人工智能的经济赢家

Rebecca Patterson

 《人工智能的经济赢家》是美国外交关系委员会2026年7月29日刊发的分析文章，作者丽贝卡·帕特森为该机构格林伯格地缘经济研究中心高级研究员，文章改编自其为《人工智能地缘政治：权力、冲突与全球秩序的未来》撰写的章节。文章要回答的问题是，在人工智能加速发展的条件下，哪些经济体更有可能取得较大经济收益，这种差异又会怎样转化为地缘经济能力。作者提出，相关讨论通常集中于美国和中国，但其他经济体同样是重要参与者。

文章把这一问题放在两个趋势的交汇处考察。过去十年，经济和金融手段在各国实现国家安全与地缘政治目标中的分量上升，掌握较多经济与市场资源的国家更有条件影响全球权力格局；与此同时，人工智能带来的结构性变化推进较快，各经济体从中受益的程度可能明显分化。作者说明，技术演进的速度和形态、各方应对方式均存在较大不确定性，分析重点因此放在识别影响结果的变量，而非作出预测。

文章的分析沿四个层次展开，前两个层次讨论能力来源，后两个层次讨论结果分布。能力来源方面，开发端的条件被拆解为人才、资本、基础设施、政府与公众支持四类要素；部署端讨论技术的采用与扩散，以及经由生产率、效率和创新三条路径转化为经济成果。结果分布方面，分为开发领先的美国和中国、掌握供应链关键环节的节点型经济体和以欧洲、印度为代表的中等力量；最后讨论最大受益者与落后者之间的差距。贯穿全文的判断是，开发领先并不自动等同于经济受益最大，一国的劳动力市场结构、财政能力、社会准备程度以及同供应链伙伴的关系同样决定最终结果。

在能力来源维度，文章首先分析开发端的条件，对人才和资本的讨论都指向既有格局并不稳定。人才方面，据2026年美国国家经济研究局工作论文，截至2022年中国在顶级期刊发表研究的占比超过35%，高于美国和欧盟；2024年至2025年中国占全球人工智能专利授权的近七成；约37%的全球顶尖研究人员供职于中国机构，美国约为32%，作者同时提示数量并不等于影响力。资本方面，斯坦福大学2025年人工智能指数报告估计，2024年美国私人人工智能投资超过1090亿美元，约为中国93亿美元的12倍；外交关系委员会2025年的估算则显示，过去十年中国政府在人工智能、量子和生物技术领域投入约9000亿美元。

开发端的另外两类条件是基础设施以及政府与公众态度，二者容易低估却影响实际进度。文章指出，人工智能开发不仅需要数据和算力，还需要芯片之外的硬件、数据中心用地、冷却用水和运行能源。国际能源署预计到2030年全球数据中心用电量可能翻一番以上，美国和中国合计约占增量的八成；中国发电量约为美国的两倍，电力增量中约一半来自清洁能源。态度方面，中国通过各类活动培育公众对新技术的兴趣，美国则因生活成本、岗位替代和环境影响的担忧，出现部分州政府反对新建数据中心的情况；益普索调查显示，新兴经济体对人工智能经济影响的评价明显好于发达经济体，作者认为这一反差部分源于劳动力结构差异。

部署端则聚焦于技术的采用与扩散，文章认为这与开发相对独立，构成决定经济收益的另一组条件。一个在研究上并不领先的国家，只要具备足够的互联网接入、电力供应、数据质量、有竞争力的企业和支持性政策，同样可能实现较快扩散并获得生产率收益。微软发布的人工智能扩散报告显示，2025年下半年受调查国家中约16.3%的人口使用生成式人工智能，高于上半年的15.1%；阿联酋和新加坡位居前列，美国排在第二十四位。

在部署端，文章区分生产率、效率和创新三条路径，讨论扩散如何转化为经济成果。生产率路径假设人工智能增强多数劳动者能力、提高单位时间产出，Anthropic的研究推算现有模型未来十年可使美国年度劳动生产率增速提高约1.8个百分点，但文章认为需企业持续投入方能实现；欧洲央行2025年底对五千多家企业的调查显示仅7%使用程度显著，技能不足是主要障碍，阿西莫格鲁则估计十年内人工智能对美国全要素生产率的提升不超过0.66%。效率路径关注替代而非增强，Anthropic首席执行官阿莫迪曾预测人工智能可能在四到五年内取代约一半入门级白领岗位，文章指出现有数据显示替代仍然有限。创新的商业化路径方面，文章认为迄今多数人工智能创新出现在同时具备领先模型、科学家群体和创业制度环境的国家，较常被引用的例子是谷歌DeepMind开发的AlphaFold系统，其对蛋白质结构的预测有助于缩短药物研发周期。与路径同样重要的是收益分配，企业因用工成本下降节省的资金，是重新投入业务创造新岗位，还是用于改善资产负债表和回购股票，将影响收益在企业与劳动者之间的分布。

在结果分布层面，文章首先区分了开发领先的美国与中国。两国都具备人才、资本、基础设施和政府支持，但各有短板。美国的优势集中在前沿模型开发、最先进芯片的设计能力和对软件与云基础设施的控制，制约包括对中国稀土等关键原材料的依赖、公众支持的不确定以及技能劳动力和能源的紧张。中国的优势在于技术人才和数据规模、影响力上升的研究产出、较大力度的政府支持和充足能源，短板主要是尖端芯片供给；在部署层面，中国以开发、快速扩散和生产率增长为明确方向，2020年至2035年人均国内生产总值翻番的目标意味着此后十年需要年均约4.2%的增长，在劳动年龄人口下降条件下提高生产率是较现实的路径，而美国的部署更多由私营部门主导，短期岗位冲击可能削弱公众支持。

中美两国的经济成果还取决于其他地区采用谁的平台和标准。各国大多以美国平台和工具为起点，美国企业多采用专有模型，中国的系统通常开放且免费，便于开发者微调和本地部署。兰德公司2026年1月的研究分析了135个国家对主要美中大语言模型平台的访问数据，截至2025年8月美国模型占访问量的93%；DeepSeek相关模型曾在两个月内把中国的全球份额提高10个百分点至13%，随后回落并稳定在6%左右。该研究提示，在切换成本较低时竞争性替代方案可能较快侵蚀美国份额，法国已于2026年初宣布逐步减少政府机构对部分美国软件产品的使用。

掌握供应链关键环节的节点型经济体构成结果分布的第二类。中国台湾省是较受关注的例子，台积电生产了全球绝大多数最先进制程芯片；美国以激励措施推动台积电在亚利桑那州建厂，投资规模已达1650亿美元，即便如此其先进制程制造份额到2032年预计仍在28%左右。荷兰的阿斯麦是极紫外光刻设备的唯一制造商，日本生产约90%的氟化聚酰亚胺和光刻胶。中东凭借能源与政策支持成为数据中心重要承接方，沙特设立云计算经济区并推出千亿美元级计划，但2026年初地区冲突波及霍尔木兹海峡通行与关键材料供应。这些经济体的优势同时也是其脆弱之处。

以欧洲和印度为代表的中等力量构成第三类。欧洲并不谋求在开发上领先，而希望通过扩散和创新获得实际收益，重点领域包括机器人、医疗和工业自动化；受劳动法律和文化规范影响，其劳动力被增强的可能性相对高于被替代。印度具备技术人才、不断扩大的消费市场和规模可观的数据，政府建设的印度堆栈提供了覆盖数字身份、支付、信贷和数字商务的公共数字基础设施；制约在于数据中心容量有限、电力基础设施需要大规模投资，以及需要在美中之间维持平衡。

在结果分布层面，文章最后讨论了最大受益者与落后者之间的差距。世界银行2025年的报告显示，高收入国家拥有87%的知名人工智能模型、86%的人工智能初创企业和91%的风险投资资金，而其人口仅占全球的17%；截至2025年6月，高收入国家占有全球77%的托管数据中心容量，低收入国家不足0.1%。低收入经济体需要先解决互联网接入、算力和基础数字技能等问题，同时可并行部署成本较低的小型人工智能应用取得渐进收益。

文章的结论较为克制。作者认为经济增长只是人工智能影响全球权力格局的一个方面，但相当重要，经济基础更强的国家能获得更多可用于政策目标的地缘经济手段。与以往技术变革时期类似，经济赢家既可能是开发领先者，也可能是从广泛扩散和创新中获益的快速跟随者，收益如何在企业与劳动者之间分配则取决于部署方式和政策取向。不同之处在于，全球供应链的相互依存程度较高，任何单一国家都难以独自取胜，部分国家会因供应链中的特定地位而拥有超出自身经济体量的影响力，联盟建设因此仍被视为必要条件。文章没有设置独立的对策建议部分，其政策含义蕴含在分析之中，包括重视关键投入的对外依赖、岗位调整与再培训的责任分担和财政可持续性、公众对技术扩散的接受程度，以及避免把既有领先地位视为当然。 

文章来源：外交关系委员会（Council on Foreign Relations）

发布日期：2026年7月29日

原文链接：https://www.cfr.org/article/ais-economic-winners