Foreign Policy称中国的AI成功迫使美国重新思考战略

Foreign Policy于2026年8月27日发表了一篇观点鲜明的文章：近期中国在AI领域取得的进展，暴露出美国“前沿优先”战略的弱点。

直接导火索是Moonshot AI的Kimi K3。该模型于7月作为开放权重模型发布，在多项任务上接近领先的闭源系统，同时让开发者对部署和定制拥有更大控制权。

然而，这并非又一种宣称中国已赢得中美AI竞赛的说法。现有证据支持的是一个更谨慎、也更具影响力的结论。

美国在先进芯片、算力基础设施、资本和前沿研究方面仍具显著优势。中国已表明，这些优势并不会自动转化为在采用率、成本、产业整合或全球分发上的主导地位。

这一区别带来了真正的压力。华盛顿一直将前沿领先视为目标，也是应对中国竞争的主要防线。而中国正在更多维度上展开竞争。

由此形成的竞争，不只是OpenAI或Anthropic对阵Moonshot、DeepSeek或Alibaba，而是两种战略模式之间的较量：是将资源集中于能力最强的系统，还是将“足够强大”的系统铺向更多行业和市场。

Foreign Policy实际上如何改变了这场讨论

这篇文章挑战了这样一种假设：赢得前沿竞争，就等于赢得AI时代。

这篇原文论述的标题为“中国的成功正迫使美国重新思考AI战略”。作者是Stimson Center的Robert A. Manning和Giulia Neaher。

这一署名很重要。这是两位作者提出的分析性观点，并非美国已失去AI领导地位的官方宣告。

Manning和Neaher认为，美国战略吸收了Silicon Valley的若干假设。其中最重要的一条是：率先实现通用人工智能的开发者，将获得持久的战略优势。

通用人工智能，即AGI，指一种假设中的系统，能够以达到或超过人类水平的能力完成广泛的智力任务。

与之相关的概念是递归自我改进。在这种情景下，先进系统会帮助设计更优秀的后继系统，从而以快于仅依赖人类研发的速度加速进步。

这两种结果均尚未得到证实。它们的时间表、技术可行性和战略影响，在研究人员之间仍存在争议。

不过，对这些结果的信念依然可能塑造政策。如果首个AGI开发者能够永久占据主导地位，那么前沿进展的每一个月都会开始被视为国家安全资产。

这种框架有利于巨额算力投资、保密、快速模型开发，以及旨在拖慢竞争对手的限制措施。它也压缩了可能拖慢本国实验室进度的监管政策空间。

两位作者认为，中国通过间接方式挑战了这套逻辑。中国开发者无需在每项基准测试中都领先，只要能够以有吸引力的运营成本分发可灵活适配的模型即可。

Kimi K3让这一论点更具时效性。Moonshot于7月16日通过其产品和API发布该模型，随后于7月27日发布完整权重。

开放权重是模型在训练过程中学习得到、可下载的数值参数。获得这些参数后，具备条件的运营者可以自行托管、修改、评估和微调模型，而不必完全依赖其开发者。

Moonshot将Kimi K3描述为一个拥有2.8万亿参数的混合专家系统。该架构针对每个输入仅激活模型的一部分，相较于激活全部参数可减少计算量。

该公司还宣称模型具备100万token上下文窗口和原生视觉能力。这些仍属于开发者主张，不过公开的Kimi K3 repository可供独立审查。

要形成这一战略挑战，该模型不必超越每一个美国系统。它只需具备足够竞争力，让开发者、政府和企业认真考虑采用它。

这是文章最具持久价值的贡献：它将讨论从单一排行榜转向技术扩散的经济学。

中国的AI战略竞争不止于模型智能水平

中国最强的挑战来自于将有能力的模型与更低的部署门槛结合起来。

中美AI竞赛常被描述为打造最聪明通用模型的较量。但这种框架只涵盖了市场的一部分。

一个模型可以在高难度评测中领先，却依然因成本过高、限制过多或运营复杂而不适合许多组织。稍弱一些的模型若能被更多用户适配和部署，也可能获得影响力。

开放权重发布支持第二条路径。它们让组织能够在自己控制的基础设施上运行模型，前提是满足许可协议、硬件要求并具备相应技术能力。

这对处理专有信息的企业很重要。对于不愿将敏感数据通过外国供应商托管界面传输的政府而言，同样如此。

本地控制并不会自动让模型变得私密或安全。运营者仍需具备安全基础设施、评估流程、访问控制和监测机制。

尽管如此，可部署性会改变采购决策。性能只是考量因素之一，还要与成本、控制权、语言覆盖、集成工作量和地缘政治风险一并权衡。

中国的国家政策强化了这种面向应用的方向。其“人工智能+”计划推动AI融入制造、教育、医疗、科学研究、公共服务和消费设备等领域。

中国主管部门还发布了涵盖19个应用场景的AI智能体指导意见。智能体是一种能够选择行动并使用工具，以实现用户定义目标的系统。

官方“人工智能+”政策将部署推进与安全、标准、基础设施和可控性要求结合起来。

这些计划不应被视为成功采用的证据。政府目标可能夸大实际落实情况，而被宣传的试点项目也很少披露完整运营成本。

但它们确实展现出不同的战略重点。北京将AI向实体经济扩散视为核心政策目标，而非前沿研究之后的次要收益。

Kyle Chan在Brookings于4月发布的证词中描述了这一分野。他认为，中国正在参与多场AI竞赛，涉及效率、采用、部署和现实世界整合。

他的国会证词还指出，当时美国系统在许多高要求评测中仍保持前沿性能领先。

这两项观察可以同时成立。美国可以在模型能力上领先，而中国则可以在实施和分发上建立强势地位。

这与早期的技术竞争相似。技术发明、制造规模、标准、融资、安装和支持网络，往往共同决定影响力。

中国拥有将数字产品与海外基础设施相结合的经验。其电信公司曾在发展中市场提供设备、融资和实施支持。

AI模型也可能走上类似路径，尽管这种类比存在局限。模型的变化速度快于电信硬件，而且当应用采用通用接口时，模型也更容易被替换。

中国供应商同样面临信任障碍。潜在采用者必须考虑数据治理、审查行为、网络安全、可靠性以及对中国基础设施的依赖。

战略重点并不在于中国模型将主导每一个市场，而在于具备竞争力的开放系统为买家提供了另一个可信选择。

一旦这一选择存在，美国的领先地位就必须通过部署来赢得，而不能从实验室表现中直接推断出来。

美国的前沿领先不再保证市场控制力

华盛顿面临压力，是因为其最强优势并未覆盖决定采用率的所有维度。

美国仍高度集中着先进算力、云基础设施、私人投资和AI研究人才。

美国实验室持续推动模型在编程、科学推理、工具使用、网络安全和多模态工作方面的能力。该国还掌握半导体供应链的重要环节。

这些优势仍具有战略价值。更多算力支持更大规模的实验、更快的迭代，以及对新架构更广泛的探索。

问题在于，从技术领先跳跃到持久的全球控制力。前沿模型并不自动成为组织买得起、可定制或能合法部署的模型。

Stanford的2026 AI Index认为，在其选定的衡量指标中，领先的美国和中国模型之间的性能差距已实际上消失。

这并不意味着这些系统在每一项能力上都相同。基准测试结果取决于任务选择、测试方法、软件配置和发布时间。

一个模型可能在公开评测中表现优异，却在可靠性、长任务、事实准确性或生产环境工作负载上表现不佳。一次产品更新后，排名也可能发生变化。

不过，在被广泛关注的测试中接近平齐，会削弱抽象国家领先优势的营销价值。买家会在自身工作流程中比较实际结果。

制造商可能优先考虑视觉检测和设备维护。银行可能更关注可控部署、可审计性和本地合规。

软件团队可能重视编程准确性、响应速度以及与现有开发工具的兼容性。政府部门则可能优先考虑语言支持和本地托管。

从这些决策角度来看，美国战略显得不那么完整。其最大的实验室大多通过受控服务分发最强系统。

封闭访问有助于实施集中式安全措施并保护知识产权，也能为模型供应商保留持续性的服务关系。

然而，封闭系统要求客户接受对供应商的依赖。供应商控制模型变更、可用性、使用限制，且通常还控制底层基础设施。

美国公司也提供更小型、开放或可定制的模型。市场并非严格按国界划分。

失衡主要出现在前沿领域。多家领先的美国开发者限制了其最强权重的获取，而中国实验室则已提供能力不断增强的模型权重。

这种差异让中国开发者、云公司和系统集成商拥有更多机会，围绕共享模型基础进行构建。

它也削弱了出口管制作为完整战略的有效性。芯片限制可以提高训练成本，却无法阻止算法效率提升、模型共享或下游部署。

限制措施可能争取时间，也可能促使被针对国家降低对美国硬件和软件的依赖。

《外交政策》认为，这种回应已在中国出现。限制措施促使中国开发者追求效率，并强化国内技术合作关系。

这一说法需要加以限定。出口管制确实带来了实际成本，尤其是在获取最先进的加速器和制造设备方面。

但它们并未实现全面遏制。中国仍在发布具备竞争力的模型、开发国产加速器，并构建适配现有硬件的软件。

因此，政策问题并非管制是否完全有效，而是放缓特定投入是否能带来足够优势，同时又不加速替代性生态系统的发展。

真正的逆转：从遏制转向竞争

中国的进展表明，遏制能够拖慢竞争对手，却无法形成一套完整的美国部署战略。

华盛顿的 AI 政策结合了国内加速发展与外部限制。这些目标可以相互支持，但不能相互替代。

2025 年的 AI 行动计划推动了更快的基础设施建设、扩大美国 AI 技术出口，以及更严格执行先进计算管制。

这一组合认识到一个关键点：美国必须打造有吸引力的产品，并在国际市场上推广，而不只是向竞争对手剥夺资源。

执行过程中会产生张力。严格的技术管制可能使盟友担心，他们对美国系统的访问权限会在几乎没有预警的情况下发生变化。

为医院、国防机构或公共服务选择基础设施的政府，需要可预测的访问条件。突如其来的限制，可能会抵消模型质量方面的微小优势。

中国开放权重模型提供了另一种安排。客户可以获得模型权重、在其他地方托管，并在原始开发者变更服务后继续运行。

这种独立性从来不是绝对的。客户仍可能需要专用芯片、更新、技术支持，以及由外部社区维护的软件。

然而，这种差异可能意义重大。它让采用者拥有更大的议价能力，并减少对单一应用程序编程接口的依赖。

这使开放性成为一种外交政策工具。被广泛采用的模型能够影响开发者培训、技术标准、评估方法和配套基础设施。

美国在早期计算时代曾受益于类似的动态。开放研究、软件社区、大学和易于获取的开发工具，扩大了美国技术的影响力。

过度以封闭的前沿系统为中心的战略，可能会放弃其中一部分优势。它会将影响力集中在少数供应商手中。

这种逆转在新兴市场尤为明显。那里的许多组织并不需要在每项基准测试中都拥有尽可能高的性能。

它们需要支持本地语言、符合有限预算、可在现有基础设施上运行，并能根据本地规则进行修改的系统。

一款有能力的开放模型无需成为全球最聪明的系统，也能满足这些要求。随着开发者贡献微调版本、集成方案和文档，分发效应可以不断累积。

美国可以在不放弃对敏感芯片管制的前提下，应对这一挑战。它可以投资开放模型、共享评估、能源基础设施、研究、人才和国际实施能力。

它还可以让可信伙伴的访问政策更具可预测性。当客户作出长期基础设施决策时，可靠性本身就是一项战略特征。

这也是为什么讨论不应简化为不受限制的出口与全面遏制之间的选择。两种方案都无法应对完整的竞争格局。

有选择的限制可以保护特定军事优势。国内投资可以强化研究和基础设施。

开放生态系统可以扩大采用范围。外交和融资可以帮助可信伙伴在本地可接受的治理框架下部署系统。

缺失的要素是协调。由安全机构、贸易官员、科技公司和州政府分别制定的政策，可能发出相互矛盾的信号。

美国实验室可能希望全球分发，而安全官员则寻求更狭窄的访问范围。地方监管机构可能要求保障措施，而联邦官员却将其描述为障碍。

这些分歧并不能证明中国拥有更优越的体系。但它们确实让一套连贯的中国部署叙事更容易呈现。

中国 AI 战略仍未证明的内容

有竞争力的发布，并不能证明中国已经解决了安全性、可靠性、商业化或对半导体的依赖问题。

如果将一次模型发布视为美国走入死胡同的证据，那么《外交政策》论点最强的版本就走得太远了。

Kimi K3 的规模和据报的基准测试结果值得关注。独立用户仍需时间测试其在不同生产环境中的表现。

开放权重也会带来托管模型对比中容易被掩盖的部署成本。一个拥有 2.8 万亿参数的系统，即使每个 token 只激活较小的一部分，仍需要大量硬件和工程投入。

大多数组织不会直接下载并运行这类模型。它们会使用云服务商、专业托管方、压缩衍生版本或商业集成方案。

这恢复了一部分对中介的依赖。它也意味着实际成本会因硬件利用率、流量、量化、支持服务和当地电价而异。

基准测试表现也带来另一项不确定性。编程测试和模型竞技场能够提供有用证据，但无法衡量所有业务需求。

企业买家需要稳定输出、可预测的延迟、身份控制、日志记录、事件响应和合同问责。一次出色演示并不能保证具备这些品质。

安全性仍然是实质性问题。开放权重让防御者能够审查和修改模型，但也可能削弱集中实施的安全措施。

封闭供应商可以更新过滤器、监控可疑使用，并限制对敏感能力的访问。这些措施并不完美，但在不受限制地分发后，它们仍更难实施。

中国模型还受到额外的政治约束。它们对敏感议题的回应可能反映国内内容要求，从而给国际采用者带来问题。

数据保护是另一项担忧。在本地运行权重可以降低数据暴露，但使用开发者的托管产品则呈现不同的风险状况。

无论是中国还是美国背景，都无法单独回答这些问题。买家必须评估具体的部署架构、合同、遥测数据和更新流程。

中国面临的半导体限制也依然显著。高效算法可以延展可用计算资源，但效率并不会消除先进芯片的价值。

训练前沿规模的模型需要大型集群、网络、内存、能源和复杂软件。即使未能阻止进步，限制措施仍可能提高成本并削弱实验能力。

美国实验室也在持续创新。今天狭窄的基准差距，并不能预测未来发布的先后走势。

美国拥有更深厚的资本市场，以及由云计算公司、芯片设计商、大学、初创企业和企业客户构成的密集网络。

中国则拥有庞大的国内市场、重要的制造能力、国家协调、工程人才，以及克服外部限制的强大动力。

双方都尚未将这些资产转化为不可逆转的领先优势。竞争仍然动态且不均衡。

还存在衡量问题。“赢得 AI”可以指科学领导地位、公司营收、军事能力、生产率增长、全球采用率或标准影响力。

一个国家可能在某个类别领先，却在另一个类别落后。将它们合并为单一评分，会制造证据无法支持的确定性。

更恰当的解读是，中国已经打破了自满情绪。它尚未确立全面优势。

三个信号将检验《外交政策》的论点

下一阶段将由采用情况、政策一致性和经验证的运行表现决定，而非又一项头条基准测试。

第一个信号是中国开放权重模型能否实现持续的国际采用。仅凭下载量无法解决这一问题。

应关注中国以外的政府、大型企业、云平台和软件供应商是否在生产环境中部署。重复使用比试用活动更重要。

如果各类组织围绕 Kimi、DeepSeek、Qwen 或类似系统构建长期应用，扩散论点将得到加强。若实验未能转化为可靠的生产使用，这一论点则会被削弱。

互操作性将在此发挥作用。买家可能更偏好能够在不同模型间切换的系统，而非接受中国或美国技术阵营。

这种结果将形成一个更碎片化的市场。它也会限制任何单一模型开发者的地缘政治影响力。

第二个信号是华盛顿如何对待开放模型与可信的国际访问。一套连贯战略应在保护狭窄安全利益的同时，扩大可靠的部署选择。

应关注联邦政府对开放权重研究的投资、更清晰的出口规则，以及与盟友达成的长期技术协议。融资和技术援助同样值得关注。

如果美国供应商能够提供性能强大、访问可预测并支持本地部署选择的系统，所谓的战略弱点就会缩小。

如果限制变得更加反复无常，而前沿系统依然封闭，中国替代方案就会获得更容易推销的理由。客户会将政策不确定性计入技术决策。

第三个信号是独立验证的运行表现。相关证据包括可靠性、推理效率、安全性、语言质量和总体部署成本。

模型评估应当长期测试完整任务，而非孤立答案。还应披露硬件、软件、提示词和失败标准。

如果中国系统在透明测试中持续取得有竞争力的结果，美国的前沿优先假设将面临更大压力。

如果这些系统事实证明难以运行、不安全，或可靠性低于头条评分所暗示的水平，那么战略逆转的论据就会被削弱。

8 月 27 日的文章捕捉到了真实变化，尽管其标题引向了过于宽泛的结论。中国尚未证明美国模式已经失败。

它表明，资源优势并不能消除对高效产品、开放生态系统、可信分发和实际采用的需求。

对开发者而言，这意味着应围绕控制能力和整体工作流表现来评估模型，而非只看国籍或排行榜名次。

对企业买家而言，这意味着应将供应商稳定性和政策暴露视为架构风险。可移植性应成为采购讨论的一部分。

对政策制定者而言，问题不再是美国能否保持狭窄的前沿领先，而是这种领先是否能产出其他国家愿意使用的技术。

这是最有价值的外交政策检验。应观察有能力的模型在哪里部署、谁控制基础设施，以及客户是否会在首次试用后继续留下。