创新的手段，更是与国家权力结构性重塑直接相关的核心战略资产，并通过中央政府全面主导长期愿景设定、资源分配、制度设计、产业组织和安全整合，以期在国际技术竞争中获得领先地位的战略。在此类战略中，中央政府主导发展路线图、重点技术、产业布局、数据管理体系、标准和监管方向，而市场和企业则在国家战略框架内被动员和协调。

最能体现这种意识形态的典型案例是中国。中国在2017年国务院发布的《新一代人工智能发展规划》中，将人工智能提升至国家战略的最高优先级别，并提出了到2030年成为世界人工智能创新的主要中心和领先国家的长远目标。该规划将人工智能定义为引领未来的战略性技术，并强调在国内获取核心算法、高端AI芯片、数据资源、智能系统等战略资产，追求技术自主和全球竞争优势，具有明确的进攻性导向。特别是通过与军民融合战略相结合，将人工智能发展直接与军事现代化挂钩，使其成为整合技术、产业和安全的国家级项目。

在政策主导结构方面，中央政府通过重组国家级重点实验室和创新基地、投入大规模财政和政策性金融、指定战略产业并提供补贴、构建数据治理体系等方式，统筹发展方向。阿里巴巴、腾讯、百度、华为等主要平台企业既是自主的创新主体，也作为国家战略的执行伙伴发挥作用，这与以民营企业作为独立市场主体为中心的模式不同，展现了国家战略下整合的技术-产业复合体的特性。此外，数据超越了市场竞争要素，被重新定义为与国家安全直接相关联的战略资产，并逐渐纳入国家管理的范畴，包括收集、流通、利用和跨境转移。法律、伦理、标准、知识产权、安全监管体系也得到先行整備，形成了涵盖从算法设计到应用阶段的监管结构，以系统性方法推进大规模技术扩散，使其处于可控范围内。[9]

得益于这些结构性特点，国家主导-进攻型战略具有集中资源动员、长期战略一致性、技术-产业-军事一体化协调、大规模基础设施快速建设等优势。特别是在技术追赶阶段，国家能够整合财政、金融和产业政策，将资源集中于战略产业，这有利于快速积累能力。但同时，中央集权的官僚结构可能限制激进和颠覆性创新的多样性，战略产业指定和大规模补贴伴随着资源错配和政治判断失误的风险。如果企业自主性过度依赖于国家战略，可能会削弱在全球市场竞争中的灵活性和创造力。数据控制的加强和国家干预的扩大也可能成为国际合作和建立信任的制约因素。此外，技术发展与国家战略的紧密结合，可能加剧国际政治冲突向技术领域的转移，这也是其结构性局限之一。[10]也就是说，国家主导-进攻型战略在拥有强大动员能力和推进长期战略的优势的同时，其可持续性取决于如何确保制度的灵活性和国际开放性，可以评价为一种战略类型。

3. 市场调节-防御型战略(market-shaping defensive strategy)

市场调节-防御型战略是指将人工智能视为战略性核心技术，但并不追求在国际技术霸权竞争中获得进攻性优势，而是通过重塑市场的制度条件和规范，以防御本国价值观、制度和社会稳定性的战略类型。在此战略中，国家扮演的不仅是产业促进者，更是规范设计者和风险管理者。技术创新的动力仍然存在于民间部门，但国家通过法律规制、标准化体系、数据治理、竞争政策、问责机制等方式，结构性地塑造技术发展的路径。也就是说，它并非通过封闭市场或国家直接控制生产的方式，而是通过重构市场运行规则，为技术发展设定制度边界，使其不与民主、人权、个人信息保护、社会信任相冲突。

该战略的典型案例是欧盟采纳的《欧盟人工智能法案》（EU AI Act）。该法案于2024年通过，是全球首个全面的人工智能监管框架，其核心原则是“基于风险的方法（risk-based approach）”。它将人工智能系统根据风险水平划分为“不可接受风险”、“高风险”、“有限风险”和“最小风险”四类，并根据风险强度差异化监管强度。诸如社会信用评分、操纵弱势群体、大规模实时远程生物识别等系统被禁止；在教育、就业、信贷、执法、移民、司法等领域使用的高风险人工智能，必须满足严格的风险管理、数据质量保障、技术文档、人类监督、准确性、鲁棒性和网络安全要求。此外，对于通用人工智能（General Purpose AI），也规定了运算规模达到一定标准的模型需要承担额外的评估和报告义务，以期在事前管理系统性风险。欧盟的这种做法的特点还在于，它不仅仅是人工智能的单独监管，而是重塑整个数字秩序的全面市场调节战略的一部分。《通用数据保护条例》（GDPR）加强个人信息保护，《数字市场法》（DMA）规范平台市场支配力，《数字服务法》（DSA）加强在线平台问责，这些都与人工智能监管相结合，形成了一个连贯的规范性框架。[11]通过这种方式，欧盟追求的是一种“规范性权力（normative power）”战略，即通过规范和标准塑造全球市场的运行原则，而不是直接在技术霸权竞争中获得产业优势。

市场调节-防御型战略的优势是明确的。首先，通过在技术发展初期就制度化可能带来的社会和政治风险，可以保障长期的稳定性和民主合法性。其次，明确的监管框架为企业和投资者提供了可预测性，并提高了消费者信任度。第三，在国际上，通过抢占规范和标准，可以在全球技术秩序形成过程中发挥影响力。这可以被评价为一种在规范竞争层面而非单纯产业竞争层面寻求战略自主性的尝试。然而，该战略也同时内含结构性局限。最核心的问题是，在技术成熟之前就引入全面监管，存在“先发制人过度监管”的风险。严格的事前监管会增加合规成本，特别是对资本和法律能力有限的初创企业和中小企业构成相对较大的负担。这可能阻碍创新实验和快速商业化，削弱产业生态系统的活力。

此外，复杂的监管体系也可能适得其反地有利于大型企业。拥有充足资源的大型跨国公司能够承担合规成本，但初创企业可能面临放弃市场准入或转移到欧盟以外的诱因。更进一步说，欧盟在规范制定能力方面占据了领先地位，但在超大型模型开发和大规模计算基础设施方面，其产业基础相对薄弱，与美国和中国相比处于劣势。[12]在这种情况下，如果过早引入强有力的监管，可能会加剧“制定规则的权力”得到行使，而“生产技术的权力”却受到限制的结构性不平衡。这在长期来看，可能与实现战略自主性（strategic autonomy）的目标产生紧张关系。

市场调节-防御型战略是一种不全面控制市场，而是通过法律和制度结构性地塑造技术发展方向，从而防御社会价值和制度稳定性的 접근。欧盟《人工智能法案》是这种战略最系统化的实践案例，可以被视为一种将技术竞争重新定义为规范竞争而非单纯产业霸权竞争的尝试。但该战略需要在规范合法性和产业竞争力之间进行持续的平衡调整，其长期成果将取决于如何设计这种平衡。

4. 国家主导-防御型战略(state-led defensive strategy)

国家主导-防御型战略是指将人工智能视为国家安全和经济发展的核心战略技术，但并不直接追求在国际技术霸权竞争中获得进攻性优势，而是侧重于由国家主导保护产业基础和实现自主性的一种战略类型。在此战略中，国家扮演着产业培育的主导者和市场保护的执行者。与其完全依赖市场的自主竞争，不如由政府动用补贴、公共采购、研发支持、外国企业监管、数据控制、基础设施投资等多种政策工具，保护国内人工智能生态系统免受外部竞争压力。这可以被视为一种制度性地构建“战略缓冲空间（strategic buffer space）”，以防止因全球领先企业在技术、数据、平台上的垄断而可能产生的产业依附，并为本国产业的成长提供空间。

这种防御战略超越了单纯的市场保护范畴，并随着“主权人工智能（Sovereign AI）”概念的结合而进一步发展。主权人工智能是指超越了在国家法律体系下管理数据的“数据主权”，而是一种战略性方法，旨在自主构建人工智能模型的设计、训练、部署、运营，以及支撑这些活动的基础计算基础设施和治理体系。这超越了“谁控制数据”的问题，扩展到“谁设计算法和模型，以及AI根据何种规则和价值观运行”这一更根本的主权问题。国家主导-防御型战略可以被视为通过确保这种人工智能主权，来实现长期的技术内化和战略自主性（strategic autonomy）的 접근。[13]

印度可以被归类为这种国家主导-防御型战略的典型案例。印度承认人工智能是经济增长和数字化转型的关键驱动力，但一直警惕本国人工智能生态系统在结构上依附于美国和中国的平台企业。在这种认识下，NITI Aayog于2018年发布了《人工智能国家战略：全民人工智能》（National Strategy for Artificial Intelligence: AI for All），提出了国家层面的战略愿景。该战略表面上强调包容性增长（inclusive growth），但其内容明确展现了追求技术自主和主权的国家主导-防御型战略的性质。[14]

印度的“全民人工智能”战略首先，通过公共部门为中心的“需求创造”，由国家主导人工智能的发展方向。印度选择了医疗、农业、教育、智慧城市、智慧交通等具有巨大社会外部效应的领域作为优先应用领域。这是一种优先考虑社会优化（social optimization）而非短期利润最大化的 접근，其意图在于防止人工智能产业被重塑为以外国平台企业为中心的商业消费市场。特别是，在农业和医疗等民间投资动力不足的领域，国家直接创造需求，旨在引导产业发展的方向以公共目的为中心。

其次，该战略通过基础研究能力强化的CORE（Centres of Research Excellence）和应用·产业应用中心化的ICTAI（International Centres for Transformational AI）的双重结构，在国家层面系统化研究生态系统。这不仅仅是引进外国技术，而是通过学习（adaptation）和应用，最终实现技术内化（indigenization）的阶段性战略。这可以被评价为一种利用“后来者优势（late-mover advantage）”，在承认后发者局限性的同时积累自主能力的选择。

第三，重视数据主权和平台控制权的获取。印度试图通过数据本地化要求、个人信息保护体系整備、部门规制框架构建等方式，将数据控制权保留在国内。此外，通过构想国家人工智能市场（National AI Marketplace, NAIM），设计整合数据收集、标注、模型部署的公共平台，以缓解对全球大型科技平台在结构上的依赖，并使国家能够作为生态系统的协调者和设计者发挥作用。这可以被解读为构建主权人工智能（Sovereign AI）的制度基础的尝试。

第四，同步推进人力资源和制度基础整備。大规模再培训计划、分布式教育模式、以及数据标注等新就业岗位创造战略，可以被理解为缓解自动化冲击、最小化社会冲突的防御性措施。同时，反映人工智能专利和数据驱动模型特殊性的知识产权（IP）制度改革，也是为了不依附于外国企业主导的知识产权结构而进行的制度性准备。

这种国家主导-防御型战略的优势包括：首先，可以降低对外部技术的依赖，建立长期的产业自主基础。保护性政策可以防止国内初创企业在早期阶段被全球巨头淘汰，并为技术积累争取时间。此外，将数据和基础设施置于国内控制之下的主权人工智能（Sovereign AI）方法有助于缓解安全风险并维持政策自主性。更进一步，以公共目的为中心的AI发展模式可以获得社会合法性，并有助于缓解数字转型过程中可能出现的失衡和排斥问题。然而，国家主导-防御型战略也存在结构性局限。过度保护主义有削弱竞争压力，从而降低国内产业效率和创新能力的风险。虽然加强对外国企业的监管可以在短期内起到市场保护作用，但长期来看，也可能导致外国投资减少和技术合作缩减。此外，构建主权人工智能需要大量的计算基础设施、能源资源和熟练劳动力，成本高昂，而后发国家在构建自主模型方面也面临技术限制。更重要的是，国家主导的资源分配可能伴随政治判断和官僚效率低下的风险。

国家主导-防御型战略是后发国家在全球人工智能竞争中可以采取的一种现实应对方式，是一种旨在防止在外部技术权力结构下产生结构性依赖并确保技术主权的防御性、以主权为中心的战略。印度的战略在包容性增长的论调下，旨在构建主权人工智能，其方法侧重于控制生态系统和技术内化，而非市场开放。这可以被视为一种国家主导的人工智能发展战略的典型，其核心目标是技术生存和战略自主性，区别于进攻性的霸权战略。

5. 人工智能国家战略的多样性

迄今为止分析的四种人工智能国家战略，可以根据其在全球人工智能竞争中的态度以及国家与市场关系的设定方式进行区分。前者是关于战略导向的问题，即是旨在通过人工智能扩大国际秩序中的影响力，还是旨在管理依赖和风险；后者则是关于谁是创新的主导者的问题。

市场主导-进攻型战略是利用民间企业的创新能力和资本积累能力作为核心动力，追求全球人工智能霸权的类型。在这种战略中，国家不直接控制产业，而是通过放松管制、支持研发、吸引人才、提供税收优惠等方式，扮演促进创新环境的角色。国家主导-进攻型战略在保持进攻性目标的同时，试图通过国家中心的产业政策和资源调动来实现。在这种情况下，国家不仅是协调者，更是产业方向的设计者和战略领域资源集中的分配者。市场调节-防御型战略是在维持市场经济基本结构的同时，试图通过强有力的监管和制度设计来管理人工智能可能带来的社会风险。这种类型优先考虑的是安全、伦理、人权保护、数据保护等价值的维护，而非在全球霸权竞争中进行进攻性扩张。国家主导-防御型战略由国家主导产业发展，但其目的不是全球霸权，而是防止技术依赖和确保战略自主性。该战略通过产业保护、数据控制、公共需求创造、基础设施自主等方式，追求本国人工智能生态系统的内化。

<表3> 人工智能国家战略的多样性

上述四种人工智能国家战略是根据国家能力、产业结构、政治体制和国际地位而选择的不同战略组合。它们并非相互排斥，而是可能根据各国所处的结构性条件混合出现。然而，这种类型划分为了解全球人工智能竞争的结构，并比较分析各国战略选择的含义，提供了一个有用的分析框架。

Ⅲ. 人工智能全球竞争与国家战略的互动

人工智能发展战略始于个别国家的政策选择，但实际上并非在孤立的环境中运作。人工智能作为一种通用目的技术（General Purpose Technology），对经济、产业、军事、社会等所有领域都产生溢出效应，其发展速度和扩散范围具有重塑国家竞争力与国际秩序等级结构的潜力。此外，大规模数据积累、计算资源获取、算法性能的累积学习效应、网络效应、平台生态系统依赖性等，形成了领先者进一步扩大差距的结构。在这种结构下，赢者通吃或赢者占优的现象容易出现。率先占领市场的国家或企业通过吸收更多数据、资本和人才，形成自我强化的优势，而后发者需要投入指数级的成本和时间才能达到同等水平。像这样的人工智能产业具有极高的延迟成本（delay cost）的竞争结构，“一旦落后就难以追赶”的认知，对国家层面的战略选择构成了巨大压力。

在这种竞争压力下，各国的AI战略通过相互作用呈现出收敛（convergence）的态势。特别是随着AI霸权竞争的加剧，美国市场主导-进攻型战略与中国国家主导-进攻型战略之间可能出现收敛，并由此可能促进技术壁垒化和供应链碎片化。此外，竞争压力导致的技术速度竞赛使得市场调节-防御型战略难以实现，并增加了社会外部效应（如劳动力市场冲击、信息不对称、不平等加剧等）未能得到充分管理的风险。主权人工智能战略的无序推进也可能导致资源浪费和战略效率低下。因此，随着AI竞争和技术扩散的加速，全球经济和社会稳定性、国家战略资源的有效利用等方面面临的风险日益增加，这些问题难以仅凭单一国家层面的应对来管理。因此，构建国际层面的AI治理是必要的。

1. 人工智能全球竞争

2017年9月1日，俄罗斯总统弗拉基米尔·普京在与学生的公开课上表示：“人工智能领域的领导者将成为世界的主宰者。”[15]他的发言不仅是修辞，更是对人工智能作为决定国家力量和国际秩序走向的战略技术的认识的浓缩体现。如今，人工智能被视为超越产业创新工具的、具有广泛影响力的技术，其影响涉及军事力量、信息战、经济生产力、规范制定能力等，因此全球竞争日益呈现零和性质。

最重要的是，人工智能竞争的性质是由其通用目的技术（General Purpose Technology）的特性决定的。历史上，蒸汽机、电力、信息通信技术（ICT）等通用目的技术，都曾超越特定产业，从根本上重塑了整个经济的生产方式和组织结构。人工智能也几乎可以应用于制造业、金融、国防、医疗、教育、行政等所有领域，并通过数据处理、决策和自动化，具有全面改变现有产业效率和结构的潜力。由于这种通用性，初期生产力提升效果可能有限，但一旦组织结构和制度随之调整，其溢出效应可能会呈指数级扩大。[16]人工智能的这种通用性使其竞争范围全面化。这不仅限于特定产业内的企业竞争，还引发了涵盖国家整体产业生态系统、数据基础设施、人才培养体系、军事战略、国际标准制定能力等“总体性竞争”。换言之，人工智能竞争既是研发（R&D）竞争，也是资本动员竞争，是人才争夺战，也是围绕平台和规范的秩序竞争。在这种多层次的竞争格局中，政府和企业将人工智能开发视为不仅是经济机会，更是确保国家竞争力基础重塑的战略优势的手段。

此外，人工智能产业具有强烈的赢者通吃或赢者占优的结构性特征。数字平台产业普遍存在的网络效应和数据积累效应在人工智能领域得到进一步加强。算法通过更多数据来提高性能，而性能的提高又反过来吸引更多用户和数据，形成一种自我强化的结构。[17]一旦企业或国家确立了领先地位，就可以通过吸引资本、人才和生态系统来扩大差距。相反，后来者需要投入巨额成本和时间才能达到同等水平，在此过程中，陷入技术或市场依赖的风险会增大。这种结构形成了加速而非抑制人工智能开发的强大动力，结果是竞争更加激烈。

最终，人工智能全球竞争因其通用目的技术的结构性特征和赢者通吃的市场结构相结合，呈现出一种让国家和企业都感到“不能落后”的全面战争性质。这具有堪比冷战时期核武器竞争的战略意义，但其影响范围超越军事领域，遍及经济、社会各方面，因此更为广泛。可以说，人工智能竞争已不再是单纯的技术创新问题，而是演变为围绕速度、规模、生态系统和规范的全方位权力竞争。[18]

2. 人工智能霸权竞争与国家战略的收敛化

随着人工智能全球竞争的加剧，各国的人工智能发展战略正通过相互制约、模仿和制度学习，逐渐呈现出收敛的趋势。特别是随着采取进攻性战略的美国和中国之间的人工智能霸权竞争强度不断升高，短期内确保优势和战略控制变得比长期生态系统建设或开放合作更为重要。

首先，市场主导-进攻型战略与国家主导-进攻型战略之间的收敛现象在中美竞争格局中尤为明显。传统上，市场主导-进攻型战略侧重于依靠民间企业的创新能力和开放的市场秩序来确保技术优势。而国家主导-进攻型战略则通过大规模国家投资和产业政策来集中培养战略性产业。然而，随着人工智能竞争被视为与国家安全紧密相关的战略性产业竞争，这两种战略开始逐渐采用相似的政策工具。特别是目前在人工智能领域相对占优的美国，正通过半导体出口管制、限制对尖端技术的投资、大规模公共补贴政策等方式，逐步加强国家主导和市场保护的性质。这可以被解读为一种旨在迟滞竞争对手的追赶，并从结构上巩固自身技术优势的战略，而不仅仅是技术保护。其结果是，市场主导-进攻型战略逐渐与国家主导-进攻型战略趋同，并倾向于向形成区块化的技术区域移动，而非开放的全球经济秩序。

此外，这种收敛不仅限于对外保护主义的加强，内部也呈现出集权化和产业集中的趋势。通常，市场主导-进攻型战略侧重于依靠民间企业的创新能力和开放的市场秩序来确保技术优势，并将竞争激烈、初创企业众多的分散式生态系统视为创新的源泉。然而，随着人工智能性能的提升依赖于大规模数据和庞大计算资源的“规模（scale）”的认识的普及，由少数“国家冠军”或大型平台企业主导人工智能竞争的逻辑获得了更大的支持。然而，这种集权化存在削弱长期创新动力的风险。创新通常通过各种实验、降低准入门槛、人才自由流动和创业来促进，而过度集中可能会限制这种竞争活力。[19]

结果，中美竞争正朝着加强国家干预和产业集中以获取短期竞争优势的方向收敛战略。这虽然可能在短期内扩大技术差距并加强战略控制，但长期来看，可能限制创新多样性和实验范围，从而制约生产力提升的潜力。同时，这种集中化和区块化加速了全球供应链和数字经济的碎片化，并产生了削弱开放全球经济秩序的结构性效应。人工智能竞争正以这种方式，在外部加强保护主义和技术区块化，在内部加强产业集中和中央集权的方向上，使国家战略趋同。

3. 人工智能竞争与社会经济稳定性

人工智能技术扩散的社会经济效应尚未得到充分和及时的实证数据验证。然而，考虑到工业革命初期虽然人均产出有所增加，但实际工资长期停滞不前，技术进步需要相当长的时间才能转化为劳动者福利，可以评估的是，尽管人工智能具有提高生产率和增长率的潜力，但短期内可能通过“替代效应（displacement effect）”减少劳动力需求，并恶化收入分配。特别是，如果说以往的机器人自动化主要替代了“低学历、低技能、低工资”的劳动，那么人工智能则有潜力自动化相当一部分“高学历、高技能、高工资”的职业工作。这表明人工智能的扩散可能对发达国家的专业和白领劳动者产生巨大冲击，并且不能排除劳动收入份额下降和工资-生产率差距扩大的可能性。当然，技术也可以通过创造新任务的“再就业效应（reinstatement effect）”来恢复劳动力需求。在19至20世纪，蒸汽机、电力和计算机的出现创造了过去不存在的职业，这在长期内推动了工资和生活水平的提高。然而，最近一些学者指出，近期ICT和人工智能的创新主要集中在自动化而非创造新任务，结果是劳动力需求停滞和不平等加剧。[20]

市场调节-防御型战略可以被视为一种试图预先管理这些分配问题和社会冲击的尝试。为了管理人工智能快速扩散可能带来的劳动力市场冲击和不平等加剧等问题，建立规范和监管体系是必不可少的。然而，在高强度人工智能竞争压力下，市场调节-防御型战略面临结构性困境。该战略以风险控制、规范设定、社会信任确立为优先，并基于预防性管理技术扩散过程中可能出现的外部效应。然而，在人工智能产业具有强烈的赢者通吃特性和规模经济效应，且人工智能性能因数据、计算资源和网络效应而非线性提升的结构下，初期的速度差距很可能固化为长期的技术差距。在这种情况下，投入时间构建监管和安全保障措施的市场调节-防御型战略，在短期内会限制创新速度，并在技术主导权竞争中处于不利地位。这就是为什么随着竞争压力的加剧，维持规范的一致性变得越来越困难。

最近，欧洲也日益强烈地感受到对人工智能竞争力的需求。在人口老龄化和生产率增长放缓导致经济增长和竞争力面临日益增长的压力的情况下，欧盟正面临在全球人工智能竞争中落后的风险，并日益强调需要采取果断行动和设定宏伟目标，尤其是在民间企业层面。也就是说，通过技术、产业和政策领域的合作，动员人才和资本，实现核心基础设施的现代化， 조성具有竞争力的技术生态系统等，要求欧盟也专注于人工智能竞争力的提升的呼声日益高涨。[21]

最终，市场调节-防御型战略内含着在技术差距扩大风险和社会稳定性受损风险之间寻求平衡的极其困难的选择。随着竞争压力的加剧，放松管制和产业支持并行的诱惑会越来越大，但这可能会削弱社会安全网。相反，如果维持严格的监管基调，技术依赖和增长放缓的风险就会增大。这种困境表明，随着人工智能竞争的加剧，社会风险管理措施将难以推进。因此，为了管理人工智能带来的社会风险，需要采取的先发制人措施就是缓和人工智能竞争本身。

4. AI 竞争与主权 AI

AI 竞争也是推动“主权 AI”战略扩散的关键因素。竞争越激烈，对外部平台和技术的依赖就越被视为安全隐患，各国纷纷加强旨在确保自主性的政策，例如数据本地化、构建本国云基础设施以及开发国产 AI 模型。这种趋势不仅体现在国家主导的防御型战略中，也出现在追求进攻型战略的国家。换言之，AI 竞争正产生一种效果，即无论战略类型如何，国家政策都趋向于重视技术主权。

尽管 AI 竞争正在推动主权 AI 战略，但此类战略的可行性和现实性面临若干结构性制约和局限。首先，主权 AI 战略的前提是，将核心技术、数据、计算基础设施、标准和人才等广泛资源置于本国控制之下。然而，AI 产业的核心领域已趋于全球寡头垄断结构，特定企业和国家占据市场主导地位。在这种情况下，后来者要在这些核心领域实现完全自给自足需要巨大的成本和时间。例如，商业大型语言模型（LLM）市场约 70% 被 Microsoft-OpenAI 占据，AI 训练用 GPU 超过 90% 由少数几家公司供应，这一现实使得国家难以单独控制这些核心资源和技术。

其次，主权 AI 战略的现实可行性在很大程度上取决于国内市场规模和产业生态系统的能力。拥有庞大国内市场的国家可以通过保护主义措施实现一定程度的技术和产业内化，但对于国内市场有限的国家而言，战略执行并非易事。有限的市场规模在研发投资回报、人才吸引和促进实验性创新方面构成制约，而战略性保护主义可能适得其反，阻碍创新并增加成本。

因此，尽管主权 AI 战略在竞争压力下具有保障技术主权和国家安全的逻辑必要性，但由于全球产业结构、国内市场规模、技术集聚度、资本和人才的可及性等现实制约，并非所有国家都能同等程度地执行。因此，在 AI 竞争加剧的情况下，各国应确定战略重点，并在核心领域和专业市场追求选择性的主权 AI，而非追求完全自给自足，混合采用全球合作与内化相结合的战略可能是一种更现实有效的替代方案。

5. AI 竞争与治理

AI 竞争在为国家和企业提供获取技术优势和战略自主性的强大动力的同时，也可能给世界经济、社会和国家战略整体带来结构性问题。首先，随着竞争过度加剧，市场主导型进攻战略与国家主导型进攻战略之间可能出现趋同，并可能以美国和中国为中心，促进技术阵营化和供应链碎片化，而非开放的全球经济。这可能损害全球贸易和数字经济的效率，并从长远来看削弱世界经济的开放性。

其次，竞争压力导致的“技术速度竞赛”使得市场调整型防御战略难以实现，并增加了未能充分管理劳动市场冲击、信息不对称、不平等加剧等社会外部效应的风险。在 AI 的赢者通吃特性和快速传播速度下，需要时间来建立监管和安全保障的防御型战略，短期内可能限制创新速度，同时又未能充分保障社会稳定。

第三，主权 AI 战略的无序推进也可能导致资源浪费和战略低效。以自给自足为目标，在核心技术和基础设施方面实现自给自足的过度保护主义政策，需要巨大的投资和人才动员，但考虑到产业结构、国内市场规模和技术依赖的可能性，并非所有国家都能成功执行。因此，一些国家可能面临成本增加和创新能力受限的风险。

因此，随着 AI 竞争和技术扩散的加速，世界经济、社会稳定以及国家战略资源的有效利用方面面临的风险日益增加，这些问题单靠一个国家难以应对。因此，为防止新技术带来的副作用和意外后果，建立国际层面的 AI 治理已成为一项必然任务。[22]基辛格和艾利森强调：“AI 的无限发展可能给美国和全世界带来灾难性后果，因此政府领导人必须立即采取行动”，并明确指出 AI 不仅仅是经济和技术问题，而是可能左右全球战略稳定和人类未来的潜在威胁。[23]AI 开发者们也警告说：“应将 AI 带来的灭绝风险与防疫、核战争等社会规模的风险同等对待，作为全球优先事项”，这再次令人想起图灵对 AI 可能控制人类生活的担忧。他们强调，需要一个强有力的监管体系和新的监管框架，以确保伦理、透明且可控的创新，从而管理 AI（生成式 AI）带来的根本性变革。[24]

然而，尽管有这些警告，AI 治理的构建仍被视为国际社会面临的最严峻挑战之一。[25]AI 治理不应仅仅是技术监管，而应成为一个全面的、多层次的制度，以缓解 AI 竞争和技术扩散所导致的全球经济开放性减弱、社会稳定性受损以及主权 AI 战略无序推进所造成的资源浪费。这意味着 AI 政策不能仅限于技术和产业，而必须同时考虑国际合作、标准协调、伦理和社会共识等复杂因素。然而，鉴于 AI 作为通用技术（GPT）的性质、赢者通吃的结构以及各国战略的相互交织，建立治理体系无疑是一项极其艰巨的任务。

尽管建立 AI 治理是一项艰巨的任务，但《巴塞尔协议》的案例可以提供有益的参考。巴塞尔协议是在 1970 年代银行危机之后，美国等主要国家在确保金融市场稳定性的同时，认识到加强国内金融监管的必要性，以及加强监管可能损害本国金融机构国际竞争力的难题之间，所达成的国际规范。换言之，这是通过国际规范解决了国内监管可能导致竞争力下降问题的案例。通过《巴塞尔协议》，美国确保了本国金融市场的稳定性，同时引导其他国家采用相同的标准，从而实现了竞争环境的平衡。[26]

《巴塞尔协议》构建过程中出现的逻辑同样可以应用于 AI 治理。也就是说，如果一个国家为了金融市场稳定而单独实施严格监管，可能存在竞争力下降的风险，但通过国际标准和规范实现了稳定性和竞争力的平衡，这一点对 AI 领域也具有启示意义。AI 的快速扩散加剧了对劳动市场冲击、信息扭曲、不平等加剧等社会稳定性的担忧，这可能成为加强监管和安全保障的压力。特别是在引领 AI 技术发展的美国，如果 AI 扩散带来的社会经济不稳定加剧，这种情况可能为建立 AI 治理提供强大的动力。目前，这种可能性之一是 AI 泡沫问题。持续有观点指出，对 AI 产业的过度投资和期望相结合，形成了金融和产业泡沫。[27]如果这种泡沫破裂，要求对 AI 发展进行一定程度的监管并确保稳定性的声音在美国国内将进一步加强，这可能成为建立 AI 治理的机会。

Ⅳ. 结论

当前，韩国政府将 AI 大转型视为国家经济增长战略的核心，并力求通过成为 AI 三大强国之一，将韩国经济从追赶型经济转变为领先型经济。为此，政府正在推进一项全面的政策议程，包括扩大 AI 预算、通过建设国家数据中心形成“AI 高速公路”、确保高性能 GPU 和 AI 数据集聚集群、通过“全民 AI”项目和监管特例激活融合产业，以及培养未来人才。这些战略基本上体现了国家主导型发展战略的特点，同时也旨在利用民间主导的创新，表明韩国正在现有发展国家模式的延长线上设定战略方向。

首先，考虑到全球 AI 竞争格局，韩国与其追求独立发展，不如基于半导体产业和数字基础设施，参与 AI 同盟和全球合作，从而在 AI 生态系统中定位为战略关键国家（linchpin state）。此外，更重要的是，目前的韩国 AI 战略虽然积极推动技术竞争和产业发展，但在管理社会经济风险方面相对薄弱。尽管 AI 的扩散可能导致自动化、劳动市场重组、社会不平等加剧等各种社会问题，但尚未充分制定缓解这些问题的制度性保障和政策应对措施。现实而言，在全球竞争中，单独加强监管可能导致竞争力下降，因此短期内需要采取诸如加强社会安全网、提供再培训和劳动转型项目等措施来抵消负面影响。从长远来看，通过国际 AI 监管和治理共同管理社会风险，并参与全球标准和伦理标准的形成，可以同时确保技术竞争力和社会稳定性。

从这个角度来看，韩国的 AI 战略虽然侧重于国内产业发展和技术基础设施建设，但在 AI 外交和国际合作战略方面有所欠缺。在激烈的全球 AI 竞争中，要使韩国发挥战略关键国家的作用，并在国际规范和治理的形成过程中发挥主导作用，就需要一种整合技术竞争力、产业发展和社会稳定性保障的 AI 外交战略。特别是，这种方法不仅应促进 AI 的发展，还应包括战略性地管理其发展速度。波兰尼指出，“变化的速率（the rate of change）与变化的方向本身同等重要”，并强调政府在经济领域的核心作用在于“调节变化的速率”。[28]这表明，韩国的 AI 战略不仅需要技术竞争和产业发展，还需要通过外交和政策手段管理 AI 发展速度，从而缓解 AI 扩散风险的平衡战略。■

[1]加拿大政府。2022年。“加拿大政府启动泛加拿大人工智能战略第二阶段。”6月22日。https://www.canada.ca/en/innovation-science-economic-development/news/2022/06/government-of-canada-launches-second-phase-of-the-pan-canadian-artificial-intelligence-strategy.html。

[2]Radu, Roxana。2021年。“人工智能治理的引导：国家战略视角。”政策与社会，40（2）：第178-193页。

[3]Dutton, Tim。2018年。“构建人工智能世界：国家和地区人工智能战略报告。”CIFAR。12月6日。https://cifar.ca/cifarnews/2018/12/06/building-an-ai-world-report-on-national-and-regional-ai-strategies/#topskipToContent。

[4]Weber, Max。1978年。经济与社会。加州大学伯克利分校出版社。第6页。

[5]Radu, Roxana。2021年。“人工智能治理的引导。”政策与社会，40（2）：第179-180页。

[6]白宫。2020年。“美国人工智能倡议：第一年年度报告。”

[7]白宫。2025年。“赢得竞赛：美国的 AI 行动计划。”

[8]Khanal, Shaleen, Hongzhou Zhang, 和 Araz Taeihagh。2025年。“大型科技公司的权力在政策过程中为何以及如何增长？生成式 AI 的案例。”政策与社会，44（1）：第52-69页。

[9]中国国务院。2017年。“新一代人工智能发展规划。”https://digichina.stanford.edu/work/full-translation-chinas-new-generation-artificial-intelligence-development-plan-2017/.

[10]Frey, Carl Benedikt. 2025. “控制之战如何可能扼杀人工智能的承诺。”金融与发展，62（3）：第50-53页。

[11]欧盟人工智能法案。2024年。“人工智能法案高级摘要。”2月27日。https://artificialintelligenceact.eu/high-level-summary/；欧洲联盟。2024年。“欧洲议会和理事会第2024/1689号条例。”6月13日。https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689.

[12]Rajan, Raghuram R. 2025. “人工智能监管的权衡。”国际论坛。8月26日。https://www.project-syndicate.org/commentary/ai-regulation-innovation-tradeoff-us-versus-europe-by-raghuram-g-rajan-2025-08.

[13]Letort, Brian and Kadri Linask-Goode. 2025. “什么是主权人工智能及其重要性日益增长的原因？”数字现实。4月3日。https://www.digitalrealty.com/resources/blog/what-is-sovereign-ai.

[14]NITI Aayog. 2018年。国家人工智能战略：人工智能为所有人。

[15]RT。2017年。“‘谁引领人工智能，谁就将统治世界’：普京在知识日对俄罗斯儿童说。”9月1日。https://www.rt.com/news/401731-ai-rule-world-putin/.

[16]Kishtainy, Niall. 2025. “一场新的工业革命？”金融与发展，62（4）：第46-49页。

[17]Radu, Roxana. 2021年。“引导人工智能治理。”政策与社会，40（2）：第189页。Johnson, Simon. 2025年。“科技的赢家通吃陷阱。”金融与发展，62（2）：第66-67页。

[18]Bremmer, Ian and Mustafa Suleyman. 2023年。“人工智能治理的基石。”金融与发展，60（4）：第10-12页。

[19]Frey, Carl Benedikt. 2025. “控制之战如何可能扼杀人工智能的承诺。”金融与发展，62（3）。

[20]Comunale, Mariarosaria and Andrea Maneara. 2024年。“人工智能的经济影响与监管：学术文献和政策行动回顾。”国际货币基金组织工作论文，WP/24/65；Kishtainy, Niall. 2025. “一场新的工业革命？”金融与发展，62, 4：第46-49页。

[21]General Catalyst. 2025年。欧洲人工智能的宏伟议程。

[22]Radu, Roxana. 2021年。“引导人工智能治理。”政策与社会，40（2）：第180页。

[23]Kissinger, Henry A. and Graham Allison. 2023. “The Path to AI Arms Control.” Foreign Affairs. October 13. https://www.foreignaffairs.com/united-states/henry-kissinger-path-artificial-intelligence-arms-control.

[24]Tourpe, Hervé. 2025. “Artificial Intelligence’s Promise and Peril.” Finance & Development 60(4): pp. 8-9.

[25]Bremmer, Ian and Mustafa Suleyman. 2023. “Building Blocks for AI Governance.” Finance & Development, 60 (4).

[26]Kapstein, Ethan Barnaby. 1992. “Between Power and Purpose: Central Bankers and the Politics of Regulatory Convergence.” International Organization, 46 (1): pp. 265-287; Oatley, Thomas and Robert Nabors. 1998. “Redistributive Cooperation: Market Failure, Wealth Transfers, and the Basle Accord.” International Organization, 52 (1): pp. 35-54.

[27]Stiglitz, Joseph E. 2025. “Trump and the End of American Hegemony.” Project Syndicate. December 15. https://www.project-syndicate.org/magazine/trump-end-of-american-hegemony-by-joseph-e-stiglitz-2025-12.

[28]Polanyi, Karl. 1944. The Great Transformation. Boston: Beacon Press, pp. 36-37.

■作者：郑在焕_仁荷大学教授。

■ 负责与编辑：林宰贤_EAI研究员

    咨询：02 2277 1683 (ext. 209) | jhim@eai.or.kr