人工智能已成为全球科技竞争的核心战场，各国纷纷将AI发展纳入国家战略。2026年初，生成式AI技术持续迭代，多模态模型、智能体应用加速落地，算力基础设施大规模扩张。在此背景下，美国白宫经济顾问委员会于2026年1月发布名为《人工智能与大分流》的报告，系统梳理了美国AI发展的各项指标，并详细阐述了特朗普第二任期的AI政策框架。 这份报告的核心意图十分明确：通过投资、性能、采用率三大维度论证美国在AI领域的“领先地位”，并为特朗普政府放松监管、能源扩张、实施技术出口管制等政策提供依据。报告中关于中美AI领域竞争的分析、对“美国占据AI主导地位”的战略规划，直接关系到未来全球AI产业格局走向，对中国读者理解美国政策动向具有参考价值。 需要指出的是，报告多处表述带有明显的竞争对抗色彩，将中国定位为“战略对手”，部分数据选取和结论推导存在服务于政策论证的倾向。读者在阅读时应注意到，中美AI产业发展各有优势，中国在应用场景、产业配套、市场规模等方面具有独特优势，报告所述的“美国领先”并非定论。 观察者网全文翻译这份美国白宫经济顾问委员会撰写的报告，供读者批判性阅读，译文不代表观察者网观点。
《人工智能与大分流》报告封面
【翻译/鲸生】
1.引言
几个世纪以来，世界大多数经济体的增长速度都同样缓慢。然而，工业革命引发了一场“大分流”，使工业化国家的增长速度远超世界其他地区。人工智能（AI）是一项具有潜在变革性的技术，常被比作工业革命。
然而，我们清楚地看到，各国在人工智能的投资、表现和采用指标上已出现明显的领先者。特朗普政府正在为美国的人工智能主导地位奠定基础，通过加速创新、基础设施建设和放松管制，同时借助技术出口确立全球主导地位。如果人工智能革命真的像工业革命那样具有变革性，我们是否应该预期这将导致第二次大分流？当然，人工智能的未来影响尚不确定，因此本文重点关注当下可见且可衡量的实证数据。
我们首先回顾人工智能驱动经济增长的潜力分析（第2节），然后讨论人工智能对国内生产总值（GDP）和劳动力的影响估算。鉴于这些影响存在不确定性，需要持续监测。我们在第3节重点介绍追踪人工智能投资、表现和采用迅猛步伐的各项指标。随后讨论各国在这些指标上的表现（第4节）。变化速度之快怎么强调都不为过；许多指标每隔几个月就翻一番，每年增长数倍。这意味着未来的人工智能可能与今天的人工智能截然不同。最后，我们回顾特朗普总统为确保美国继续引领人工智能发展所采取的行动（第5节）。正如总统所说：“美国是开启人工智能竞赛的国家。作为美国总统，我今天在此宣布，美国将赢得这场竞赛。”
2.未来展望
过去25年见证了经济发展的大趋同，世界最富裕国家的增长速度慢于许多发展中国家。然而，基于大语言模型（LLMs）的生成式人工智能的出现，将在美国掀起新一轮深刻的经济转型，有望显著提升生产力和增长。随着人工智能技术更深入地融入工作场所，经济学家正在重新评估GDP的长期预测。
然而，这一创新时期并非没有复杂性。本报告侧重于长期结构性趋势分析，因为并非所有人工智能相关的投资都会盈利，而且短期总是存在大幅波动的可能。
2.1 人工智能背景
过去几年，人工智能能力和相关术语都迅速爆发，因此我们首先回顾人工智能领域的几个关键术语。
人工智能可以指各种各样的计算机系统，从像“深蓝”这样的国际象棋计算机，到像ChatGPT这样的生成式人工智能。在人工智能发展的大部分历史中，它只能在相对有限的选项范围内做出决策。最近人工智能兴趣的激增与“生成式”人工智能的兴起同时发生，之所以这样称呼，是因为它们能够“生成”文本、图像或视频。“大语言模型”是能够创作文本的生成式人工智能。它们之所以“大”，是因为拥有数万亿个参数；之所以称为“语言”，是因为它们使用大量自然语言书写的文本进行训练。“AI智能体”（Agentic AI）是生成式人工智能的一个子集，它们超越单纯的内容创作，能够执行行动以达成目标。
理解人工智能智能程度的框架可从两个维度来看：（1）执行不同任务的能力：从写文章、识别图片中的物体、编写计算机代码，到解决数学问题；（2）人工智能在该任务上的能力与人类智能水平的比较。当今的人工智能系统具有“专用”（或“狭义”）智能，因为尽管它们在某些特定任务上可能超越人类（没有人能像计算器那样快速乘法运算），但人工智能无法执行人类能做的所有任务。人类能够执行各种各样的不同任务。因此，我们说人类具有“通用”智能，而当前的人工智能（包括ChatGPT和代理式人工智能）具有“专用”智能。
通用人工智能（AGI）将是一种假设性的人工智能，能够执行人类能做的所有智力任务，但AGI的确切定义存在激烈争议，有些定义只要求AGI能够执行“许多但非全部”的人类任务。超级人工智能（ASI），有时简称为“超级智能”，是指智能超越人类的人工智能。AGI与超级智能之间的界限同样存在争议，部分原因是这些术语涵盖人工智能的不同方面：“AGI”和“专用人工智能”描述人工智能可执行任务的通用性，而“超级智能”描述人工智能在这些任务上的能力水平。然而，如果一个“单纯”的AGI能够以计算机速度执行人类的所有任务，它实际上已经是超级智能了。不过，抛开语义分歧不谈，值得注意的是，OpenAI、Anthropic、xAI、Meta和谷歌都致力于创造通用人工智能或超级智能。
这就引出了本报告分析的一个重要限制：对人工智能进行经济分析的局限性。正如汉森（Hanson，2001）指出的，如果人工智能能够执行所有人类任务，将导致爆炸性增长，世界将变得与今天截然不同。因此，通用人工智能（AGI）的影响（包括经济影响和其他方面）是一个值得深入研究的重要课题，但基本上超出我们当前分析的范围，因为我们重点关注的是“狭义”或“专用”人工智能。
2.2 人工智能对GDP的影响
经济学家通常认为，一个经济体的生产力来自三个因素：劳动力数量、资本数量和全要素生产率（TFP）。全要素生产率是衡量经济体效率和技术进步的指标。全要素生产率上升意味着经济体用同样数量的劳动力和资本生产出更多商品和服务，或用更少的投入获得同样的产出。这种效率提升是长期经济增长和生活水平提高的关键驱动力。对于美国这样资本存量已经很高的富裕国家来说，经济增长主要来自全要素生产率的提升。
全要素生产率带来的生产力提升最终会转化为更高的整体经济产出，即GDP。然而，新技术带来的影响存在时间上的滞后效应，因为企业必须先成功采用新技术并调整运营。1990年代的大部分生产力提升来自1970年代和1980年代的技术投资。大萧条时期的类似技术投资则在1950年代和1960年代开花结果。因此，虽然全要素生产率是一个重要指标，但它并不是人工智能影响美国经济的前瞻性指标。相反，人工智能研发支出和人工智能企业的产出才是技术进步的先期指标。例如，早在创新被广泛采用并产生宏观经济影响之前，人工智能相关的研发已经在很久以前就开始了。
近期多项研究试图量化人工智能对GDP水平的影响。这些研究的估算结果差异很大：人工智能可能使美国GDP增长1%到45%以上。如此大的范围反映了人工智能经济特征的高度不确定性。但值得注意的是，仅2025年上半年，人工智能相关投资就使GDP年化增长率提高了1.3%，让人联想到工业革命时期铁路投资的规模，这似乎排除了最低的几种估算。
对人工智能影响GDP的中位估算包括来自多家公司的数据：牛津经济研究院（8年后增长1.8%至4%）、麦肯锡（长期增长2.4%至4.1%）、高盛（10年后增长7%）。高位估算包括普华永道（10年后增长8%至15%）以及阿尔达索罗等人（Aldasoro et al.）的国际清算银行学术工作论文（假设经济所有部门都至少受到人工智能一定程度影响的情况下，10年后增长20%至45%）。阿隆索等人（Alonso et al.）的估算范围更广（4.7%至19.5%），这反映了对人工智能将更多替代熟练劳动力还是非熟练劳动力存在着不确定性（如果是后者，将导致大分化，从而产生对美国增长估算的高位值）。作为对比，信息技术与创新基金会（ITIF）2010年的一项研究表明，信息技术革命使美国GDP增长了约14%。
这些估算都假设人工智能可以部分但不能完全替代人类劳动力：如果人工智能能够完成所有人类任务，资本将成为劳动力的替代品，经济增长将提高到每年45%（参见汉森，2001）。
表一 不同机构及经济学家对人工智能产业影响GDP水平的评估（分为美国和全世界，10年、8年及长期） 图自：《人工智能与大分流》报告，下同
2.3 人工智能出现前的国际经济增长
即使在人工智能出现之前，不同国家也可能处于不同的增长轨道上：美国的潜在GDP增长正在加速，而欧洲和中国的增长正在放缓。就欧洲与美国相比，这主要归因于结构性因素，如美国更强的生产力增长（尤其是在科技领域）和更优越的商业环境。就中国而言，经过数十年的快速增长后，现在增速正在放缓，更接近新兴市场的水平。
人工智能驱动的增长对中国可能尤为重要，因为其曾经的高增速近年来已放缓至与其他新兴市场相当的水平。与中国类似，人工智能驱动的增长对欧洲也可能尤为重要。虽然中国在21世纪的经济崛起是时常被提及的地缘政治故事，但另一个较少被讨论、却可能同样重要的故事则是欧洲的衰落。欧盟占世界GDP的比重已从1980年的27%降至2025年的14%。这不仅是因为新兴市场的高增长率，也是因为德国和许多欧盟国家的增长率低于其他发达经济体。这一趋势在人工智能领域仍在延续，欧盟在各种人工智能发展指标上落后于美国和中国。例如，2013年至2024年间，美国私营部门对人工智能的投资累计超过4700亿美元，而所有欧盟国家合计仅约500亿美元。
认识到人工智能对未来增长的关键作用，美国与许多盟友通过促进“硅基和平”（Pax Silica）——美国在人工智能供应链上的国际合作伙伴关系——的实现而联合起来。“硅基和平”的成员范围广泛，从日本等上游半导体设备制造商，到卡塔尔等下游的数据中心投资者。这个多元化群体因对人工智能和科技发展的前瞻性视野而团结在一起。因此，“硅基和平”成员的增长速度超过其他国家的两倍也就不足为奇了：从2022年第四季度ChatGPT发布到2025年第三季度的最新数据，其平均实际GDP增长率为2.5%，而七国集团（G7）国家平均仅为1.1%。
2.4 人工智能对劳动力的影响与杰文斯悖论
目前的证据显示，人工智能对就业的影响喜忧参半。布林约尔松等人（Brynjolfsson et al.，2025）的研究表明，在计算机编程和客户售后服务等易受人工智能影响的职业中，处于早期职业生涯阶段的工作者就业率正在下降。其他研究发现，人工智能暴露度与当前失业率之间没有相关性。还有一些研究发现，虽然在人工智能可以直接替代人类劳动力的部门就业率有所下降，但在依赖人工智能提供能力支持的部门，人工智能暴露度实际上增加了就业（约翰斯顿和马克里迪斯，Johnston and Makridis，2025）。尽管人工智能目前产生了影响，但截至2025年12月，美国总体失业率仅为4.4%。
短期内，如果人工智能提高了劳动力效率，就会减少创造一定产出所需的劳动力数量，从而可能减少就业。但历史先例表明，效率提升往往可以增加（而不是减少）该项资源的总使用量——这一现象被称为杰文斯悖论（Jevon's Paradox）。当技术进步减少了某些特定应用所需的资源（如劳动力）数量时，就会出现杰文斯悖论。这实际上会导致该资源的整体使用量增加，因为使用范围扩展到了新的应用领域。
要使杰文斯悖论发生，进而带来采用人工智能之后的就业岗位增加，必须满足三个条件：第一，人工智能必须显著提高劳工的生产力；第二，由此产生的成本节约必须转化为更低的价格；第三，更低的价格必须使消费者需求的增速快于效率提升，导致单位劳动力需求降低的速度。
虽然这些条件看起来要求很高，但杰文斯悖论已在许多不同领域被观察到。杰文斯于1865年首次描述了这一悖论：当时煤炭在铸铁发动机中的使用效率提升，实际上增加了对煤炭、铁和其他资源的需求。在农业中，灌溉效率的提高可能会增加用水量。节能照明的改进既增加了灯泡的需求量，也增加了照明用电量。杰文斯悖论甚至出现在看似与生产无关的领域：道路通行能力的提升会带来道路上的驾驶员数量增加。具体到人工智能和就业，放射科医生可能正在经历类似的情况：这个职业曾被预测将被人工智能取代，但现在的就业率却达到历史高位。
从长期来看，关键问题是将人工智能与以往的颠覆性技术进行比较和对照。历史类比表明，颠覆性技术（蒸汽动力、电力、计算机、互联网等）最终会带来更多的就业和收入。但如果人工智能技术发展出自主性（使其能够像人类一样独立工作），或者大幅提高劳工生产力却不产生新的劳动力需求，那么人工智能可能成为例外（Ayres, 1990; Donaldson, 2018; Feigenbaum and Gross, 2024）。而过去技术变革的一般先例是，它们会创造各种新领域或行业。1860年，美国43%的就业人口集中在农业，而2015年这一比例仅为1.2%。在此期间，大量新职业被创造出来，其中许多依赖于新技术的发明。现在，美国大多数劳工从事的是自1940年以来创造的工作岗位，范围从“风力涡轮机技术员”到“软件开发人员”，从“纺织化学家”到“心理健康咨询师”。
3.需要追踪的关键指标
要理解人工智能，最重要的关注点之一是进步和变化的速度。用于训练人工智能模型的算力不仅仅是每年翻一番：自2010年以来，平均每年增长约4倍。同样，顶级人工智能公司的收入每年增加两倍，预计未来增长速度将超过谷歌、亚马逊或微软在高速增长阶段的表现（见图5和图7）。由于许多指标每隔几个月就翻一番，每年增长数倍，这意味着人工智能带来的变化可能非常迅速。
就像市场分析师通过监测住房开工率或制造业产出来预测更广泛的经济健康状况一样，一组特定指标可以揭示人工智能在美国经济中日益增长的影响力。人工智能对GDP的影响体现在全要素生产率的变化上，因此我们首先强调这一指标。但是，由于全要素生产率是滞后指标，我们还需要考虑其他可作为人工智能影响先行指标的数据。这些指标追踪人工智能相关投资规模的扩大、人工智能能力的加速提升以及人工智能采用率的上升，共同构成人工智能革命的经济晴雨表。这些指标相互关联：投资直接表明公司正在投入资源推进技术发展，这会带来模型性能提升和单位成本降低。更低成本下的更强能力推动人工智能使用量扩大，这最终反映在人工智能公司的收入上。
我们首先讨论美国的这些指标，然后转向跨国分析。
3.1 全要素生产率
人工智能对增长如此重要，是因为它对全要素生产率的潜在影响。但以往的科技革命与生产率的关系相当复杂。计算机曾经是占据整个房间的大型机，现在却能放进口袋。1987年，经济学家罗伯特·索洛有句名言：“计算机时代随处可见，唯独在生产率统计数据中看不到。”对计算机看似缺乏影响的解释涵盖了从时间滞后性、经济学家无法衡量其实际收益，到声称计算机实际上并未提高生产率等种种说法。因此，虽然人工智能对全要素生产率的影响可能是关键问题，但我们也需要依赖其他指标。
3.2 投资
人工智能生态系统的投资规模巨大，既包括模型本身，也包括相关基础设施。
3.2.1 人工智能模型
人工智能模型表现出一种可预测的趋势：随着开发者增加模型参数数量、训练数据集规模和用于训练模型的算力，模型性能会提升。这被称为“缩放定律”（Scaling Laws），这些经验式关系使得模型开发者能够不单纯依赖基础科学领域的突破，而是通过投入更多资源来提升人工智能模型的性能。其他领域也可见类似的经验关系，例如摩尔定律——集成电路上的晶体管数量每两年翻一番。由于缩放定律本身不是自然法则，而是观察到的经验关系，它们总有一天可能终结。但它们概括了当前所处的深度学习时代，自2012年以来，用于训练计算机模型的算力增长了超过10亿倍（见图1）。
图1 训练不同模型所需的算力
满足这些需求需要巨额投资。2024年，全球企业界对人工智能投资达到2520亿美元。仅生成式人工智能就同比增长19%，达到340亿美元。这些投资集中在美国，2024年美国私营部门人工智能投资为940亿美元（见图2）。
图2 对私营AI公司的外部投资（自上而下：世界、美国、欧洲、中国），仅统计150万美元以上的私募资金，单位：10亿美元
2016年至2024年，训练（构建）人工智能模型的能源和摊销硬件成本平均每年增长2.4倍，而云计算成本（见图3）平均每年增长2.5倍。由于近十年来的成本每年翻倍，2025年7月发布的人工智能模型Grok 4的训练成本约为4.9亿美元。
图3 训练不同AI模型的云计算成本，单位：2023年美元
尽管成本不断上升，对模型训练的投资仍然持续不断，这表明了开发更强大、更复杂人工智能系统的决心。许多投资指标在全球范围内都可公开获取，因此有关投资的进一步讨论请参见第4.1节的跨国比较。
3.2.2 人工智能基础设施
除了模型训练投资外，2025年数据中心及相关设备的投资也因人工智能技术的日益普及而激增。2025年上半年，美国信息处理设备和软件投资年增长率达28%，高于2024年的5.5%。换句话说，2025年第二季度，这项投资（按年度计算）已比2024年底高出1250亿美元以上。信息处理设备和软件占美国全部投资的四分之一。一个原本就很大的门类以如此快的速度增长，意味着人工智能正在推动美国GDP出现投资驱动型激增（而非由消费或不可持续的政府支出驱动的激增）。
3.3 性能
对人工智能的持续投资提升了人工智能模型的性能，包括解决不同任务的能力、可成功执行任务的长度，以及降低人工智能模型生成的每个词元（token）的成本。我们考虑两种性能衡量标准：基准测试得分和每个词元的成本。
3.3.1 基准测试得分提升
基准测试是一套标准化任务，旨在评估特定的人工智能能力，如推理、编程或语言理解。随着大语言模型变得更强大，它们在旧基准测试上取得接近完美的分数，这一现象被称为“基准测试饱和”。例如，2023年至2024年，人工智能在计算机编程基准测试SWE-bench上的表现从4%跃升至72%。
类似现象也出现在研究生水平问答、高级数学和各种其他学术科目的基准测试中。
然而，虽然前沿人工智能在许多考试和任务上的表现远超人类，但当前最好的AI智能体往往难以将更长的行动序列串联起来。因此，它们目前无法独立执行实质性项目，甚至无法完全替代以计算机为基础的低技能工作，如远程行政助理。但这意味着，模型可完成任务的长度是一个理解人工智能能力的有用视角。人工智能能够成功完成的任务长度也在增加，过去6年里每7个月翻一番。这意味着人工智能正变得能够更好地独立管理越来越大的项目，从而完成日益复杂的任务。
图4 不同AI历年来能以50%成功率完成的软件工程任务长度，单位：对人类工程师而言的任务长度（小时）
3.3.2 每个词元成本下降
“词元”（token）是大语言模型输入的基本单位，例如单个单词或数字。每个词元成本的下降使人工智能变得更加实惠。这可能是因为更小、更高效的模型（软件）或更好的硬件。根据模型不同，价格每年至少下降了9倍，而最高可达900倍。
3.4 采用和使用
由于人工智能能力提升和成本下降，人工智能的使用已遍布整个美国经济。这可以通过前沿人工智能公司的收入、人工智能在商品和服务生产中的使用，以及越来越多的美国人在工作场所使用人工智能等指标来追踪。
3.4.1 收入
人工智能公司经历了快速但并非前所未有的增长，但其未来增长可能超过所有历史先例。初创公司经常会出现爆炸性增长，截至2024年下半年，OpenAI、Anthropic和谷歌DeepMind的年化收入增长均超过3倍（见图5）。
图5 各公司面向公众的AI产品销售利润，OpenAI（蓝）、Anthropic（红）、谷歌DeepMind（黄），单位：百万美元
这远快于市场平均水平：2024年最后一个季度，标普500公司的收入混合同比增长率为10.3%。但迄今为止，人工智能公司的增长与谷歌和优步等顶级科技独角兽企业在其初始高增长阶段的表现相当（见图6）。因此，虽然这种增长令人印象深刻（亚马逊只有两年达到这种收入增长水平），但并非前所未有。
图6 OpenAI实际收入相较于其他企业的历史性收入快速增加 单位：10亿美元；横轴：距离年度收入达到10亿美元的年数
然而，人工智能公司的未来收入增长可能是前所未有的。例如，尽管存在质疑，但OpenAI声称，其2026年至2028年每年收入将大致翻一番。为了尝试理解这一说法，将其与此前大型科技独角兽企业的历史性增长进行比较会有帮助；OpenAI的这种收入增长将远高于这些此前大型科技独角兽的增长率（见图7）。
图7 OpenAI预计收入相较于其他企业的历史性收入快速增加，单位：10亿美元；横轴：距离年度收入达到100亿美元的年数
3.4.2 企业使用
各类组织对人工智能的使用率从2023年的55%跃升至2024年的78%。特别是，在商品和服务生产中使用人工智能的企业比例，从2023年的不足4%增至2025年9月的约10%（见图8）。
图8 商品及服务生产中使用AI的美国公司占比
购买人工智能付费订阅服务的企业比例增长更快，从2023年1月的7%升至目前的45%。美国劳动者的情况类似，目前约有40%的人在工作中使用生成式人工智能（见图9）。
图9 在工作中使用生成式AI的美国劳工占比
3.4.3 关键矿产
许多矿产资源是人工智能供应链的关键组成部分。硅是大多数半导体芯片的主要基础材料，而镓和锗是另外两种关键成分。国际能源署估计，到2030年，仅数据中心就可能消耗超过当前全球镓供应量的10%。
4.跨国比较
有多种方式评估各国的人工智能发展水平，许多机构都开发了自己的指数。我们从投资、性能和运用三个维度比较各国的情况，确定谁在人工智能领域领先。我们发现，总体而言，美国在大多数指标上排名第一，中国第二，欧盟第三。
4.1 投资
追踪人工智能总体投资较为困难，因为投资分散在人工智能供应链的各类公司中——从芯片到数据中心再到人工智能实验室——资金来源也涵盖各种公共和私人渠道。
从研发总支出来看，2022年以色列的研发支出占其GDP的6.0%，这一比例高于全球任何其他国家和地区。紧随其后的是韩国（5.2%）、中国台湾（4.0%）、美国（3.6%）和日本（3.4%）。相比之下，中国大陆为2.6%，欧盟为2.1%。
在私营投资方面，美国私营公司在人工智能研发方面处于领先地位。2024年美国私营领域的人工智能投资为1090亿美元，而排名第二的中国私营领域投资仅为90亿美元，英国、瑞典和加拿大位列前五（见图10）。因此，美国在生成式人工智能初创企业的公开风险投资中占比约75%，也就不足为奇了。
图10 2024年各国对AI私营领域投资，单位：10亿美元
然而，对私营人工智能公司的私营领域投资并非唯一的投资类型。其他国家也在努力追赶，政府或主权财富基金进行了各种人工智能专项投资（见图11，列出了部分重大公告）。除了欧盟和中国等预料之中的参与者外，几个中东国家也在大力投资人工智能。中国公共部门对人工智能的支出规模庞大，2025年估计为560亿美元。沙特阿拉伯公共投资基金成立了一家新的人工智能公司Humain，并设立了100亿美元的风险基金。同样，阿联酋正与OpenAI、英伟达及其他美国公司合作，作为“星门”（Stargate）项目的一部分建设各种数据中心。
图11 各国及主权财富基金关于直接AI投入的重要声明，单位：10亿美元
美国以外的人工智能投资，其性质可能截然不同，发展中国家尤其如此。例如，这些国家在建立国家电话网络时，许多选择跳过了固定电话、直接进入移动通话时代。发展中国家的人工智能使用也可能出现类似现象：数据中心可能面临电力可靠性的问题，而人工智能的主要平台可能是智能手机。
4.2 性能
鉴于美国在人工智能领域的庞大投资，美国在性能方面领先并不令人意外：2024年，美国拥有154个规模与GPT-3相当的人工智能系统，约占全球总数331个的一半。然而，由于人工智能的进步速度极快，各国最佳模型之间的性能差距相对较小。根据微软的一份报告，“只有七个国家——美国、中国、法国、韩国、英国、加拿大和以色列——有模型进入前200名，而前沿（美国）与其中最后一名（以色列）之间的差距现在仅为11个月。”
图12 各国大规模AI系统的累计数量
4.3 采用和使用
由于大量投资，截至2025年5月，美国拥有全球约74%的人工智能算力（见图13），而且许多外国人工智能硬件最初由美国公司制造。例如，几乎所有中国人工智能模型都在美国硬件上训练（见图14）。
图13 各国GPU集群（基于集群表现调整权重）的占比，深蓝为美国、红色为中国
图14 中国AI模型的硬件源头
使用情况分布更为广泛，以色列和新加坡在Claude人工智能模型的人均使用量上最高。OpenAI也呈现类似趋势，美国仅占ChatGPT流量的19%。总体而言，中等收入经济体的生成式人工智能使用量相对于其经济规模而言不成比例地高，2024年合计占全球人工智能使用量的50%，而低收入经济体占比不足1%，部分原因是缺乏电力。总体而言，人工智能采用率与GDP高度相关，发达国家的采用率明显高于发展中国家。推动这种分化的关键因素是对人工智能“基础要素”的获取差异，包括电力、数据中心、互联网接入、语言和数字技能。
5.特朗普革命
特朗普政府正在推行多项政策，以改善美国在每一项指标（投资、性能、采用）上的地位，许多政策同时改善多个指标。放松管制降低了数据中心基础设施的建设成本，激励人工智能投资。《大而美法案》更方便美国人进行投资，贸易协定正在吸引外国投资。所有这些投资带来了供美国人工智能占据主导地位所需的性能，而美国的能源主导地位提供了满足了人工智能日益增长的需求所需的电力。
5.1 投资
《大而美法案》。《大而美法案》（公法119-21，2025年7月4日签署）恢复并扩大了合格投资的全额、即时费用扣除，并延长了亲投资的商业条款，将税后门槛利率调整为有利于立即建设。联邦企业所得税率保持在21%，该法保留并完善了一系列面向国际的条款，并在各种人工智能倡议上投资了超过10亿美元。经济顾问委员会分析预测，该法案将在通过后的四年内使美国GDP年增长超过1%，并使每位劳动者的实际工资提高4000至7200美元。
与人工智能繁荣特别相关的是，《大而美法案》恢复了信息技术基础设施和数据中心设备的100%奖励折旧。经济顾问委员会估计，总体而言，该法案将使投资增加7%至10%，激励数据中心、电力基础设施和芯片制造的建设。
贸易协定。作为贸易协定和其他协议的一部分，特朗普总统已从外国获得数万亿美元的投资承诺。欧盟在其贸易协定中明确承诺购买400亿美元的美国人工智能芯片，阿联酋也明确提及，其1.4万亿美元的对美投资将把人工智能作为关键领域之一。
5.2 性能
《人工智能行动计划》。特朗普政府的人工智能政策在其2025年《人工智能行动计划》和几项相关行政命令中概述。该政策侧重于通过快速建设数据中心、促进和加速创新、维护人工智能模型中的言论自由来实现美国在人工智能领域的国际主导地位。
为实现这些目标，《行动计划》概述了具体步骤。例如，关于数据中心的快速建设，该计划建议根据《国家环境政策法》（NEPA）为数据中心建立新的类别排除，以加快许可流程。为促进和加速创新，该计划建议各联邦机构直接投资人工智能技术，并建立“人工智能卓越中心”，激励研究人员和初创企业在承诺开放共享数据和结果的环境中快速部署和测试人工智能工具。关于维护言论自由，该计划建议更新联邦采购指南，强制规定美国政府只与确保其系统客观且无自上而下意识形态偏见的人工智能开发者签订合同。
放松监管。过度监管会通过增加成本、抑制竞争和创新、提高消费者价格来损害经济活动。这会减少经济增长、初创活动和就业创造，并提高贫困率，对小企业的影响尤为严重。
7月23日，特朗普总统签署了一项行政令，加速数据中心及其基础能源和制造基础设施的许可流程。随后，12月11日，特朗普总统又签署了一项行政令，减少州一级的障碍。
正如经济顾问委员会此前研究的那样，特朗普政府的放松管制努力旨在改善这些问题，为人工智能部门以及经济其他部门带来好处。经济顾问委员会估计，这些放松管制努力能够带来有意义的生产力提升，转化为未来二十年内每年额外0.3至0.8个百分点的GDP增长——到2045年的累计增长约6%至17%。
5.3 采用和使用
能源主导地位。特朗普总统已将占据能源主导地位作为其政府的优先事项之一。本届政府已采取重要行动刺激国内生产并降低成本，包括恢复能源开发的联邦租赁、签发液化天然气出口终端的新许可证、支持先进核能开发等。不计放松管制的影响，经济顾问委员会估计，支持美国能源主导地位的政策到2035年可使美国GDP提高至少0.3%至1.2%，这尚未计入与人工智能的协同效应。
与传统数据中心相比，生成式人工智能的数据中心尤其耗电，预计人工智能数据中心占美国电力需求的比例，将从2023年的4%增至2028年的7%至12%。为应对这一需求增长，《人工智能行动计划》包括与建设能源电网相关的具体政策行动。特别是，该计划建议探索电网管理技术和输电线路升级，以优化和稳定现有电网，同时优先建设并使用各种能源的新发电厂接入电网。截至2025年4月，美国能源部已确定16个具备能源基础设施的潜在选址，可供快速建设数据中心。
6.结论
人工智能革命与工业革命相似，呈现出一个深刻的经济转折点，有可能显著提高拥抱这一技术的国家的GDP增长。我们正目睹各国在人工智能投资、性能和使用指标上出现了明显的领先者。通过特朗普政府全面的《人工智能行动计划》及相关行政命令，美国正在推行一项专注于加速创新和基础设施发展、通过技术出口和放松管制建立全球主导地位的战略，以此为美国的人工智能主导地位奠定基础。
本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。