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：《美国AI「唯快不破」的速战思维，能笑到最后吗？》
导语
近期，OpenAI暂停推出新一代模型GPT-6.1 Astra，Anthropic在上市文件中大篇幅提示AI风险。两家头部企业的不同动向，让美国长期奉行的“速度优先”战略面临新的审视：率先推出最强模型，就意味着能够长期领先吗？
卡内基国际和平基金会（Carnegie Endowment for International Peace）高级研究员迈克尔·马扎尔认为，国家长期优势不只来自技术突破，更取决于社会活力、制度适应能力与机会共享程度。回顾英国工业革命的兴衰，文章指出，技术领先并不必然带来持久优势，AI战略重心应从竞逐最强模型转向社会重塑，通过教育、公共服务和制度改革，为技术创新构建更坚实的社会基础。
原文标题：Speed Isn't Working as an AI Strategy.The U.S.Has a Better Option.
原文来源：Emissary专栏
编译解读：数字经济发展评论
一、速度作为默认战略
美国的AI政策文件、演讲与行政令反复提及收益共享、机会扩散与经济冲击应对，但执行层面的默认逻辑是尽快取得最强模型，再用这一优势取胜。安全事件的累积正在削弱这套逻辑的说服力。
有报道显示，AI模型和智能体的行为开始显出异样，它们自发结成“集体”，靠秘密留言板互相传递信息，对管理者隐瞒实情，甚至攻击公开网站。数十位AI负责人与研究者呼吁建立独立评估机制、暂缓前沿模型开发、强化人工控制手段。更说明问题的是实验室内部的情况。据可信报道，工程师处理过的潜在安全事件，比对外披露的多出“数万起”。
面对不断累积的证据，政策层面的反应却相反。特朗普把AI安全担忧称为“骗局”，并承诺继续加速前进。来自中国的信号则显示，其政府与产业界对护栏仍有保留。若中国企业不接受对等约束，美国企业同样不愿放慢节奏。
公众立场已经先一步转向：一项近期民调显示，85%的美国人更愿意与中国合作应对AI风险，而不是竞逐最强的模型。对数据中心乃至AI本身的抵触情绪也在上升，这些变化为“设限”提供了政治条件。
二、战略假设的可疑前提
减速与否只是表层问题。在当前美国AI战略里，最大的迷思在于，长期优势会流向最先掌握某项新技术的一方。马扎尔认为，这个前提从未被认真检验过，而整套战略正建立在它之上。
他的反命题来自大国兴衰研究。长期的国家优势并不取决于某一项技术，而取决于社会层面的条件：整个社会有没有活力，能不能形成共识和凝聚力，制度能不能在一次次技术更替中持续学习和调整。这些条件决定一个国家能否长期站在技术前沿。技术领先是结果，把它本身当作国家战略的目标，属于因果倒置。
需要说明的是，马扎尔并未主张停止AI开发。他认为AI具备改造数十个行业的潜力，也能成为社会更新的工具。真正的分歧在于政策重心：是把速度当作维持领先的唯一路径，还是稳健地推进技术，同时把资源投向那些决定长期地位的社会基础。
三、英国两次工业革命的得与失
文中最完整的历史案例是18、19世纪的英国。它在第一次工业革命中的领先地位，来自一套与当时技术要求相匹配的制度和社会结构，包括有效的制度安排、大量能带来实际改进的熟练技工与业余科学家、强烈的知识好奇心，以及经济机会的广泛分享。正是这些条件，让英国在19世纪同时取得了工业、海运、金融和科学上的主导地位。
工业革命同时也产生了代价，包括环境破坏、劳动异化、粮食短缺，以及工人与中产阶层被动员后提出的政治诉求，后者有时还带有暴力色彩。英国随后做了一长串社会、经济和政治改革，扩大选举权，改善劳动保护，加强环境规制，抚平了部分创伤，其主导地位因此又延续了半个多世纪。
到了第二次工业革命，生产方式转向大规模、标准化，英国那套以小规模手工和技艺见长的社会结构难以适配，领先地位随之流失。马扎尔把这两次结果归到同一个变量上：社会特征能否匹配特定技术阶段的要求。
四、美国的历史位置
这段历史对美国并不陌生。战后美国的工业优势同样建立在社会活力之上，进入计算机时代后差距又进一步扩大。冷战的结局，取决于两种制度在创新产出、社会活力与政治正当性上的差别。
但同一套战后经济模式也积累了结构性矛盾：不平等扩大、贸易导致产业空心化、气候压力、大型机构带来的疏离感，以及信息环境恶化。AI革命恰在此时到来，它既可能放大这些矛盾，也可能成为修复它们的工具。
马扎尔列出几处政策着力点。教育成果停滞甚至下滑，需要精心设计的AI辅助手段，同时配套更广泛的教学改革。信息环境碎片化、虚假信息扩散，重建一个共享的事实基础需要新的机制。公民面对庞大机构时产生的失控感，则要靠AI工具结合制度改革，把部分权力重新移向公民一侧。
相关试验已经在中小学和地方政府层面展开，效果参差不齐。而且已有证据提示了风险：把AI仓促投入这些场景，医疗成本可能不降反升，教育中还可能出现“认知卸载”。如何确保AI产生正向作用、如何与其他改革形成配合，目前尚无定论；AI也无法独立完成那些需要制度调整才能实现的目标。
五、从竞逐最强模型转向重塑社会
马扎尔提出的替代方案，是把国家战略的重心从“竞逐最强模型”移向“为AI时代塑造更强的社会”。他特意把这个方向和常见的“AI for good”倡议分开：后者以公益为目标，他讲的是国家竞争战略，指向长期的经济、技术、科学和军事优势，公共利益的改善只是随之而来的结果。
实施成本明显高于技术竞赛。它横跨数十个议题、上千项举措，周期以年计，需要企业、州和地方政府、慈善机构、社会活动人士和研究者共同参与，而且大多数方案不可能由联邦政府自上而下定出来。但马扎尔认为，华盛顿仍然可以起到关键的催化作用。
首先是阐明AI时代社会更新的战略目标，公开调整政策方向。其次是把新兴的AI慈善资金引向经过验证的项目，Anthropic刚设立的公共利益基金即为一例；同时支持教育、公共服务、青年机会等优先领域先做试验。
联邦层面还可建立想法汇集机制，串联公共部门、企业与非营利组织的合作网络。他设想，在一年内形成清晰的战略概念、一个联邦层级的想法汇集平台、一批在推进中的研究试验项目，以及一个不断扩大的跨部门协作网络。
AI的危险是真实存在的，需要认真应对。但即便AI始终保持安全，它仍有能力把社会重塑成更好或更坏的样子。决定美国长期国际地位的，是这场重塑增强还是削弱了美国社会。马扎尔认为，若前沿AI的推进速度确实放缓，这将是把这项认识写入国家战略的最后一次机会。
