硅谷已经穿上“军装”，中国还在犹豫“军民融合”吗？

编者按

PREFACE

2026年5月1日，美国国防部宣布将硅谷顶尖AI技术全面接入美军的最高涉密网络，标志着美国军事与民间科技力量实现了从“工具合作”到“神经融合”的范式跃迁。在人工智能的时代背景下，如何将前沿科技高效转化为核心竞争力，已成为大国博弈的关键。

文章深度剖析了中美科技发展模式的制度差异，提出中国需要通过政策引导下的“国民融合”，激活体量庞大的市场，将公共基础设施等作为民企前沿技术的试验场，方能在当前的体制条件下，务实走出一条比美式军民融合更具规模效应与可持续性的军事科技发展之路。

2026年5月1日，五角大楼发出一份简短但分量极重的声明：美国国防部已与SpaceX、OpenAI、谷歌、英伟达、微软、亚马逊云服务和Reflection AI七家顶级AI公司达成协议，将这些公司最先进的AI技术全面接入美军IL-6（机密级）和IL-7（最高机密级）涉密网络——覆盖了作战指挥、情报分析、战场态势感知等最核心的军事功能。

用一句话来概括这件事的含义：硅谷最聪明的大脑，正式穿上了军装。

与此同时，大洋彼岸的中国，关于AI军事应用的讨论仍停留在“是否应该”的层面。中国最活跃的AI创新主体——那些民营大模型公司——与军方之间，仍然隔着一条由制度、信任和政治逻辑构成的鸿沟。

2022年6月，在美国政府支持下，美国首个非营利性战略投资组织“美国前沿基金”成立，越来越多曾在美军、情报机构和执法单位任职的人士，开始进入国防科技创业投资生态圈（图源：美国前沿基金官网）

01

美国科技七巨头接入最高涉密网络：一场从“工具合作”到“神经融合”的范式跃迁

美国军方此次与科技公司

合作带来的突破在哪里

美国军方与科技公司的合作由来已久，但这一次与以往有着根本性的差别。

此前的合作，无论是云服务采购还是无人机算法研发，都停留在“外围赋能”层面——科技公司提供工具，军方在自己的系统内使用，数据流向始终有明确的隔离墙。而这一次，这道墙被拆掉了。七家公司的AI技术被直接部署至涉密网络环境，这些民间AI模型将第一次“看见”美军最机密的数据，直接参与最高级别的作战决策和武器控制。

这次决策有两个层级的突破。第一，速度的突破。涉密网络的准入审批通常需要18个月以上，而此次从谈判到签约仅用了不到3个月。第二，深度的突破。英伟达明确允许其AI技术用于自主武器开发，不附加任何额外使用限制——硅谷的代码正在获得扣动扳机的权限。五角大楼的GenAI.mil平台上线仅5个月，已有超过130万国防部人员使用。

这是一次从“工具合作”到“神经融合”的质的跃迁：民企的智能系统不再是被军方“使用”的工具，而是直接嵌入军方决策神经的组成部分，两者边界近乎消失。

美国军民融合的历史脉络

理解这件事的意义，必须放在美国军民融合的历史长河中来看。

1958年，苏联发射人造卫星的冲击波让华盛顿成立了DARPA（国防高级研究计划局），使命只有一个：防止技术上的战略奇袭再次发生。此后数十年，DARPA孵化了一系列改变人类历史的技术——互联网的前身ARPANET、GPS、半导体、语音识别、无人机，都曾在它的项目清单上出现过。

这些技术的共同特征是：起于军事需求，成于民间应用，再反哺于军事能力。这种“军-民-军”的双向流动，构成了美国科技创新最核心的飞轮效应。其密码不在于军方有多大预算，而在于公私分明的制度基础——政府是需求方和资助方，企业和大学是供给方，双方以市场契约对接。当硅谷工程师无需穿上军装就能为国防部开发AI时，军民融合的成本最低而效率最高。

为什么美国能做到

从全球比较来看，美国军民融合的深度和效率，是其他大国难以复制的。其根本原因在于三个层面的制度优势。

第一，产权边界清晰，合作以市场为基础。军方采购民企技术走标准商业合同路径，谷歌、微软与五角大楼本质上是甲乙方关系。《拜杜法案》明确了政府在资助研发中的权利边界，产权的清晰是合作深化的基石。

第二，资本市场提供了“容错性极高”的创新融资机制。DARPA的资助不要求短期回报，风险投资则将军事需求催生的技术迅速商业化——没有华尔街，就没有硅谷；没有硅谷，DARPA的技术种子就无处生长。

第三，文化上对“技术-军事”联合体的高度认同。在美国，服务国家安全无需回避，与军方合作是荣誉而非政治风险，这极大降低了合作的社会摩擦成本。

欧洲、日本、印度都曾试图复制DARPA模式，但无一成功。根本原因不在于经费多寡，而在于缺乏支撑这一模式的制度生态。

1980年，Evan Bayh议员（左）和Birch Bayh议员（右）在《拜杜法案》听证会上（图源：美国参议院历史办公室）

02

中国科技的“军民融合”：远远不够，且难以弥合

现状研判：“形有余”而“实不足”

相较于美国，中国的军民融合在政策层面推进了多年，但实际效果与预期始终存在明显落差。

民营企业在军品市场的占比已突破35%，军民融合被列为国家战略。但深入审视合作质量，就会发现一个令人不安的现实：中国的军民融合大多停留在基础配套和标准装备供应层面，真正涉及前沿AI技术——大语言模型、自主决策算法、智能态势感知——的核心合作寥寥无几。截至2026年初，中国没有任何一家民营AI公司能够像OpenAI或谷歌那样，将自有大模型系统性地部署到军方作战网络中。换言之，中国的军民融合看似热闹，实质是两套体系、有限对接。

为什么中国军民融合难以深化

中国军民融合难以深化，根源不在政策设计，而在制度逻辑的根本性错位。这里需要引入郑永年教授对中国政治经济体制的一个重要判断——“制内市场”。在中国的体制框架下，市场并非独立于政治权力之外运行，而是嵌套在政治逻辑之内的。这一特征在军民融合领域体现得尤为明显，并造成了一个两难困境：

对军方而言，从民营企业采购技术或开展技术合作，在观念上往往不被视为一种纯粹的市场行为，而更倾向于用政治逻辑来推进——谁有关系、谁政治可靠、谁是“自己人”，往往比谁的技术最先进更重要。这种政治化的合作逻辑，使得真正具有技术实力但缺乏政治关系的民企难以进入核心合作圈。

对民企而言，军方的政治属性太强，合作风险太高。民企最担心的，不是军方会不会给钱，而是一旦深度合作，自己的核心技术、算法架构甚至关键工程师，会不会在合作过程中以各种方式“留”在军方体系内。知识产权的不确定性和政治风险的不可控性，使得越是有真正核心技术的民企，越是对军方合作保持谨慎。

这两种逻辑叠加，造成了一个结构性的死结：军方不愿以纯粹市场逻辑采购，民企不愿以纯粹技术逻辑供给，双方的合作因此无法按照市场机制深化和扩散。

这可能是中美之间在科技发展模式上最根本的差异，在现有体制框架下很难得到根本性弥合。中美在军民融合上的差距，不是通过增加预算或出台更多文件可以弥补的——它是一个制度基因层面的鸿沟：无法缩小，只能绕过。

帕兰蒂尔公司的平台为军方设计推出了大型语言模型，图为帕兰蒂尔公司IPO上市当日，该公司员工在纽约证券交易所前的留影（图源：新华社）

03

从“军民融合”到“国民融合”：中国的独特路径

面对军民融合难以深化的制度性死结，与其在走不通的路上反复碰壁，不如另辟蹊径。中国有一种独特的资源，是美国和其他主要大国所没有的——体量庞大、覆盖领域极广的国有经济体系。这恰恰可以成为构建“国民融合”路径的制度基础。

做什么：

让国有经济成为民企前沿技术的试验田

从中央企业到地方国企，中国国有经济的覆盖范围远超想象。它不仅包括石油、航天、电信等战略性领域，还深度嵌入了城市基础设施、公共交通、医疗教育、金融服务等日常领域。这些领域每年吸纳的投资规模、服务用户数量和数据体量，加在一起远超美国军事预算所能驱动的数字。

当然，这些领域对技术前沿性的内在需求确实更低——公交系统不会主动采购具身智能机器人，城投公司也不会自发追求最先进的AI决策系统。但这里有一个关键的逻辑转折：对新兴技术的需求，是可以被政策主动创造的。国有经济体系庞大、层级分明，恰恰具备统一接受政策引导的条件。如果将“新兴技术含量”纳入国资国企经营绩效的重要考核指标，国有经济对前沿技术的需求就会从“可有可无”变成“不得不要”。

一旦这种需求被系统性地激活，规模效应就会产生乘数效应：民企最前沿的技术获得全球最大规模的应用验证场景，国企的运营效率在技术升级中得到实质性提升。更重要的是，这种合作基于真实商业逻辑而非政治动员，因此具备可持续的内在动力。

这就是“国民融合”的核心逻辑：不是用行政命令强制整合，而是用政策引导需求创造，让市场机制在国有经济的广阔场景中完成军民融合无法完成的技术扩散任务。一旦形成有效的国民融合态势，其对中国科技发展的支撑能力，很可能从总量上超过美国的军民融合。

怎么做：

两个场景中的“国民融合”

以下两个场景，不是具体的政策建议，而是对“国民融合”可能形态的描绘。核心问题是：在公共部门主导的场景下，市场如何被释放，民企的前沿技术创新如何获得支持，最终如何形成可持续的制度生态。

场景一：智慧城市

城市是“国民融合”最天然的试验空间。每一个公共服务环节都是AI技术的潜在落地场景，而主导这些环节的，恰恰是城投公司、公交集团、公立医院和住建部门。这些公共部门掌握城市物理基础设施和数据入口，但自身不具备将基础设施转化为智能系统的技术能力——这正是民营企业发挥核心作用的地方。

第一个突破口是智慧交通，但它远不止智能驾驶。真正的机会在于以车联网为骨架，对整个城市交通体系进行系统性重塑。这不仅意味着自动驾驶技术需要路侧智能传感、停车基础设施和城市级交通调度系统的配合，更意味着一整套由公共部门投资、民企提供技术方案的新型交通基础设施——从道路传感网络到边缘计算节点，从智能停车到车路协同平台——每一项的建设和运营都是公共部门与民企技术能力深度绑定的产物。城市不仅是技术试验场，更是拥有庞大消费人群的巨大市场，这才是AI技术规模化扩散的经济基础。

第二个突破口是智慧治理。当前的城市治理主要依赖视频监控等视觉感知手段——摄像头记录发生了什么，却无法理解被记录者的真实需求。下一步的跃迁是从视觉感知走向认知感知：通过AI对社会治理各维度数据的语义理解和行为分析，让公共服务从“看见人”升级为“理解人”。比如，社保系统不止识别谁在领取补贴，而是通过多维数据认知一个家庭是否真正需要帮扶；医疗服务不止于挂号管理，而是预判社区健康风险并主动干预。这些场景涉及大量伦理问题，但正是复杂的社会需求，才构成前沿技术试验、反馈和迭代的真实场景。在这一过程中，公立医院、社保基金、教育部门等公共机构提供场景和数据，民营企业提供算法和认知系统。

智慧城市场景下，“国民融合”的制度逻辑是：公共部门以城市建设和治理需求为牵引，向民企释放一个规模巨大且持续增长的应用市场；民企在这一市场中完成技术验证和商业闭环，进而将成熟方案推向全国乃至全球——由公共需求拉动、市场机制驱动的可持续技术生态。

一辆无人配送车在合肥高新区进行公开道路测试（图源：新华社）

场景二：智慧能源

中国的电力系统是国有企业主导最为彻底的领域之一，国家电网和南方电网覆盖了全球最大的单一电力市场。在"双碳"目标下，这个以物理基础设施为核心的体系，正面临史无前例的数字技术需求爆发。

新型电力系统的核心挑战，是从集中式、单向的电力调度转向分布式、双向的智能调度。当数以亿计的分布式光伏、储能设备和电动车充电桩接入电网，电网需要的不仅是一台更快的计算机，而是一整套基于AI的实时感知、预测和调度系统——这正是民营AI和数字技术企业最擅长的领域。虚拟电厂、智能微网、碳足迹追踪与交易——每一个环节都意味着由公共需求创造的全新市场，这些市场的技术供给必须依赖民营企业的创新动能。

在这个场景中，电网企业提供“骨架”——物理网络、调度权限和规模化运营能力；民营企业提供“神经”——智能感知算法、预测模型和边缘计算方案。两者的结合不是一次性采购，而是围绕电力系统持续演进的技术共生。中国的能源市场规模意味着，在这里验证成功的数字能源技术将天然具备全球竞争力。

04

结语

2026年5月1日，五角大楼与七家AI巨头签订的那纸协议，不只是一份军事采购合同，而是一个历史性信号：在AI时代，军事力量与科技力量之间的边界正在消失，谁能率先实现两者的深度融合，谁就掌握了下一代国家竞争力的核心密码。

面对这个现实，中国需要清醒。清醒不是焦虑，而是对自身处境的准确判断：中国的军民融合，在现有体制逻辑下难以实现美国式的深度整合，这是一个不能靠喊口号来改变的结构性事实。但这个判断的另一面是：中国有一套美国没有，也无法复制的制度资源——体量庞大的国有经济体系。如果将其重新定位为前沿技术的需求引擎和应用平台，它的战略价值就会浮现出来。

“国民融合”不是军民融合的降级替代，而是一条在中国独特体制条件下，可能比军民融合更具规模效应、更可持续的全新路径。智慧城市和能源系统这两个场景覆盖的市场体量和数据规模，远超美国军方预算所能驱动的范围。关键在于，能否打通国有经济与民营技术之间的接口。

这里有一个不应回避的深层问题：国民融合要真正运转起来，前提是民营企业对合作规则的可预期性有足够信心。过去几年，部分民企在与国有体系合作中遭遇知识产权模糊、合同执行不稳定等问题，如果不能得到制度性解决，国民融合就只能停留在政策文件里。从这个意义上说，“国民融合”不仅是一个技术政策命题，更是一个治理能力命题——它的成功，取决于中国能否在国有经济体系中建立起让民营企业可预期、可信任、可获益的市场合作规则。

最后回到标题的问题：硅谷已经穿上“军装”，中国还在犹豫“军民融合”吗？

答案是：与其在军民融合这件穿不上的军装上反复纠缠，不如换上一套真正属于中国自己的战衣。这套战衣的名字，叫“国民融合”。

本文作者

黄平：香港中文大学（深圳）公共政策学院副教授、助理院长，前海国际事务研究院副院长。

DeepSeek V4 Pro：深度求索公司开发的第四代生成式预训练变换模型。

| 原创声明 |

本文版权归微信订阅号“大湾区评论”所有，未经允许任何单位或个人不得转载、复制或以任何其他方式使用本文部分或全部内容，侵权必究。公众号授权事宜请直接于文章下方留言，其他授权事宜请联系IIA-paper@cuhk.edu.cn。

GBA 新传媒

校对｜李   征

排版｜许梓烽

初审｜覃筱靖‍

终审｜冯箫凝