文：張恭銘
在中國各地的政府機關與AI研究實驗室裡，一種看似矛盾的態度正成為主流：北京方面承認人工智慧可能對人類構成生存性威脅，但當務之急並非放慢腳步，而是必須先趕上美國。這種「風險認知與加速策略並存」的姿態，構成中國AI治理的深層邏輯。
雙重認知：風險是真實的，落後更不可接受
中國官方對AI風險的表述並不含糊。2023年，中國簽署《布萊切利宣言》，與美國、歐盟共同承認AI可能帶來「災難性甚至生存性」風險。國內學術界與政策圈對AI失控、就業衝擊、認知操縱的討論亦日益深入。然而，這種風險意識並未轉化為減速訴求。原因在於，中國將AI視為中美科技角力的主戰場，而「追趕」被定義為壓倒性的優先事項。在決策者眼中，若在AI競爭中落後，不僅是經濟與軍事劣勢，更意味著在未來全球規則制定中喪失話語權。風險是真實的，但落後的代價被認為更為迫切。
體制動員：從「新質生產力」到算力基建
2024年，「新質生產力」寫入政府工作報告，AI被列為核心引擎。中央與地方迅速動員：國家級算力樞紐節點持續擴建，地方政府以土地、電力與稅收優惠吸引資料中心落地，國有企業被要求加速AI應用。與美國主要由私營巨頭驅動的模式不同，中國的追趕帶有明顯的體制動員色彩。這種模式在基建與規模部署上具有優勢，但也帶來資源配置效率與重複建設的隱憂。更關鍵的是，當各級政府將AI視為政績工程，安全審查往往讓位於進度壓力。
監管框架：有規則，但服務於追趕
中國並非沒有AI監管。2023年《生成式人工智慧服務管理暫行辦法》要求演算法備案、內容標識與安全評估；深度合成、演算法推薦等領域亦有專項規定。然而，這些規則的核心關切是內容安全與社會穩定，而非AI的長期生存性風險。監管的目的在於確保AI服務不失控、不挑戰治理秩序，同時為產業發展保留空間。換言之，監管是追趕的護欄，而非剎車。對齊研究、可解釋性、模型評估等長期安全議題，在資源分配中仍處於邊緣位置。
人才與資本：回流與集中
追趕策略的一個顯著成效是人才與資本的集中。近年來，大量在美受訓的AI研究人員回流，推動國內模型能力快速提升。資本市場亦向AI傾斜，國產大模型數量一度超過百個。然而，這種集中也帶來同質化競爭與算力浪費。更值得關注的是，安全與倫理研究的人才供給明顯不足，多數頂尖研究者流向產品與演算法崗位，對齊與治理領域缺乏足夠的智力投入。
前瞻：追趕邏輯的內在張力
中國的AI戰略建立在一個判斷之上：生存性風險是長期問題，技術落後是當下危機。這一判斷在短期內具有政治合理性，但長期而言存在內在張力。若AI能力持續加速，安全研究卻因資源不足而滯後，風險管控將愈發困難。更根本的問題是，當所有主要行為者都將「不放慢」視為理性選擇，集體行動困境便無法破解。中國若能將部分追趕動能導向安全研究與國際協調，不僅有助於全球治理，也能在規則制定中佔據道德與技術高地。
中國對AI風險的認知並不虛偽，但追趕的緊迫感壓倒了減速的誘惑。這種選擇有其現實邏輯，卻也將人類推向一場沒有剎車的競賽。真正的挑戰不在於中國是否承認風險，而在於能否在追趕的同時，為安全研究保留足夠的空間與優先級——這不僅關乎中美競爭的勝負，更關乎所有人能否在AI時代保有選擇的權利。