金思宇/文

2026年美国国防部接连抛出自主作战司令部组建、“子午线计划”落地等系列动作，将人工智能深度嵌入国防体系的节奏骤然加快。2026年9月30日，美国国防部长赫格塞思正式宣布组建自主作战司令部，以提升美军规模化自主及机器人作战能力；“子午线计划”则由五角大楼首席技术官埃米尔·迈克尔、科技企业家埃隆·马斯克、帕尔默·勒基以及前众议院议长纽特·金里奇共同领导，旨在探索未来战争形态。

表面上看，这是一轮充满军事色彩的科技布局，背后实则折射出全球AI竞争的底层逻辑之变：当技术迭代进入深水区、产业渗透进入攻坚期，单一技术点的突破已不足以拉开代差，真正决定竞赛走向的，是一个国家组织全要素资源、统筹全链条环节、平衡创新与风险的治理能力。全球AI竞赛，已然从技术比拼的“上半场”，步入体系与制度较量的“下半场”。

一、美国AI治理范式：霸权目标下的“轻前置、强统筹、准追责”

经过多轮政策博弈与产业磨合，美国已逐步形成一套边界清晰、目标统一的AI治理架构，其核心逻辑是将人工智能明确定位为维系科技霸权的核心战略资产，以“最少前置约束、最强顶层协同、最准事后追责”为原则，把产业发展、国家安全与对华竞争深度嵌套，构建起三位一体的推进体系。

在产业端，美国奉行“底线式监管”思路，最大限度为创新保留弹性空间。联邦层面始终拒绝出台严苛的全行业事前准入规则，不对模型研发、技术迭代设置行政门槛，而是将监管重心放在已发生的违法违规行为上，依托《反垄断法》《计算机欺诈与滥用法》《数据隐私保护法》等既有法律框架，通过民事处罚、刑事追责、反垄断调查等工具规范市场行为。2026年3月20日，白宫发布《国家AI政策框架》，明确以联邦立法覆盖各州AI监管法规，旨在通过一部联邦“轻法”统一全国治理标准，避免各州各自为政造成的碎片化。这一框架虽然以“非约束性建议”形式提交国会，但其释放的政策信号十分明确：用可控的风险成本换取产业发展的速度优势。与欧盟《人工智能法案》的分级事前许可模式相比，美国的选择更加激进——欧盟已于2026年7月通过《数字综合法案》修订AI法案，将高风险AI系统的合规截止期延后至2027至2028年，恰恰说明事前监管模式在落地中面临巨大执行压力。

在执行端，美国加速推动AI治理的顶层集中化，以总统授权打破部门壁垒，打通军产学研全链条。2026年以来，这一进程明显提速：新组建的自主作战司令部不仅统筹无人装备与智能指挥系统建设，更被赋予跨军种技术采购、联合企业研发的直接权限，预计2027年全面运行后将成为美军AI战力的核心枢纽。“子午线计划”则联手马斯克等科技领袖，建立起“军方提场景、企业出方案、快速迭代验证”的闭环机制，五角大楼同期将自主作战领域预算提升两倍至740亿美元，为这套机制提供了充足的资金支撑。更早前国防部与7家头部AI企业签署的机密网络接入协议，则直接打通了民用先进技术向军事领域转化的快速通道。

在战略端，对华竞争始终是贯穿美国AI治理的核心主线，且遏制手段持续向全链条延伸。从高端AI芯片的出口管制层层收紧——2026年1月美国商务部以25%销售额抽成为条件有条件批准英伟达H200芯片对华出口，遭到两党对华鹰派议员强烈反对——到首次将管制范围延伸至大模型服务接口，再到以“知识产权保护”为名打压中国开源模型生态，美国的科技遏制始终与产业政策同频推进。监管工具也好，扶持政策也罢，最终都服务于同一个目标：维持美国在AI底层技术的代差优势，锁定全球AI价值链的高端环节，确保其科技霸权地位不受动摇。

然而，这套范式蕴含着深刻的内在矛盾。美国公众对AI的信任正在快速流失。皮尤研究中心2026年最新调查显示，52%的美国人表示对AI在日常生活中日益广泛的应用“更多是担忧而非兴奋”，这一比例较2021年的37%大幅攀升。更有67%的受访者表示不信任政府监管AI的能力，59%不信任AI企业。这意味着，美国AI治理的“轻前置”模式虽然释放了产业活力，却在社会合法性层面埋下了深层隐患——当技术治理越来越政治化、产业化，公众信任的持续流失最终可能反过来制约创新的社会空间。

二、全要素体系对决：中美AI博弈的底层逻辑

特朗普“AI赛场只有中美两国”的判断，本质上是看到了唯有中美两国具备整合AI全产业链的体系能力。时至今日，中美AI竞争早已不是某一个模型排行榜的分数之争，而是芯片、算力、电力、数据、人才、资本、应用场景七大核心要素的整体比拼，是两套发展逻辑的全方位对撞。

美国的长板牢牢扎根于底层技术原创与资本生态活力。凭借数十年的基础研究积累、全球顶尖人才的虹吸效应与成熟的风险投资体系，美国在高端算力芯片、基础模型架构、前沿算法探索领域持续保持领先，头部企业的技术迭代速度与商业化能力领跑全球。其智能算力规模约占全球75%，在先进芯片设计与制造环节仍占据不可替代的地位。

但与此同时，其体系性短板也在加速暴露。电力供应正成为算力扩张的刚性瓶颈。高盛预测，美国数据中心电力需求将由2025年的31吉瓦增长至2026年的41吉瓦，2027年进一步提升至66吉瓦，两年内接近翻倍。然而，一个典型的大型数据中心从选址、申请并网到获得稳定电力供应，通常需要5到10年时间。高盛对2026年7650亿美元AI资本开支的拆分显示，留给电力基础设施的仅约390亿美元，不足总额的5%。与此同时，美国家庭和企业用电价格预计将上涨6%，部分地区民众对数据中心的抵制情绪升温，AI基建落地面临“技术有、电力无”的结构性困局。

中国则在基础设施支撑与产业应用落地端形成了系统性优势。电力供给层面，中国发电总量已达美国两倍以上，火电、水电、风电、光伏装机均居全球第一，全国电网统筹调度能力强，能够快速响应算力集群的电力需求。2026年9月，全球首个昇腾950液冷超节点落户上海青浦云湖智算中心，配套启动的电力“安芯”工程为企业提供“一企一策”的定制化供电保障，正是“算电协同”体制优势的典型缩影。产业层面，中国拥有全球最完整的工业体系与最丰富的制造业应用场景，工业机器人部署量占全球54%，从生产线质检到供应链调度，从工艺优化到设备预测性维护，海量细分场景为AI算法提供了持续迭代的土壤，形成了“场景滋养技术、技术赋能产业”的内生迭代闭环。

人才格局正在发生历史性反转。卡内基中国最新研究报告显示，2025年在全球顶尖AI研究者中，有41%在中国工作，超过美国的34%，这与2022年美国以46%对27%大幅领先的格局形成鲜明反差。美国顶尖AI人才留存率为89%，中国为69%，差距仍然存在，但中国凭借庞大的理工科人才培养体系与持续的人才回流潮，AI工程师总量已跃居世界第一，工程化落地能力突出。

在开源生态领域，中国正在改写全球AI竞争的游戏规则。CNN报道指出，过去一年中国AI模型全球使用量从不到15%飙升至超过54%。在全球最大的AI开源社区Hugging Face上，中国研发的开源模型下载量已占全球总量的41%，累计下载量突破百亿次，深度融入全球开源创新体系。这一趋势的战略含义远超技术层面——它意味着全球商业AI的底层架构正在出现“中国底座”的选项，美国试图通过芯片管制和生态封锁来维持代差的策略，正在被开源生态的扩散效应所稀释。

笔者始终认为，AI竞争的本质，是一国调动全要素资源的效率之争。单点技术领先可以赢得一时，体系运转高效才能赢得长远。美国的优势在于企业与资本的市场化组织效率，中国的优势在于国家与产业的体系化动员能力，两条路径各有千秋，最终胜负取决于整个系统的响应速度、运行质量与自我迭代能力。

三、中国AI的进阶：从“项目堆集”到“生态共生”的思维跃迁

经过多年快速追赶，中国AI产业已形成自身鲜明的比较优势：产业体系完整、制造业场景丰富、基础设施建设能力强，地方政府与国有企业能够快速推动大规模应用落地。但步入体系竞争新阶段，结构性矛盾也逐步显现：部分地区陷入“算力崇拜”误区，存在重复建设、同质化布局问题；数据要素跨部门、跨区域流通不畅，价值释放不充分；科研成果与产业需求存在脱节，技术转化效率有待提升；一些地方仍然把发展AI简单等同于建园区、买服务器、引团队，重硬件投入轻价值转化，重规模扩张轻生态培育。

面对美国以国家战略体系化推进AI竞争的态势，中国迫切需要从“项目思维”升级为“生态思维”，从单点突破转向全链条协同，实现四个关键转变。

一是从“重算力规模”向“重应用实效”转变，建立“以用定建、建用结合”的算力供给机制。不能只算基建投入账，不算产出效益账；不能只有算力集群，没有产业场景对接。要推动算力资源向有真实需求的重点行业、重点区域倾斜，深化“东数西算”工程的调度效能，让算力真正转化为生产力。当前全国一体化算力网已连通东西南北，6成以上城市能在5毫秒内接入算力集群，但算力的空间分布与产业需求之间仍存在错配，需要在调度机制和定价机制上进一步突破。

二是从“重补贴扶持”向“重采购牵引”转变，以真实场景需求带动技术迭代。不能只有政府补贴，没有市场采购；不能只扶企业成长，不用企业技术。要持续扩大公共领域AI应用采购规模，开放更多政务服务、民生保障、工业生产场景，以应用需求倒逼技术升级，形成“采购促创新、创新拓市场”的正向循环。

三是从“重大企业引领”向“大中小企业融通”转变，构建普惠式创新生态。不能只有头部企业单打独斗，没有中小企业的低成本接入。要通过公共算力平台、开源技术社区、产业服务体系，降低中小企业AI转型的技术门槛与成本门槛。厦门火山引擎数字内容创新实验室通过一站式技术赋能，入驻企业中中小微占比超88%；杭州、苏州等地打造的工业AI公共服务平台，也为大量制造企业提供了轻量化的AI解决方案，都是生态化发展的有益探索。

四是从“追参数排名”向“追生产率贡献”转变，把技术进步锚定实体经济。不能只追求模型参数量、排行榜分数，更要关注AI对制造、医疗、金融、教育等领域的实际效率提升。值得关注的是，中国正在数据要素市场化领域开辟全新赛道。2026年，国家数据局将大模型处理信息的最小语义单元Token正式定名为“词元”，并将其列为数据要素价值释放的新路径。北京率先发布“词元经济十条”行动方案，广东出台全国首份省级词元经济政策，探索以词元交易为基础的数据定价模式，将价值评判从“这批数据值多少钱”转向“数据能产出多少高质量智能服务”。这一制度创新为数据要素与AI的深度融合提供了“可用不可见、可控可计量”的价值锚点，有望成为破解数据流通难题的中国方案。

在治理层面，尤其需要警惕“安全导向下的层层加码”倾向。AI治理的核心是精准施策，高风险能力、关键应用领域要从严监管，通用工具、中小创新要给足空间。2026年，全国网安标委发布《人工智能应用安全分类分级方法（征求意见稿）》，按“就高从严”原则将AI应用划分为五个安全风险等级，工信部等部门也启动了AI终端智能化分级系列国家标准，这些探索体现了“分级分类”治理思路的落地深化。如果不分风险等级，让所有创业公司都承担与头部基础模型企业相同的合规义务，表面上守住了安全底线，实际上会抬高行业门槛、固化市场结构、抑制技术扩散。分级分类监管不是放松要求，而是科学治理，是为了让创新活力与安全底线并行不悖。

四、香港的AI坐标：不逐军备竞赛，打造超级联系人的独特价值

全球AI竞争的体系化升级，对香港同样具有深刻的现实启示。近年来，香港已将人工智能、算力基建、北部都会区与国际创科中心建设提升至长期战略层面。2026年施政报告进一步明确“AI+”战略，设立10亿港元预算的香港人工智能研发院，成立由财政司司长主持的“AI+与产业发展策略委员会”，数字政策办公室也同步推出AI Agent安全管理指引等配套机制。在算力基建方面，数码港人工智能超算中心已提供3000 PFLOPS的算力水平，香港整体算力已达5000 PFLOPS，正在建设中的沙岭数据园区预计到2032年可提供18万PFLOPS的算力，相当于目前香港整体算力的36倍。

但整体而言，跨部门协同的深度不足、产业组织的精准度不够，仍是制约香港AI发展的突出问题，尚未形成上下贯通、执行有力的统筹推进体系。

香港不需要照搬美国军事化色彩的“AI部队”模式，也不适合用对抗性语言包装产业政策，但完全可以借鉴其“集中统筹、目标导向、闭环管理”的治理思路，建立一个由特区政府高层直接统筹的“AI发展与治理专责机制”。这个机制不能只是跨部门议事平台，而应具备明确的战略目标、可量化的年度指标、跨部门预算协调权与重点项目追踪考核权，将创科、财经、教育、保安、数据治理、算力基建和资本市场政策整合到同一张发展路线图中，打破部门壁垒，形成政策合力。

香港的核心竞争力，从来不在于与内地或美国正面比拼基础模型规模，而在于发挥国际金融中心、普通法体系、专业服务集群与连接内地产业的综合优势，走差异化、特色化发展道路，当好中国AI连接全球的“超级联系人”。具体而言，可重点布局六大特色赛道：一是可信AI认证与模型安全测试，依托国际认可的检测标准与专业服务体系，打造全球AI产品安全认证高地；二是跨境数据合规服务，发挥“一国两制”下的数据枢纽优势，为内地企业出海、外资企业入华提供数据合规解决方案；三是AI金融产品创新，依托香港资本市场与国际金融中心地位，发展智能投顾、量化交易、智能风控等特色金融科技；四是人工智能知识产权交易，搭建国际化的AI专利、模型授权交易平台；五是面向“一带一路”市场的AI出海服务，成为中国AI企业走向东南亚、中东等市场的桥梁与窗口；六是专业服务AI升级，推动法律、会计、咨询等高端服务业智能化转型，保持国际竞争力。

与此同时，要充分激活香港资本市场的独特作用。依托港交所的融资与并购平台，优化科技企业上市规则，为真正拥有核心技术、真实订单与国际化能力的AI企业提供资本支持，打造具有辨识度的AI产业“香港板块”。对香港中小上市公司而言，AI不能再停留在概念包装与估值故事层面，未来资本市场的持续定价，终将回归到AI能否真正改变收入结构、降低运营成本、提升客户黏性并形成可复制的商业模式。行业协会与专业机构也应主动作为，搭建AI转型一体化服务体系，为企业提供转型诊断、技术筛选、数据治理、应用落地与资本市场表达的全链条服务，推动AI从新闻题材真正转化为企业经营成果。

结语

美国推动组建“AI部队”，表面上是极具个人风格的政治操作，背后却揭示了一个清晰的时代趋势：人工智能的竞争，正在从科技产业层面的技术比拼，升级为国家发展模式与治理能力的全方位较量。

美国选择了“强调速度、倚重市场、服务霸权”的治理路径，以集中协调破解部门分割，以既有法律处置现实违法，以产业政策服务国家竞争。这套模式能够快速释放企业创新活力，提升国家行动效率，但也存在内生的两面性：它可能低估AI发展的系统性风险，也可能让技术治理进一步政治化，而公众信任的持续流失——皮尤调查中52%的美国人“担忧多于兴奋”——正在为这种模式的长期可持续性打上问号。

对中国而言，这场竞争既是严峻挑战，也是完善自身产业治理体系的重要契机。从“项目思维”转向“生态思维”，从粗放扩张转向高质量发展，从笼统监管转向分级分类精准治理，正是中国AI产业进阶的必由之路。中国开源模型全球使用量突破54%、顶尖AI人才占比反超美国、词元经济等制度创新持续涌现，这些积极信号表明，中国AI正在从“跟随者”向“定义者”的角色转变。而香港作为连接中国与世界的枢纽，其特色化AI治理与发展路径，也将成为国家整体AI战略的重要补充。

大国科技博弈，从来没有终点线，只有持续的实力比拼与制度较量。真正的竞争力，永远根植于自身的发展质量与治理效能。在人工智能这个定义未来的核心赛道上，唯有坚持自主创新、保持开放包容、完善治理体系，才能在全球竞争中牢牢掌握发展主动权，走出一条兼具速度与质量、创新与安全、发展与担当的中国道路。

作者简介：金思宇，中国智库高级研究员、远望智库产业顾问、经济学家，长期从事国际问题观察与产业政策研究，重点关注人工智能治理、数字经济与大国科技竞争等前沿议题。