AI觀察｜蘭德報告：中國的人工智能政策會奏效嗎？【走出去智庫】

走出去智庫（CGGT）觀察

近日，美國智庫蘭德公司發布報告“Full Stack：China's Evolving Industrial Policy for AI”指出，中國正從芯片到應用全面部署人工智能產業政策，雖然面臨美國出口管制等挑戰，但通過在電力、芯片等多層次的支持，同時推動市場應用，有望在AI領域保持強勁競爭力。

走出去智庫（CGGT）觀察到，AI競爭的本質是科技與未來國際秩序主導權的爭奪。AI作為驅動經濟轉型的核心引擎，不僅重塑制造業、醫療、農業等傳統領域，更通過自動化決策提升生產效率，成為國家競爭力的關鍵支柱。美國憑借基礎研究與芯片優勢不斷鞏固技術領導地位，中國則依托數據規模與場景迭代加速追趕，雙方在模型性能、算力基建、開源生態等維度展開全面博弈。這場競爭不僅關乎技術領先，更決定未來全球產業鏈分工、地緣政治格局的發展方向。

美國研究者如何評估中國政府的AI支持政策？今天，走出去智庫（CGGT）編譯蘭德報告的主要內容，供關注AI競爭的讀者參閱。

要點

1、日益加劇的地緣政治緊張局勢，尤其是與美國的緊張局勢，已經重塑了中國的人工智能產業政策，以及更廣泛的技術產業政策，使中國更加注重自力更生和戰略競爭。

2、人工智能與中國采用產業政策的其他行業（如造船和電動汽車）有著根本的不同，部分原因是人工智能的發展依賴于快速變化、廣泛的創新。

3、中國政府推動開源人工智能平臺、數據集和模型，將其視為加速行業進步和規避潛在專有技術出口管制的一種方式。這種開源方式也使中國能夠通過采用其低成本的開源產品來塑造國外的人工智能行業標準。

正文

中國希望到 2030 年成為人工智能 （AI） 的全球領導者。為了實現這一目標，中國政府正在從芯片到應用的整個人工智能技術堆棧（計算機科學行業術語，指一種特殊的串列形式的抽象數據類型）中部署產業政策工具。人工智能產業政策的擴大引發了兩個問題：中國政府正在采取哪些措施來支持其人工智能產業？它會奏效嗎？

中國的人工智能產業政策可能會加速其在人工智能領域的發展，特別是通過支持研究、人才、補貼計算和應用。中國的AI 模型正在縮小與美國頂級模型的性能差距，從電動汽車和機器人技術到醫療保健和生物技術，AI 在中國的采用率正在迅速增長。盡管這種增長大部分是由中國民營科技公司的創新推動的，但政策支持有助于提高中國人工智能行業的競爭力。

然而，中國人工智能產業政策的某些方面是浪費的，例如人工智能芯片對公司的低效分配。即使有政府的大力支持，其他瓶頸也很難克服：美國主導的對AI芯片和生產此類芯片所需的半導體制造設備的出口管制，限制了中國AI開發人員可用的算力。有限的算力迫使中國公司的投資在模型開發的近期進展和對制裁的長期抵御能力之間做出權衡。

最終，盡管存在一些浪費和相互沖突的優先事項，但中國的人工智能產業政策將通過為已經很強大的行業提供人才和資本，幫助中國公司與美國人工智能公司競爭。中國的人工智能發展可能至少仍將僅次于美國，因為這種發展既受益于私人市場競爭，也受益于中國政府的投資。

中國的 AI 政策目標和工具

中國與美國圍繞人工智能的政策目標和論述不同。在華盛頓，人工智能政策論述有時被描述為“與 AGI（通用人工智能）的競賽”。相比之下，在中國，人工智能的論述不那么抽象，而是側重于可以支持中國政府整體經濟目標的經濟和工業應用。

到2030年，中國政府的目標是將AI發展成為一個價值1000億美元的產業，并為其他行業創造超過1萬億美元的附加價值。這一目標包括利用 AI 來升級傳統行業，例如醫療保健、制造業和農業，它還包括利用人工智能為新興行業提供動力，特別是具有物理應用場景的硬科技領域，例如機器人、自動駕駛汽車和無人系統。

中國政府正在使用各種各樣的政策工具（見圖 1）。國家主導的人工智能投資基金正在將資金投入到人工智能模型和應用程序的開發中，包括一個面向初創企業的82億美元的人工智能基金。中國正在建設一個國家綜合計算網絡，以匯集公共和私有數據中心之間的算力資源。從上海到深圳，地方政府都設立了國家支持的人工智能實驗室和人工智能試驗區，以加速人工智能研究和人才培養。所有這些國家支持都是在阿里巴巴和字節跳動等中國科技公司數百億美元的私人人工智能投資之上提供的。盡管如此，此類投資仍落后于美國的私人投資，例如 OpenAI 的 Stargate 項目投資1000-5000億美元。

圖 1.中國的人工智能技術堆棧和產業政策

美國出口管制限制及中國的應對策略

日益加劇的地緣政治緊張局勢，尤其是與美國的緊張局勢，已經重塑了中國的人工智能產業政策，以及更廣泛的技術產業政策，使其更加注重自力更生和戰略競爭。出口管制切斷了中國獲得對人工智能開發和部署至關重要的先進計算芯片的途徑。字節跳動和百度等中國人工智能公司已經抱怨算力受限；隨著 AI 開發和部署對計算的需求不斷增長，缺乏先進芯片可能會嚴重限制中國 AI 行業的發展。

美國在總算力方面遙遙領先，部分原因是出口管制。規避或減輕美國主導的先進半導體出口限制的影響已成為中國人工智能政策努力的重點。在 2025 年 4 月的政治局會議上，中國強調“自力更生”和創建“自主可控”的人工智能硬件和軟件生態系統。

在人工智能芯片方面，中國政府正在支持開發英偉達圖形處理單元 （GPU） 的國產替代品，例如華為的 Ascend 系列，這些系列在性能和產量上落后。依賴越來越弱的芯片迫使公司對其算力進行配給，從而減少他們可以隨時進行的訓練和模型部署工作負載的數量和大小，并且在華為硬件上訓練的模型不到十個。此外，中國人工智能公司正在尋求其他策略來繞過出口管制。

中國人工智能開發人員面臨的另一個問題是缺乏美國軟件的成熟替代品。為了克服這一限制并促進自力更生，中國政府正在資助登臨科技和摩爾線程開發英偉達 CUDA 軟件的替代品。對于人工智能框架，中國政府支持采用華為的MindSpore和百度的PaddlePaddle作為Meta的PyTorch和谷歌的TensorFlow的替代品。然而，這些框架在采用方面仍然落后于美國的框架。

盡管中國的國內平臺替代方案在采用率和功能方面落后于國際同行，但此類軟件替代方案可以降低從卓越的美國硬件轉向不太成熟的中國人工智能芯片的成本。然而，就目前而言，西方 AI 軟件的中國替代方案似乎還太不成熟，無法完全替代西方框架。然而，如果這些替代方案成熟并確立自己作為真正的替代生態系統，這種情況可能會改變。這種動態反映了中國為增強對美國出口管制的應對能力而采取措施的整體狀況：這些措施還不足以克服出口管制施加的重大限制，但有可能為西方半導體和軟件提供替代方案。

中國的人工智能政策會奏效嗎？

中國政府的支持能否使其人工智能生態系統趕上甚至超過美國及其盟友？對于該行業的發展來說，現在自信地回答還為時過早。然而，總體而言，國家支持可能不會傷害行業的發展，因為中國優先考慮的政策似乎是針對整個人工智能行業的關鍵需求。

中國政府的支持對于其人工智能進步至關重要，尤其是在解決三個關鍵瓶頸方面。首先，如上所述，開發國內人工智能芯片和應對制裁的半導體供應鏈是與美國主導的出口管制競爭的成敗。其次，盡管 AI 研究排名強勁，但中國的 AI 領導者認為人才短缺是一個關鍵制約因素。這些領域的成功將決定國家支持是否有助于實現中國成為全球人工智能領導地位的目標。第三，中國必須迅速擴大能源生產規模，以滿足到 2030 年預計增長三倍的數據中心算力需求，盡管中國建造新發電廠的速度比美國快得多，因此很可能能夠應對這一挑戰。

與此同時，中國的人工智能產業政策可能在幾個方面適得其反。

首先，中國人工智能公司被迫使用不太先進的本土替代品來替代全球平臺，這可能會減緩它們開發前沿模型的進度，至少在未來幾年內是這樣。科大訊飛聲稱擁有除華為模型之外唯一一個完全使用中國制造的計算硬件進行訓練的公共 AI 模型，但從 Nvidia 切換到華為芯片（包括 Ascend 910B）導致開發時間延遲了三個月。

其次，如果稀缺的 AI 芯片沒有得到有效分配，資源可能會從生產力更高的用戶（例如私營科技公司）轉移。

第三，獲得國家支持的中國人工智能公司可能會受到美國和其他國家/地區的更嚴格審查，從而引發限制，這可能會限制這些公司獲取關鍵資源（如先進芯片）或進入國際市場的能力。例如，DeepSeek 的突然崛起促使美國官員和機構限制其對美國技術的訪問，限制其使用。德克薩斯州、紐約州和弗吉尼亞州等州以及國防部、商務部和美國宇航局等聯邦機構已經禁止在政府設備上使用 DeepSeek。

人工智能與中國采用產業政策的其他行業（如造船和電動汽車）有著根本的不同，部分原因是人工智能的發展依賴于快速變化、廣泛的創新。頻繁的范式轉變，例如推理模型的出現，以及對 AI 發展軌跡缺乏共識，使得難以進行長期狀態規劃。與許多傳統行業不同，人工智能行業嚴重依賴無形投入，例如人才和數據，這些投入對資本補貼的反應較慢，國家更難控制。盡管國家支持可以在某些領域提供幫助，例如資本密集型計算基礎設施，但其他領域（例如基礎模型和應用程序的進展）將主要由私營部門推動。

美國在人工智能領域擁有競爭力，卻沒有任何政府實質性支持（至少是財政支持），而是依靠私營部門的投資和研究，這一事實表明，與其他行業不同，產業政策可能并非人工智能競爭力的關鍵因素。人工智能擁有龐大且不斷增長的私營市場，可以吸引企業和投資者，其市值已達7500億美元，預計還將繼續增長。此外，像DeepSeek這樣的中國私營企業引領著人工智能的發展，而非國有企業，這表明私營部門在推動該領域創新方面可能更具優勢。

中國在人工智能領域的進步很可能將繼續由其創新型民營科技公司和初創企業推動。只要中國的產業政策能夠與民營生態系統協同或為其提供支持，此類政策就有可能幫助民營人工智能發展取得成功，因而從中國政府的角度來看是“有效的”。如果此類產業政策與民營人工智能生態系統的需求和挑戰沒有明確關聯，則更有可能被浪費。即使獲得巨額國家補貼，中國人工智能開發商要想縮小人工智能投資缺口，也必須吸引更多私人投資：據估計，目前美國人工智能公司獲得的私人投資是中國公司的十倍以上。

中國人工智能能否“超越”西方供應商，也將取決于私營部門的創新。即便中國人工智能無法超越西方，由于私營創新與公共支持相結合，中國仍可能保持強勁競爭力。

中國對人工智能的多層次支持

中國的人工智能產業政策是多層次的，涵蓋了人工智能領域的各個領域，也包括一些并非明確支持人工智能但對中國人工智能產業有益的舉措。盡管中國政府支持的主要領域是半導體和其他出口管制零部件的替代品，但國家支持也延伸到了能源和數據中心建設等領域，這些領域對于人工智能的成功至關重要。在本文中，我們將深入探討這些涵蓋人工智能技術的支持政策。

電力

得益于國家大力支持的電力基礎設施擴張，以及在大型計算中心戰略性地部署可再生能源，中國的人工智能產業在數據中心方面享有能源優勢。中國快速建設和連接新發電廠的能力消除了美國正在努力應對的數據中心擴張的一個關鍵瓶頸。此外，中國豐富的能源資源使中國人工智能公司能夠使用能源效率較低的自主研發人工智能硬件，例如華為的 CloudMatrix 384集群。

中國國家電網公司估計，2021 年其數據中心電力需求將從 2020 年的 38 GW以上翻一番，達到 76 GW以上，占其總電力需求的 3.7%。盡管到 2024 年，煤炭仍占中國總發電量的 58%，但中國已將可再生能源擴張和能源效率作為其數據中心擴張戰略的核心重點。中國的數據中心建設受益于該國快速大規模增加電網容量的更廣泛能力。僅在 2024 年，中國就新增了429GW的凈發電能力，是同期美國凈新增發電能力的 15 倍多。

中國在發展新能源發電方面的歷史性成功及其在該領域的持續投資表明，中國將能夠滿足部署人工智能日益增長的電力需求，并可以向人工智能開發商和部署者提供補貼電力，從而降低與人工智能相關的運營成本。

芯片

如上所述，中國正在推行一項大規模的產業政策，旨在發展自給自足的半導體供應鏈。盡管這項政策最初并非針對人工智能，但隨著計算需求的飆升以及美國主導的出口管制限制中國獲取人工智能芯片及其生產所需設備的渠道，這項政策對中國的人工智能產業至關重要。

中國正在支持國產人工智能芯片的發展，例如華為的 Ascend 系列，作為 Nvidia 和 AMD 人工智能芯片的替代品。中國也在推動中國的人工智能公司轉向國產人工智能芯片。DeepSeek 正在試驗使用華為 Ascend 910C 芯片進行推理，而字節跳動和螞蟻集團則使用華為 Ascend 910B 芯片進行模型訓練。然而，中國的人工智能芯片尚未應用于人工智能訓練工作負載。

為了縮小人工智能芯片制造方面的差距，中國政府正在支持芯片制造技術的研發，以克服美國主導的對半導體制造設備（例如荷蘭阿斯麥公司的極紫外EUV光刻機）的出口管制。

計算基礎設施

快速擴張計算基礎設施也是中國政策制定者的首要任務，這可以為中國科技公司（尤其是初創企業和中小企業）提供急需的稀缺算力資源。中國正在建設國家一體化計算網絡，將私有云計算資源和公共云計算資源整合到一個全國性平臺上，以優化計算資源的配置。作為這項工作的一部分，中國于2022年啟動了“東部數據，西部計算”計劃，旨在建設八個“國家計算中心”，特別是在清潔能源資源豐富的西部省份。

根據《2023年算力基礎設施高質量發展行動計劃》，截至2024年6月，中國（包括公共和商業數據中心）的算力已達到每秒246 EFLOP，并計劃到2025年達到每秒300 EFLOP 。然而，并非所有這些算力都旨在或非常適合支持人工智能工作負載。其他研究表明，中國控制著約15%的人工智能總算力，而美國控制著約75%的人工智能總算力。這表明中國人工智能產業面臨著計算基礎設施方面的巨大缺口，隨著中國開始擴大其模型的部署規模，國家支持可能會試圖緩解這一缺口。

研究與人才

中國政府對基礎研究和人才培養的支持是中國人工智能產業發展的關鍵推動力。中國政府通過多種渠道為大學和國家支持的人工智能實驗室的基礎人工智能研究提供資金，其中包括國家自然科學基金和國家重點研發計劃的撥款。這些公共人工智能研究資金幫助中國的大學和研究實驗室發展成為世界一流的人工智能研究中心。截至 2024 年，中國作者在高被引人工智能研究人員中所占比例位居第二。中國的大學和人工智能公司密切合作，分享突破，形成更廣泛的人工智能研究社區。

國家支持的人工智能實驗室

中國政府支持的人工智能實驗室在開展基礎研究、協調行業通用標準、制定路線圖和培養人才方面發揮著關鍵作用。中國支持國家重點實驗室的人工智能研究，例如清華大學的智能技術與系統國家重點實驗室。

中國還擁有由中國科技部和北京市政府創建的兩家大型人工智能實驗室。北京人工智能研究院（BAAI），又稱智源研究院，以其在人工智能安全與標準、基礎理論以及開源前沿模型方面的研究而聞名。北京通用人工智能研究院的獨特之處在于，它明確專注于通過基于人類認知的替代方法實現通用人工智能 (AGI)。

中國政府支持的人工智能實驗室的確切影響難以估量；中國最先進、應用最廣泛的人工智能模型主要由私營企業開發。然而，中國的人工智能實驗室也為人才提供了孵化器，這些人才日后可以支持中國私營部門的人工智能發展，并支持政府在科技領域的優先事項。

人工智能專項資金

中國還通過專項產業基金、銀行貸款項目和地方政府資金，增加對中國人工智能產業的公共資金投入。盡管這一過程中可能會出現大量資金浪費，但公共資金將有助于支持不斷發展的人工智能初創企業生態系統，尤其是在應用領域。2025年1月，中國啟動了規模達82億美元的國家人工智能產業投資基金。中國規模更大的1380億美元的國家風險投資引導基金將瞄準多個人工智能相關領域，例如機器人技術和“具身智能”。杭州和北京等地方政府也紛紛效仿，設立了各自的國家主導的人工智能投資基金。

各大銀行也推出了人工智能產業貸款計劃，其中最引人注目的是中國銀行為人工智能相關產業推出的五年期 1380 億美元融資計劃。中國人民銀行和中國工商銀行等其他銀行也推出了針對科技產業的融資計劃，其中可能包括專門針對人工智能的資金。其中許多人工智能和科技基金都是今年推出的。

地方政府支持

地方政府也在中國推動人工智能發展方面發揮了作用。盡管大多數將內陸城市轉變為人工智能中心的努力不太可能成功，但深圳和杭州等城市在鞏固其作為全球科技中心的現有優勢的基礎上所做的努力將顯著提升中國的國家人工智能實力。

中國還在 20 個城市開發人工智能試驗區，人工智能公司可以在這些試驗區獲得專項融資，并在有利的監管環境中運營。地方政府通常通過公共投資基金和“算力券”（以補貼的方式提供計算資源使用權）為初創企業提供資金。 北京和寧夏等城市已經建立了算力交易平臺，以便更有效地跨地區和跨數據中心配置計算資源。繼北京之后，中國許多城市也推出了人工智能和“AI+”行動計劃，旨在支持本地初創企業并推動人工智能在其他領域的應用。

推廣開源

中國政府推動開源人工智能平臺、數據集和模型，將其視為加速行業進步和規避潛在專有技術出口管制的一種方式。這種開源方式也使中國能夠通過采用其低成本的開源產品來塑造國外的人工智能行業標準。中國一直在推廣其名為 OpenI 的開源人工智能協作平臺，參與者可以在該平臺上共享人工智能模型和數據集并訪問計算資源，盡管與 Hugging Face 等西方平臺相比，該平臺尚處于起步階段。中國政府還一直在鼓勵更多地使用微軟旗下 GitHub 的中國替代品 Gitee，Gitee 聲稱擁有超過 1350 萬注冊用戶，而 GitHub 的用戶超過 1 億。

數據

中國政府還計劃將數據轉化為戰略資源，以使中國在人工智能領域占據優勢。中國政府希望將數據轉化為新的“生產要素”，并修改了會計規則，允許企業將數據歸類為無形資產。地方政府已經建立了數據市場，例如深圳數據交易所，以允許私營企業、國有企業和國家機構進行數據交易。中國國家數據管理局正準備啟動國家公共數據資源平臺，以促進全國范圍內的數據交易。

中國政府對開放數據共享平臺的支持可能會在推動中國人工智能產業發展方面發揮更大作用，因為它可以擴大大型訓練集的普遍訪問權限，而無需數據交易所那樣復雜的所有權問題。國家對開放數據共享的支持包括開放數據平臺（例如 OpenI）以及開放數據集的創建，例如 FlagData（北汽人工智能研究院的中文多模態數據集）。中國政府尤其注重通過北京具身人工智能機器人創新中心和上海的國家地方人形機器人創新中心等機構促進機器人數據共享。中國幾家領先的機器人公司，例如智元機器人（AgiBot）和 傅利葉（Fourier），也發布了開放訓練數據集，擴充了中國更廣泛的機器人訓練數據庫。

應用

最后，作為人工智能產業政策的一部分，中國已開始直接推動人工智能應用在社會各領域的應用。2025 年 4 月以人工智能為學習主題的政治局會議指出，中國的人工智能產業應該“強烈面向應用”。國家人工智能規劃（例如 2017 年人工智能發展規劃）以及地方政府的“AI+”行動計劃，都重點關注人工智能與公共服務和政府運營的融合。

除了政府服務之外，中國政府方面正尋求將人工智能融入到各行各業。這些領域既包括制造業、農業、教育和醫療保健等傳統行業，也包括新興領域。中國政府尤其重視機器人技術和“具身智能”領域的人工智能發展。中國于 2021 年發布了《機器人產業發展“十四五”規劃》，并于 2023 年發布了《機器人+應用行動計劃》，旨在促進機器人的開發和應用。

(By Kyle Chan, Gregory Smith, Jimmy Goodrich, Gerard DiPippo, Konstantin F. Pilz)

免責聲明

本文僅代表原作者觀點，不代表走出去智庫立場。

延展閱讀

▌地緣政治風險:

▌出口管制與制裁:

▌跨境數據監管:

▌全球科技競爭:

▌品牌聲譽管理: