AI观察｜兰德报告：中国的人工智能政策会奏效吗？【走出去智库】

走出去智库（CGGT）观察

近日，美国智库兰德公司发布报告“Full Stack：China's Evolving Industrial Policy for AI”指出，中国正从芯片到应用全面部署人工智能产业政策，虽然面临美国出口管制等挑战，但通过在电力、芯片等多层次的支持，同时推动市场应用，有望在AI领域保持强劲竞争力。

走出去智库（CGGT）观察到，AI竞争的本质是科技与未来国际秩序主导权的争夺。AI作为驱动经济转型的核心引擎，不仅重塑制造业、医疗、农业等传统领域，更通过自动化决策提升生产效率，成为国家竞争力的关键支柱。美国凭借基础研究与芯片优势不断巩固技术领导地位，中国则依托数据规模与场景迭代加速追赶，双方在模型性能、算力基建、开源生态等维度展开全面博弈。这场竞争不仅关乎技术领先，更决定未来全球产业链分工、地缘政治格局的发展方向。

美国研究者如何评估中国政府的AI支持政策？今天，走出去智库（CGGT）编译兰德报告的主要内容，供关注AI竞争的读者参阅。

要点

1、日益加剧的地缘政治紧张局势，尤其是与美国的紧张局势，已经重塑了中国的人工智能产业政策，以及更广泛的技术产业政策，使中国更加注重自力更生和战略竞争。

2、人工智能与中国采用产业政策的其他行业（如造船和电动汽车）有着根本的不同，部分原因是人工智能的发展依赖于快速变化、广泛的创新。

3、中国政府推动开源人工智能平台、数据集和模型，将其视为加速行业进步和规避潜在专有技术出口管制的一种方式。这种开源方式也使中国能够通过采用其低成本的开源产品来塑造国外的人工智能行业标准。

正文

中国希望到 2030 年成为人工智能 （AI） 的全球领导者。为了实现这一目标，中国政府正在从芯片到应用的整个人工智能技术堆栈（计算机科学行业术语，指一种特殊的串列形式的抽象数据类型）中部署产业政策工具。人工智能产业政策的扩大引发了两个问题：中国政府正在采取哪些措施来支持其人工智能产业？它会奏效吗？

中国的人工智能产业政策可能会加速其在人工智能领域的发展，特别是通过支持研究、人才、补贴计算和应用。中国的 AI 模型正在缩小与美国顶级模型的性能差距，从电动汽车和机器人技术到医疗保健和生物技术，AI 在中国的采用率正在迅速增长。尽管这种增长大部分是由中国民营科技公司的创新推动的，但政策支持有助于提高中国人工智能行业的竞争力。

然而，中国人工智能产业政策的某些方面是浪费的，例如人工智能芯片对公司的低效分配。即使有政府的大力支持，其他瓶颈也很难克服：美国主导的对AI芯片和生产此类芯片所需的半导体制造设备的出口管制，限制了中国AI开发人员可用的算力。有限的算力迫使中国公司的投资在模型开发的近期进展和对制裁的长期抵御能力之间做出权衡。

最终，尽管存在一些浪费和相互冲突的优先事项，但中国的人工智能产业政策将通过为已经很强大的行业提供人才和资本，帮助中国公司与美国人工智能公司竞争。中国的人工智能发展可能至少仍将仅次于美国，因为这种发展既受益于私人市场竞争，也受益于中国政府的投资。

中国的 AI 政策目标和工具

中国与美国围绕人工智能的政策目标和论述不同。在华盛顿，人工智能政策论述有时被描述为“与 AGI（通用人工智能）的竞赛”。相比之下，在中国，人工智能的论述不那么抽象，而是侧重于可以支持中国政府整体经济目标的经济和工业应用。

到2030年，中国政府的目标是将AI发展成为一个价值1000亿美元的产业，并为其他行业创造超过1万亿美元的附加价值。这一目标包括利用 AI 来升级传统行业，例如医疗保健、制造业和农业，它还包括利用人工智能为新兴行业提供动力，特别是具有物理应用场景的硬科技领域，例如机器人、自动驾驶汽车和无人系统。

中国政府正在使用各种各样的政策工具（见图 1）。国家主导的人工智能投资基金正在将资金投入到人工智能模型和应用程序的开发中，包括一个面向初创企业的82亿美元的人工智能基金。中国正在建设一个国家综合计算网络，以汇集公共和私有数据中心之间的算力资源。从上海到深圳，地方政府都设立了国家支持的人工智能实验室和人工智能试验区，以加速人工智能研究和人才培养。所有这些国家支持都是在阿里巴巴和字节跳动等中国科技公司数百亿美元的私人人工智能投资之上提供的。尽管如此，此类投资仍落后于美国的私人投资，例如 OpenAI 的 Stargate 项目投资1000-5000亿美元。

图 1.中国的人工智能技术堆栈和产业政策

美国出口管制限制及中国的应对策略

日益加剧的地缘政治紧张局势，尤其是与美国的紧张局势，已经重塑了中国的人工智能产业政策，以及更广泛的技术产业政策，使其更加注重自力更生和战略竞争。出口管制切断了中国获得对人工智能开发和部署至关重要的先进计算芯片的途径。字节跳动和百度等中国人工智能公司已经抱怨算力受限；随着 AI 开发和部署对计算的需求不断增长，缺乏先进芯片可能会严重限制中国 AI 行业的发展。

美国在总算力方面遥遥领先，部分原因是出口管制。规避或减轻美国主导的先进半导体出口限制的影响已成为中国人工智能政策努力的重点。在 2025 年 4 月的政治局会议上，中国强调“自力更生”和创建“自主可控”的人工智能硬件和软件生态系统。

在人工智能芯片方面，中国政府正在支持开发英伟达图形处理单元 （GPU） 的国产替代品，例如华为的 Ascend 系列，这些系列在性能和产量上落后。依赖越来越弱的芯片迫使公司对其算力进行配给，从而减少他们可以随时进行的训练和模型部署工作负载的数量和大小，并且在华为硬件上训练的模型不到十个。此外，中国人工智能公司正在寻求其他策略来绕过出口管制。

中国人工智能开发人员面临的另一个问题是缺乏美国软件的成熟替代品。为了克服这一限制并促进自力更生，中国政府正在资助登临科技和摩尔线程开发英伟达 CUDA 软件的替代品。对于人工智能框架，中国政府支持采用华为的MindSpore和百度的PaddlePaddle作为Meta的PyTorch和谷歌的TensorFlow的替代品。然而，这些框架在采用方面仍然落后于美国的框架。

尽管中国的国内平台替代方案在采用率和功能方面落后于国际同行，但此类软件替代方案可以降低从卓越的美国硬件转向不太成熟的中国人工智能芯片的成本。然而，就目前而言，西方 AI 软件的中国替代方案似乎还太不成熟，无法完全替代西方框架。然而，如果这些替代方案成熟并确立自己作为真正的替代生态系统，这种情况可能会改变。这种动态反映了中国为增强对美国出口管制的应对能力而采取措施的整体状况：这些措施还不足以克服出口管制施加的重大限制，但有可能为西方半导体和软件提供替代方案。

中国的人工智能政策会奏效吗？

中国政府的支持能否使其人工智能生态系统赶上甚至超过美国及其盟友？对于该行业的发展来说，现在自信地回答还为时过早。然而，总体而言，国家支持可能不会伤害行业的发展，因为中国优先考虑的政策似乎是针对整个人工智能行业的关键需求。

中国政府的支持对于其人工智能进步至关重要，尤其是在解决三个关键瓶颈方面。首先，如上所述，开发国内人工智能芯片和应对制裁的半导体供应链是与美国主导的出口管制竞争的成败。其次，尽管 AI 研究排名强劲，但中国的 AI 领导者认为人才短缺是一个关键制约因素。这些领域的成功将决定国家支持是否有助于实现中国成为全球人工智能领导地位的目标。第三，中国必须迅速扩大能源生产规模，以满足到 2030 年预计增长三倍的数据中心算力需求，尽管中国建造新发电厂的速度比美国快得多，因此很可能能够应对这一挑战。

与此同时，中国的人工智能产业政策可能在几个方面适得其反。

首先，中国人工智能公司被迫使用不太先进的本土替代品来替代全球平台，这可能会减缓它们开发前沿模型的进度，至少在未来几年内是这样。科大讯飞声称拥有除华为模型之外唯一一个完全使用中国制造的计算硬件进行训练的公共 AI 模型，但从 Nvidia 切换到华为芯片（包括 Ascend 910B）导致开发时间延迟了三个月。

其次，如果稀缺的 AI 芯片没有得到有效分配，资源可能会从生产力更高的用户（例如私营科技公司）转移。

第三，获得国家支持的中国人工智能公司可能会受到美国和其他国家/地区的更严格审查，从而引发限制，这可能会限制这些公司获取关键资源（如先进芯片）或进入国际市场的能力。例如，DeepSeek 的突然崛起促使美国官员和机构限制其对美国技术的访问，限制其使用。德克萨斯州、纽约州和弗吉尼亚州等州以及国防部、商务部和美国宇航局等联邦机构已经禁止在政府设备上使用 DeepSeek。

人工智能与中国采用产业政策的其他行业（如造船和电动汽车）有着根本的不同，部分原因是人工智能的发展依赖于快速变化、广泛的创新。频繁的范式转变，例如推理模型的出现，以及对 AI 发展轨迹缺乏共识，使得难以进行长期状态规划。与许多传统行业不同，人工智能行业严重依赖无形投入，例如人才和数据，这些投入对资本补贴的反应较慢，国家更难控制。尽管国家支持可以在某些领域提供帮助，例如资本密集型计算基础设施，但其他领域（例如基础模型和应用程序的进展）将主要由私营部门推动。

美国在人工智能领域拥有竞争力，却没有任何政府实质性支持（至少是财政支持），而是依靠私营部门的投资和研究，这一事实表明，与其他行业不同，产业政策可能并非人工智能竞争力的关键因素。人工智能拥有庞大且不断增长的私营市场，可以吸引企业和投资者，其市值已达7500亿美元，预计还将继续增长。此外，像DeepSeek这样的中国私营企业引领着人工智能的发展，而非国有企业，这表明私营部门在推动该领域创新方面可能更具优势。

中国在人工智能领域的进步很可能将继续由其创新型民营科技公司和初创企业推动。只要中国的产业政策能够与民营生态系统协同或为其提供支持，此类政策就有可能帮助民营人工智能发展取得成功，因而从中国政府的角度来看是“有效的”。如果此类产业政策与民营人工智能生态系统的需求和挑战没有明确关联，则更有可能被浪费。即使获得巨额国家补贴，中国人工智能开发商要想缩小人工智能投资缺口，也必须吸引更多私人投资：据估计，目前美国人工智能公司获得的私人投资是中国公司的十倍以上。

中国人工智能能否“超越”西方供应商，也将取决于私营部门的创新。即便中国人工智能无法超越西方，由于私营创新与公共支持相结合，中国仍可能保持强劲竞争力。

中国对人工智能的多层次支持

中国的人工智能产业政策是多层次的，涵盖了人工智能领域的各个领域，也包括一些并非明确支持人工智能但对中国人工智能产业有益的举措。尽管中国政府支持的主要领域是半导体和其他出口管制零部件的替代品，但国家支持也延伸到了能源和数据中心建设等领域，这些领域对于人工智能的成功至关重要。在本文中，我们将深入探讨这些涵盖人工智能技术的支持政策。

电力

得益于国家大力支持的电力基础设施扩张，以及在大型计算中心战略性地部署可再生能源，中国的人工智能产业在数据中心方面享有能源优势。中国快速建设和连接新发电厂的能力消除了美国正在努力应对的数据中心扩张的一个关键瓶颈。此外，中国丰富的能源资源使中国人工智能公司能够使用能源效率较低的自主研发人工智能硬件，例如华为的 CloudMatrix 384集群。

中国国家电网公司估计，2021 年其数据中心电力需求将从 2020 年的 38 GW以上翻一番，达到 76 GW以上，占其总电力需求的 3.7%。尽管到 2024 年，煤炭仍占中国总发电量的 58%，但中国已将可再生能源扩张和能源效率作为其数据中心扩张战略的核心重点。中国的数据中心建设受益于该国快速大规模增加电网容量的更广泛能力。仅在 2024 年，中国就新增了429GW的净发电能力，是同期美国净新增发电能力的 15 倍多。

中国在发展新能源发电方面的历史性成功及其在该领域的持续投资表明，中国将能够满足部署人工智能日益增长的电力需求，并可以向人工智能开发商和部署者提供补贴电力，从而降低与人工智能相关的运营成本。

芯片

如上所述，中国正在推行一项大规模的产业政策，旨在发展自给自足的半导体供应链。尽管这项政策最初并非针对人工智能，但随着计算需求的飙升以及美国主导的出口管制限制中国获取人工智能芯片及其生产所需设备的渠道，这项政策对中国的人工智能产业至关重要。

中国正在支持国产人工智能芯片的发展，例如华为的 Ascend 系列，作为 Nvidia 和 AMD 人工智能芯片的替代品。中国也在推动中国的人工智能公司转向国产人工智能芯片。DeepSeek 正在试验使用华为 Ascend 910C 芯片进行推理，而字节跳动和蚂蚁集团则使用华为 Ascend 910B 芯片进行模型训练。然而，中国的人工智能芯片尚未应用于人工智能训练工作负载。

为了缩小人工智能芯片制造方面的差距，中国政府正在支持芯片制造技术的研发，以克服美国主导的对半导体制造设备（例如荷兰阿斯麦公司的极紫外EUV光刻机）的出口管制。

计算基础设施

快速扩张计算基础设施也是中国政策制定者的首要任务，这可以为中国科技公司（尤其是初创企业和中小企业）提供急需的稀缺算力资源。中国正在建设国家一体化计算网络，将私有云计算资源和公共云计算资源整合到一个全国性平台上，以优化计算资源的配置。作为这项工作的一部分，中国于2022年启动了“东部数据，西部计算”计划，旨在建设八个“国家计算中心”，特别是在清洁能源资源丰富的西部省份。

根据《2023年算力基础设施高质量发展行动计划》，截至2024年6月，中国（包括公共和商业数据中心）的算力已达到每秒246 EFLOP，并计划到2025年达到每秒300 EFLOP 。然而，并非所有这些算力都旨在或非常适合支持人工智能工作负载。其他研究表明，中国控制着约15%的人工智能总算力，而美国控制着约75%的人工智能总算力。这表明中国人工智能产业面临着计算基础设施方面的巨大缺口，随着中国开始扩大其模型的部署规模，国家支持可能会试图缓解这一缺口。

研究与人才

中国政府对基础研究和人才培养的支持是中国人工智能产业发展的关键推动力。中国政府通过多种渠道为大学和国家支持的人工智能实验室的基础人工智能研究提供资金，其中包括国家自然科学基金和国家重点研发计划的拨款。这些公共人工智能研究资金帮助中国的大学和研究实验室发展成为世界一流的人工智能研究中心。截至 2024 年，中国作者在高被引人工智能研究人员中所占比例位居第二。中国的大学和人工智能公司密切合作，分享突破，形成更广泛的人工智能研究社区。

国家支持的人工智能实验室

中国政府支持的人工智能实验室在开展基础研究、协调行业通用标准、制定路线图和培养人才方面发挥着关键作用。中国支持国家重点实验室的人工智能研究，例如清华大学的智能技术与系统国家重点实验室。

中国还拥有由中国科技部和北京市政府创建的两家大型人工智能实验室。北京人工智能研究院（BAAI），又称智源研究院，以其在人工智能安全与标准、基础理论以及开源前沿模型方面的研究而闻名。北京通用人工智能研究院的独特之处在于，它明确专注于通过基于人类认知的替代方法实现通用人工智能 (AGI)。

中国政府支持的人工智能实验室的确切影响难以估量；中国最先进、应用最广泛的人工智能模型主要由私营企业开发。然而，中国的人工智能实验室也为人才提供了孵化器，这些人才日后可以支持中国私营部门的人工智能发展，并支持政府在科技领域的优先事项。

人工智能专项资金

中国还通过专项产业基金、银行贷款项目和地方政府资金，增加对中国人工智能产业的公共资金投入。尽管这一过程中可能会出现大量资金浪费，但公共资金将有助于支持不断发展的人工智能初创企业生态系统，尤其是在应用领域。2025年1月，中国启动了规模达82亿美元的国家人工智能产业投资基金。中国规模更大的1380亿美元的国家风险投资引导基金将瞄准多个人工智能相关领域，例如机器人技术和“具身智能”。杭州和北京等地方政府也纷纷效仿，设立了各自的国家主导的人工智能投资基金。

各大银行也推出了人工智能产业贷款计划，其中最引人注目的是中国银行为人工智能相关产业推出的五年期 1380 亿美元融资计划。中国人民银行和中国工商银行等其他银行也推出了针对科技产业的融资计划，其中可能包括专门针对人工智能的资金。其中许多人工智能和科技基金都是今年推出的。

地方政府支持

地方政府也在中国推动人工智能发展方面发挥了作用。尽管大多数将内陆城市转变为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巩固其作为全球科技中心的现有优势的基础上所做的努力将显著提升中国的国家人工智能实力。

中国还在 20 个城市开发人工智能试验区，人工智能公司可以在这些试验区获得专项融资，并在有利的监管环境中运营。地方政府通常通过公共投资基金和“算力券”（以补贴的方式提供计算资源使用权）为初创企业提供资金。 北京和宁夏等城市已经建立了算力交易平台，以便更有效地跨地区和跨数据中心配置计算资源。继北京之后，中国许多城市也推出了人工智能和“AI+”行动计划，旨在支持本地初创企业并推动人工智能在其他领域的应用。

推广开源

中国政府推动开源人工智能平台、数据集和模型，将其视为加速行业进步和规避潜在专有技术出口管制的一种方式。这种开源方式也使中国能够通过采用其低成本的开源产品来塑造国外的人工智能行业标准。中国一直在推广其名为 OpenI 的开源人工智能协作平台，参与者可以在该平台上共享人工智能模型和数据集并访问计算资源，尽管与 Hugging Face 等西方平台相比，该平台尚处于起步阶段。中国政府还一直在鼓励更多地使用微软旗下 GitHub 的中国替代品 Gitee，Gitee 声称拥有超过 1350 万注册用户，而 GitHub 的用户超过 1 亿。

数据

中国政府还计划将数据转化为战略资源，以使中国在人工智能领域占据优势。中国政府希望将数据转化为新的“生产要素”，并修改了会计规则，允许企业将数据归类为无形资产。地方政府已经建立了数据市场，例如深圳数据交易所，以允许私营企业、国有企业和国家机构进行数据交易。中国国家数据管理局正准备启动国家公共数据资源平台，以促进全国范围内的数据交易。

中国政府对开放数据共享平台的支持可能会在推动中国人工智能产业发展方面发挥更大作用，因为它可以扩大大型训练集的普遍访问权限，而无需数据交易所那样复杂的所有权问题。国家对开放数据共享的支持包括开放数据平台（例如 OpenI）以及开放数据集的创建，例如 FlagData（北汽人工智能研究院的中文多模态数据集）。中国政府尤其注重通过北京具身人工智能机器人创新中心和上海的国家地方人形机器人创新中心等机构促进机器人数据共享。中国几家领先的机器人公司，例如智元机器人（AgiBot）和 傅利叶（Fourier），也发布了开放训练数据集，扩充了中国更广泛的机器人训练数据库。

应用

最后，作为人工智能产业政策的一部分，中国已开始直接推动人工智能应用在社会各领域的应用。2025 年 4 月以人工智能为学习主题的政治局会议指出，中国的人工智能产业应该“强烈面向应用”。国家人工智能规划（例如 2017 年人工智能发展规划）以及地方政府的“AI+”行动计划，都重点关注人工智能与公共服务和政府运营的融合。

除了政府服务之外，中国政府方面正寻求将人工智能融入到各行各业。这些领域既包括制造业、农业、教育和医疗保健等传统行业，也包括新兴领域。中国政府尤其重视机器人技术和“具身智能”领域的人工智能发展。中国于 2021 年发布了《机器人产业发展“十四五”规划》，并于 2023 年发布了《机器人+应用行动计划》，旨在促进机器人的开发和应用。

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