这次美中元首峰会在AI问题上最值得注意的，并不是双方准备限制彼此发展，而是两个正在全速推进AI的国家，开始认真讨论一件更现实的事情：如果AI系统失控、被非国家行为者利用，甚至引发可能被误判为国家攻击的网络安全事件，双方应该如何迅速沟通。峰会前，贝森特与何立峰已经就AI安全和紧急沟通机制进行磋商，并确定将在深圳继续讨论；美方公开提到的风险包括“不可控代理人”、非国家行为者以及AI引发的网络攻击。这说明目前美中AI合作的重点并不是给技术竞赛踩刹车，而是给高速竞赛安装最基本的“安全气囊”。
从这个角度看，很难得出中国因此获得了某种明显“喘息时间”的结论。所谓喘息，首先需要一个前提：美国自身的AI扩张遭遇了严重到足以明显降低技术进步速度的瓶颈。美国的数据中心、电力和并网确实非常紧张，但“紧张”与“无力继续扩张”并不是一回事。JLL今年中期数据显示，北美数据中心空置率已经连续三年维持在约1%，说明现有资源非常紧俏；然而与此同时，在建容量已经超过66GW，而且95%已经获得客户承诺。仅2026年上半年，新增吸收量就达到25GW，是上年同期的两倍。这是一场基础设施扩张速度暂时追不上需求的竞赛，而不是产业已经走到无路可走的状态。
更重要的是，AI计算本身并不要求所有数据中心都集中在传统科技中心。训练大模型与面向最终用户的实时推理不同，很多训练任务对地理距离并不敏感，因此数据中心完全可以向电力和土地更充足的地区转移。S&P Global已经观察到，美国AI训练设施正在向农村和新兴数据中心市场扩展，因为那里更容易获得电力和土地，部分项目的交付周期也可以缩短。JLL的数据同样显示，目前北美77%的在建数据中心容量已经位于这些新兴市场，西得克萨斯、俄亥俄、路易斯安那、印第安纳和卡罗来纳等地区正在快速接过新的建设需求。
因此，美国AI真正面对的是资源配置问题，而不只是资源总量问题。电力昂贵，就会迫使企业寻找更便宜的电源；传统数据中心市场拥挤，就会向新的地区转移；GPU昂贵，就会推动模型压缩、蒸馏、专用芯片和推理效率提高。市场竞争本身还可能改变今天这种几家公司同时追求巨型通用模型的格局。未来未必需要OpenAI、Google、Anthropic、Meta以及其他公司不断训练功能高度重合的模型。随着产业成熟，各家公司完全可能形成不同定位：有的主攻通用推理，有的主攻编程，有的主攻生物医学，有的主攻智能体，有的专门提供低成本推理，还有大量任务最终可能交给较小的专业模型完成。算力需求依然会增加，但每增加一单位有效智能所需要的算力，未必按照今天的比例增长。
这也是为什么单纯从“美国有人反对数据中心”推导美国AI竞争力将明显下降，需要非常谨慎。JLL调查呈现了一个很有意思的反差：79%的美国人支持美国保持AI领先，但只有14%支持在自己的社区建设数据中心。这更像典型的基础设施选址矛盾，而不能直接解释成美国社会整体希望停止发展AI。居民可以同时支持美国发展AI，又反对一个高耗电、高耗水的数据中心建在自己住宅附近。解决这种矛盾的方法可能是重新选址、改善电网、增加发电能力和提高计算效率，而不是停止AI研究。
因此，这次峰会真正值得注意的图景其实很清楚：美中AI竞争没有停止，双方也没有因为基础设施问题改变争夺技术优势的基本方向。变化发生在另一层——当AI能力越来越强，自主代理人越来越多，单纯依靠各家公司自己处理事故已经可能不够。如果一次失控的网络攻击被误认为对方政府所为，技术事故就可能迅速升级成国家安全危机。因此双方需要热线、事故通报和后续磋商。
换句话说，这次峰会讨论的不是谁应该把脚从油门上拿下来，而是在两辆车都准备继续加速的时候，如何避免一辆车突然失控后撞向另一辆车。AI竞赛仍然继续，而风险管控开始从抽象讨论进入实际外交机制。这才可能是此次峰会AI议题最重要的变化。
