参考消息网8月24日报道 香港《南华早报》网站8月17日刊登题为《美国搞错了人工智能发展面临的真正阻碍》的文章，作者是布鲁诺·S.塞尔吉与陈凯丰。文章摘编如下：

上个月，两家中国企业发布了新的人工智能（AI）模型：月之暗面的Kimi K3和阿里巴巴的Qwen3.8-Max。在可供公开核验的产品性能证据完全公布之前，市场就已经作出了反应。

在随后几周里，全球芯片板块暴跌，市值蒸发约3万亿美元。

这种反应值得关注。长期以来，人们一直认为性能最强大的系统必然价格昂贵，并且由美国制造和主导。大量投资组合都基于这种假设。但如今，情况已经发生变化。

华盛顿的本能反应是收紧政策：限制准入、扩大出口管制、筑起更高的壁垒。对此，英伟达首席执行官黄仁勋认为，美国面临的真正危险不是人工智能系统失控，而是未能广泛普及本国技术并在全球范围内维持一套美国主导的人工智能技术栈。他是对的。

主张实施限制措施的人认为，美国的优势地位可以依靠技术封锁来维持。而主张加速人工智能发展的人认为，美国的优势正被监管扼杀。然而，争议双方都搞错了美国人工智能发展面临的真正阻碍。

监管缺失并非症结所在。尽管近期有人提议效仿金融监管局的模式建立一个前沿人工智能模型的自我监管机构，但美国目前尚无成文的联邦人工智能法规。实际上，几乎没有什么能够阻止美国的医院、保险公司或汽车工厂部署人工智能系统。

但这些机构并没有部署人工智能系统，这背后的原因是一些枯燥乏味、难以登上新闻头条的现实状况：同一家医院的不同科室之间无法互通患者病历；采购周期以季度为衡量单位；合规部门拥有否决权却没有批准权；放射科医生不愿为未经监管机构认证的人工智能系统分析的影像报告担责；中层管理者被要求推进业务自动化，而这些业务恰恰是其岗位存在的理由。

以上种种都不是技术难题，而是管理问题，是任何出口管制措施都无法解决的问题。

美国工厂在19世纪90年代便开始使用电力，但此后数十年间生产率几乎没有得到提升；只有当工厂围绕电气化进行彻底重组——重新安排机械设备、重构工作流程、拆除老旧传动轴之后，电力带来的效益才得以显现。一个世纪之后，计算机领域重演了这一滞后效应。

通用技术只有在机构自身完成重组后（而非在新技术问世时），才能带来收益。

正因如此，那些易于复制的低成本模型的影响巨大。从德国巴登-符滕堡州的中型制造商，到雅加达的银行，再到香港的资产管理公司，都不需要购买美国的闭源人工智能模型。他们完全可以下载中国的开源模型，在自己的服务器上运行，并把数据保存在本地。对世界上大多数国家而言，问题已不再是使用哪种模型，而是基于哪种模型进行二次开发。

这既是商业机遇，也是战略挑战。每一个选择中国开源模型的机构，都会沿用中国的设计，并最终采用中国的标准。华盛顿无法通过限制美国人工智能系统的获取途径来解决这个问题。把用户推向别处的，正是这种刻意制造的稀缺。

因此，真正实用的政策议题是具体而枯燥的。公立医院能否在一年内完成人工智能系统采购？联邦机构保存的数据是否足够优质，可以供人工智能系统使用？是否存在一套对人工智能模型进行验证的国家标准，可以证明采用某个模型是合理的，而不会带来职业风险？

对高度敏感的芯片实施精准管控是有必要的，但全面封锁是不可行的。

有关出口禁令的争论，焦点往往是谁能打造出性能更优越的系统。然而，决定国家优势的从来都不是这场竞赛。英国之所以引领工业革命，并不是因为它发明了蒸汽机，而是因为它在此基础上重塑了整个经济体系。最先围绕新技术完成自我重构的国家，才能占据优势地位，发明新技术的国家并不具备天然的先发优势。

我们总是提醒自己，人工智能的问世是为了拓展人类能力的边界，而不是约束人类。人工智能模型或许永远无法做到完全免费，但至少我们应保持其开放性。（编译/胡广和）