本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论，原文标题：《7年41亿美金！美国政府AI账单“被扒”》
导语
近日，美国智库CSIS根据公开数据库，盘点了7年下来，美国联邦机构为AI签下的合同——承诺金额累计41亿美元，八成来自国防部。然而，超过一半招标文件找不到治理条款，能真正追责的条款不到一成。眼下，钱签出去了，规矩还无从说起。作者提出，在采购环节中，政府的身份是“买家”，这时更应该将规矩写进招标文件。采购应该把政府投入转化为可量化的公共价值，并附带明确的预期和问责机制。
原文标题：Understanding the U.S.Federal Government's AI Spending
原文来源：美国战略与国际研究中心（Center for Strategic and International Studies,CSIS）
编译解读：数字经济发展评论
过去七年，美国政府花在AI上的钱一路往上走。2019财年到2025财年，联邦各机构一共签下2255份能辨认出AI成分的相关合同，累计义务金额41亿美元。同期，提到AI的合同数量增长了两倍多，年度义务额也跟着抬升，到2025财年已达11.62亿美元。这轮增长主要由国防部拉动，只一家就占了全部义务额的83%。
需要说明的是，这里的义务金额没有剔除负数调整，它反映的是政府签下的承诺额度，不是已经付出去的钱，也不是合同最终可能达到的上限。把41亿读成“已经花掉的钱”，是最容易犯的错。它只是承诺，兑现可以拖很多年。7年41亿，听上去是一笔大钱，可放到同一时期的AI基建投资里只是个小数目，真正的分水岭在后面。
CSIS未来实验室追踪了联邦资金的流向，想弄清楚美国政府究竟是怎么买AI的。数据来自两处：SAM.gov上发布的招标公告，以及USAspending里记录的已授予联邦合同。两个公开数据库就能把采购的大多数动作还原出来，这本身说明政府买AI的多数环节是看得见的，看不见的只是其中少数领域。
41亿美元，追得上数据中心吗？
自2019财年以来，联邦政府对AI的需求大幅增长，且这一势头仍在持续。提及人工智能的已授予合同数量，在2019至2025财年之间增长了两倍多；SAM.gov上的招标公告数量也有所增加，2025财年与AI相关的公告达到71份。
需要留意一处口径：综合样本包含2255项彼此独立的合同与订单，对应3602条“合同—年度”观测记录和5874笔交易。年度统计把往年签下、当年还在执行的合同也算进去了，而每份合同或订单在整个研究期内只计一次。因此，这些数字并非每年新签的合同数量——这个限定很关键，它意味着“增长两倍多”说的是在执行的合同规模，而不是每年新签了多少单。
在这批合同里，生成式AI的身影越来越引人注目。自2022年11月ChatGPT推出以来，被标记为生成式AI的合同数量一路上涨，2024财年涨至56份，2025财年达118份。从0到118份只用了不到三年，生成式AI进入政府采购的速度，快过以往任何一轮IT采购。
按技术类别划分，大多数AI相关合同可归为两大类：“通用AI”占43%，“机器学习”占34%；排在后面的还有深度学习与强化学习12%，生成式AI与大语言模型5%，计算机视觉3%，自然语言处理2%，未标注或其他占1%。
在SAM.gov的招标公告中，各类占比又略有不同，通用AI占49%、机器学习27%、生成式AI仅2%。合同里通用AI占四成三、公告里占近五成，说明采购方最常写进需求的是成熟能力，而不是最新能力。通用AI与机器学习合计占近八成，而生成式AI这边喊得响、签得少。
由于不少联邦合同的描述较为简短，常常只有一句话，生成式AI的占比只能算下限估计值。分类靠合同描述里的词来认，这个口径天生偏保守，真实的生成式AI采购只会更多。政府采购一向以流程审慎著称，生成式AI却能在两年多里拿到上百份合同，说明这轮技术扩散的速度，已经超出了传统采购节奏能适应的范围。
未来的需求和联邦支出大概率还会继续上涨，现有公告已经显示，政府准备加钱升级AI基础设施。要判断这个趋势能走多远，数据中心是个好用的参照，毕竟各路资金正涌向这类设施。
在大模型革命之前，联邦政府对AI的需求与数据中心的增长基本是同步的；但自ChatGPT推出以来，数据中心的增速已远超联邦AI采购。两条曲线在这里分了岔，反映出过去是政府领着市场走，现在反过来，是市场在定节奏。
这一迹象同时说明两件事：AI基础设施的投资眼下主要靠商业需求驱动，联邦政府在AI上的支出落后于私营部门。需要说明的是，这个对比是拿数据中心容量与年度合同数量在比，不是公共支出对私人支出，因此并不代表因果关系。
1250家供应商，钱却往少数人手里流
供应这一侧，参与的供应商很多，但大部分钱却流向了少数几家。2255份AI相关合同里，共有1250家不同的供应商拿到过合同。其中66.2%只拿到过一份合同，29%拿到2到5份，3.5%拿到6到10份，超过11份的只有0.8%——六成以上的供应商只做过一次生意，这个市场看上去热闹，其实还没形成稳定的供应关系。
金额最大的三家拿走了净义务总额的30.4%，市场既头部集中，又长尾分散。单份合同的金额中位数约为每年15万美元。
小企业按数量算赢面很大，拿走了70%的AI合同，但分到的义务额只有45%，拿到的单子金额普遍偏低。这说明小企业拿到的是入场券，不是份额。
这组数据表明，联邦AI市场仍然相对分散，顶部却已经开始向几家巨头收拢。多数机构手里攥着的是一大批中小额合同，政府大概想在押注大项目之前，先把不同的工具、供应商和用法都试一遍。分散的小额采购未必是犹豫，更像一种低成本的试错机制——先用小钱把路趟一遍，把规模化留给后面。
大型IT和咨询公司仍是联邦AI采购的主力。反倒是一向被视为国防工业支柱的传统军工总承包商在这里并不起眼，只占合同总数的2.8%、义务额的5%。军工巨头的缺席，是新一波技术采购与旧国防工业体系之间的一道裂缝。
还有一种集中更能说明问题。Palantir和Scale AI这两家公司尽管合同数量不多，加起来不到总数的1%；但金额合计5.97亿美元，约占义务额的15%。不到1%的合同，却拿走了近15%的钱。这说明真正值钱的不是做了多少项目，而是占住了哪个环节。
国防部占八成，空军一家独大
国防部是联邦AI采购的核心，2019至2025财年约占AI合同总数的63.8%、义务总额的82.8%。相比之下，卫生与公众服务部、国土安全部、总务管理局这些民事机构的份额则要小得多。
民事一侧按合同数量算，卫生与公众服务部是最大的买家，共296份，其中131份与美国国立卫生研究院签订；后面依次是NASA的219份、交通部136份、商务部129份、国土安全部122份。民用AI采购集中在科研、航天和交通上，与国防系统的规模完全不在一个量级。
有意思的是，招标公告里占据主导的却是商务部，这主要来自其下属的美国国家海洋和大气管理局。相比之下，国防部在这份公开招标数据里的可见份额反倒更小，原因大概是它较少走公开招标这条路。
在国防部内部，空军是已授予合同数据里最大的AI买家——1182份合同、8.72亿美元；国防高级研究计划局同样分量不轻，187份合同、2.13亿美元。只空军一家就超过民用机构的总和，联邦AI采购在相当程度上是军事采购的延伸。
按合同数量排在后面的依次是：陆军400份、5.198亿美元，海军193份、1.094亿美元，国防部长办公室116份、4.571亿美元，华盛顿总部服务处65份、2.887亿美元，导弹防御局56份、3250万美元，国防威胁降低局47份、1540万美元，国防后勤局36份、2970万美元，国防信息系统局31份、8.274亿美元。
国防信息系统局只签了31份合同，金额却有8.27亿，仅次于空军。这类“少而巨”的机构，正是长尾统计里最容易被平均数抹掉的部分。
不过，这个排名是从已签下的合同里看出来的。翻招标公告，空军和国防高级研究计划局基本看不见——它们有不少采购不走公开招标。所以这份数据很可能低估了国防口的AI采购：相当一部分压根不会出现在公开记录里，情报界的AI支出大概率也没进这份数据。外界能看到的多半只是采购链的后半段，前面那些取舍并没有写进公告。
这些数字只能当作更大趋势的一个指标，实际支出可能要高得多。看得见的八成已经这么集中，看不见的那部分只会把集中度推得更高。偏偏盲区落在最敏感的领域，这让能看见的部分成了一个偏乐观的样本。
一半以上的招标文件，没写怎么管
买AI终究不是买办公用品，它可能对国家安全产生重大影响，必须谨慎管理。模型并入政府工作流程之前要仔细评估，比如已经有不少AI模型被观察到，在执行关键军事任务时会表现出危险的倾向。正因如此，任何采购流程都应该把关键的AI治理要求写清楚：监控、数据权利、基准测试、模型可移植性、事件报告。
但真把AI相关招标公告里关于治理要求的原文逐份读下来，会发现情况参差不齐，而且有不少是空白。用于治理分析的样本，是从最初278份通知里按类型筛出的75份招投标记录。样本本身就有缺口：46份能取到附件文本，23份只有通知正文，另有6份没有可解析的文本。经过范围审查，保留62份、排除6份，还有7份未定，而全部75份仍计入分母。
在这个框架内，超过一半的招标文件找不到明确的治理条款：34份至少确认了一项条款，另外41份一项都没确认，占54.7%。钱已经付了，规矩却常常没写，这是整份数据里最扎眼的一处错位。当然，未确认不等于一定没有，原始资料不完整使检测范围有限，这个分母本身就带着缺口。
在确实写了治理条款的通知中，多数集中在绩效衡量和流程要求上。基准测试出现在28份通知中，占37%，条款里具体规定了性能测试、评估指标或验收标准。这类条款能帮机构判断AI系统是否按承诺运行；可一旦系统出错或者造成有害后果，它们未必能建立起有效的问责机制。验收条款回答的是“买的东西行不行”，问责条款回答的才是“出了事谁负责”。前一句的答案，填不满后一句。
硬性问责条款就少得多了。审计访问权限、红队演练和事件报告在通知中的出现频率分别是9%、5%和4%。红队演练和事件报告双双不足一成，这等于把发现问题的机会交给了使用环节，而不是留在采购环节。
明确要求在开发或运行期间反复跟踪、审查AI性能的监控条款，只在4份通知里得到确认，占5%；要求人为监督的条款同样只有5%。要求人参与的条款和要求持续盯着的条款，同样只有5%。“由人负责”这件事，在采购文件里还停留在原则上。
整个问责条款都稀稀落落，唯独数据权利这一项例外，出现频率相对较高，达到35%——这批条款明确写清了相关数据和模型归谁所有、谁能使用。这里争的是“东西归谁”，不是“出事找谁”。数据权利写得细、问责条款写得空，恰好说明了采购方真正的顾虑所在。
再看条款的组合情况。基准测试与数据权利是样本里最常见的搭配，75份通知中有23份同时出现，占31%，一份管性能怎么评，一份管成果和数据的权利归谁；基准测试与模型可移植性在17份里同时出现，占23%；而基准测试与监控同时得到确认的只有3份，占4%。
事件报告要求最罕见，从头到尾只出现在3份通知里。买的时候想好了怎么验收，用的时候却没人负责持续盯着。验收与监控之间的这道口子，是采购型治理最典型的漏洞。
还有一处限定同样关键。通知里已经写进去或者只是提议的条款，并不等于最终谈定的要求，更不等于落实情况。此外，这些类别的定义还涵盖了数据或接口的可移植性、偏见与鲁棒性评估，以及部分开发阶段的保障措施。
条款写了什么可以查，写了却不执行无从查。所以这些比例只是“写下来”的下限，不等于治理水平本身。招标文件写了什么与合同最终执行什么，中间隔着一轮谈判，这组比例只能证明“提过”，证明不了“落实”。
总的来看，联邦AI采购里的治理条款参差不齐：少数机构写得周全，许多机构只有基本的性能指标，还有超过一半干脆什么都没写。
采购能买来能力，也能买来规矩
回过头看，美国政府的AI采购增长显著，主要还是靠国防相关合同拉动。既然美国的AI战略建立在持续领先这个前提下，联邦层面就该继续加大投入。
需要说明的是，这些数字只覆盖联邦合同，补助金和其他交易协议都不在内，所以总额最好理解为联邦AI活动的下限；分包合同、母体承包协议以及厂房设施建设，同样没有计入。
此外，样本之外另有12个经核实的项目类合同与订单，包括Maven Smart System、Smart Sensor、CBC2和Advana Edge，它们与关键词样本不重叠，又追加了7.3635亿美元。把具名项目单独加回来，说明关键词检索会漏掉一整类采购，光靠搜词画不出全貌。
研究团队还按供应商名称单独筛查过一次，识别出约39.95亿美元的候选记录，但最后一条都没留下。原因很简单：光看供应商是谁，并不能确定这笔钱是不是真的买了AI；而且这个数据池里还混着母公司和重复项。因此这个金额不是经过核实的新增数据。按公司名去筛，会得到一个诱人的大数，却证明不了其中任何一笔钱真的买了AI。作者宁可放弃这39.95亿，也不把它算进去。
作者在方法附录里坦承得更彻底：由于存在遗漏、可能的误纳入，以及混合用途采购带来的成本，这个总数既算不上全面，也算不上严格意义上的下限。主动写明“连下限都算不上”，比硬凑一个结论更可信。这份数据的价值正在于，它把不确定性摊在了台面上。
随着联邦AI支出继续增长，各机构应当利用采购机制，把这些投资转化成可量化的公共价值，并把绩效与问责的要求写清楚。公共价值要“可量化”，问责要“明确”，这两个限定把建议从口号拉回到了合同条款层面。作者把建议落在采购而不是立法上，是因为政府此刻最有力的身份是买家，不是监管者。钱多钱少决定不了治理的强弱，能决定的只有招标文件里写下的那几行字。
