7月24日,《华尔街日报》援引内部文件报道称,在习近平支持下,国务院副总理丁薛祥于2023年初组建了一个专门协调中国AI芯片攻关的委员会,围绕先进制造与封装、高带宽内存(HBM)、芯片设计软件(EDA)等关键领域部署攻坚团队,希望集中资源突破美国技术限制。这篇报道再次让外界注意到,中国人工智能的发展,已经不再只是企业之间的商业竞争,而是上升到了国家战略层面。
对于普通读者来说,这或许只是一次组织协调工作的披露;但如果放到近几年全球人工智能竞争的大背景下观察,这条新闻真正值得关注的,并不是谁负责,而是为什么需要如此高层级的协调。
答案只有一句话:人工智能已经进入国家工程时代。
过去二十多年,互联网产业主要遵循市场竞争规律。无论是搜索引擎、电子商务、社交媒体还是移动支付,企业之间竞争的是产品体验、商业模式、运营效率和用户规模。政府承担监管职责,但技术创新、产品设计和市场竞争,主要还是企业自己的事情。
人工智能却完全不同。
今天的大模型,看似只是一个软件产品,实际上背后是一整套庞大的工业体系。一款世界领先的大模型,需要的不只是算法工程师,更需要先进GPU、高带宽内存、EDA软件、先进封装、数据中心、电力供应、高速网络以及持续不断的人才和资金投入。从芯片设计到晶圆制造,从服务器部署到模型训练,每一个环节都涉及不同产业。任何一项出现短板,都可能影响整体发展速度。
因此,大模型竞争表面是在比模型,实际上是在比整个国家的工业体系。
这也是为什么《华尔街日报》披露的委员会,并没有只关注模型研发,而是覆盖HBM、EDA、先进制造和封装等多个环节。因为真正决定未来竞争力的,并不是某一个模型参数多几十亿,而是整个产业链能否持续稳定地运转。
这种变化意味着,人工智能越来越像航空工业,而不像传统互联网。
航空工业的发展,不只是设计飞机,还需要发动机、材料、电子系统、供应链、人才培养和长期资金投入。今天的人工智能也正在呈现同样的特征。模型只是最终产品,而支撑模型的是一整套国家能力。
从全球来看,美国同样在朝这个方向发展。
近几年,美国不断加强先进AI芯片出口管制,限制高端GPU流向中国,同时推动国内半导体投资,加强国家实验室、高校和企业合作,人工智能也越来越多地与国防、科研和制造业结合。虽然美国仍以市场创新为主,但国家安全因素已经越来越深地介入人工智能的发展。
也就是说,中美双方的发展路径虽然有所不同,却都在说明同一个事实:人工智能已经超越普通商业竞争。
未来真正竞争的,不再只是模型排行榜,而是谁拥有更加完整的体系。
这种体系包括什么?
包括芯片。
包括电力。
包括数据中心。
包括先进制造。
包括数学人才。
包括基础科研。
包括工业软件。
包括供应链。
甚至包括教育体系。
所有这些因素共同决定,一个国家是否能够持续迭代下一代人工智能,而不是只推出一两个令人惊艳的模型。
因此,未来评价人工智能的发展,也不能只看哪家公司发布了最新模型,或者哪一个排行榜暂时领先。
更重要的问题应该是:
人工智能是否真正提升了整个国家的生产效率?
是否推动制造业升级?
是否帮助科学研究取得突破?
是否能够降低研发成本?
是否能够改善医疗、教育和公共服务?
如果答案是肯定的,那么人工智能创造的价值,将远远超过聊天机器人本身。
与此同时,人工智能的发展,也让国家和企业之间形成了一种新的关系。
企业仍然是创新主体。模型、算法、产品和商业模式,仍然需要企业不断探索。但国家越来越多承担起协调者的角色。对于单个企业无法解决的问题,例如芯片制造能力、基础科研投入、人才培养、能源保障以及产业链建设,需要更高层级进行资源协调。
这并不意味着市场机制失效,而意味着人工智能的发展已经超出了单纯依靠市场可以完成的范围。
事实上,人类历史上许多重大基础能力都经历过类似过程。
铁路如此。
电力如此。
航空如此。
互联网在一定程度上也是如此。
今天,人工智能正在加入这个行列。
未来,人们或许不会天天讨论哪家公司模型领先百分之几,而更关心整个社会是否拥有稳定、安全、低成本、高效率的人工智能能力。正如今天很少有人关心哪一家发电厂最赚钱,人们真正关心的是整个国家有没有可靠的电网。
人工智能未来也可能如此。
因此,《华尔街日报》披露的这项组织协调安排,其意义或许并不仅限于中国人工智能产业本身,更折射出全球科技竞争正在发生的一次深刻转变。
未来国家之间竞争的重点,将越来越少是某一家明星企业,而越来越多是整个科技体系、产业体系和创新体系的竞争。
模型可以通过几年时间追赶,产业体系却需要十几年甚至几十年的持续积累。
当人工智能需要协调芯片、材料、能源、制造、教育和科研等众多领域的时候,它已经不再只是一个新兴产业,而成为影响国家综合实力的重要基础能力。
从这个意义上说,真正值得关注的,不是谁担任协调者,而是人工智能已经进入国家工程时代。
未来的AI竞争,比拼的不再只是模型,而是体系;不再只是产品,而是综合国力。














