2025年构建“竞合共生”的AI发展新模式：DeepSeek如何重塑全球竞争格局？

为什么人工智能时代大国科技博弈加剧?

在人类文明史上，人工智能开始逐渐展现出重构全球权力格局的系统性力量。这场以算法革命为核心的智能浪潮，正通过技术跃迁、经济重构与政治博弈三重维度，推动着百年未有之大变局的加速演进，也成为大国竞争与科技博弈加剧的重要推动力。

(一)技术逻辑:通用技术重塑权力版图

回顾历史，每一次重大科技变革，都伴随着世界权力版图的重新划分。以三次工业革命为例，蒸汽机、电力、信息技术的发明与产业化应用，均毫无例外地重构了国际秩序。第一次工业革命始于18世纪60年代，以蒸汽机的发明和应用为标志，带来了机械化生产的兴起。这一阶段，英国凭借率先掌握蒸汽技术，极大提升了生产力，取代了西班牙和荷兰的世界霸主地位，成为当时世界的头号强国。第二次工业革命始于19世纪中期，以电力技术和内燃机的广泛应用为特征，开启了电气化时代。其间，美国抓住机遇大力发展电力相关技术，实现了经济腾飞，并逐步取代英国成为新的世界霸主。第三次工业革命始于 20世纪中期，以原子能、电子计算机、空间技术和生物工程的创新为标志，开启了信息化时代。在信息技术革命的推动下，美国在全球的主导地位得到进一步巩固。由此可见，在科技革命与产业变革深度耦合的当代，战略性技术突破已成为世界各主要经济体实力重构的关键变量。

如今，人工智能技术已成为新一轮通用目的技术(GPTS)，推动新一轮科技革命深入发展。AI技术具有渗透性、互补性、创新催化性等显著特性，能够广泛融入军事、经济、社会治理等领域,重构国际规则。在军事领域，AI技术被应用于智能武器系统、军事指挥决策等方面，极大地提升了作战效能和战略威慑力。在经济领域，AI驱动的自动化生产、智能供应链管理等，改变了传统的经济模式，提高了生产效率和竞争力。在社会治理领域，AI技术辅助城市规划、公共服务分配等，提升了治理的精准性和效率。各国正争相通过建设自己的超级计算机和数据中心来增加“主权人工智能”，以规避使用“托管AI”依赖第三方提供商，无法完全控制基础设施或数据存储的风险。

(二)经济逻辑:智能经济重构全球分配

1.国际视角

作为本轮变革的核心驱动力，人工智能技术凭借其“头雁”效应，正深刻改变全球生产体系AI驱动的智能制造、算法优化和数据分析能力,使产业链中的高端研发(如芯片设计、算法框架)、核心硬件(如AI芯片、传感器)和数据基础设施成为价值高地。这些环节的垄断性技术突破可带来超额利润，例如英伟达在尖端AI半导体以及行业标准CUDA软件方面拥有90%以上的市场份额。2024年(2025财年)营业收入创下1305亿美元的纪录。AI赋能的自动化导致中低端制造环节无法进一步向低成本地区转移，而发达国家通过掌控AI核心技术(如美国的EDA软件、荷兰的EUV光刻机)重新定义产业链主导权。

因此，在半导体、算法框架、云平台等战略制高点上，各国的争夺呈现白热化状态。美国通过《芯片与科学法案》构建技术壁垒与产业优势，其半导体出口管制直接影响全球产业链价值分配;欧盟借《人工智能法案》争取数字规则主导权，试图把握 AI监管标准制定权;中国则以“新基建”战略投入构建数字基础设施底座，其建成的超425万个5G基站支撑着全球最大的智能制造应用场景。这种多维度的战略布局，本质上是数字经济时代全球财富分配主导权的体系化争夺。

2.国内视角

AI的使用在一定程度上造成了各经济体内部就业结构的快速变革。据国际货币基金组织数据全球近40%的就业机会与AI有关，发达经济体的就业机会中有60%与A相关。其中，文书支持人员受影响最大，24%的工作任务受影响程度高，58%的工作任务受影响程度中等;技术人员和专业人员紧随其后，25%的工作任务面临中等程度影响。益普索的一项民意调查发现，全球超过50%的人表示，AI将在未来五年内改变他们的工作方式，三分之一的人表示将被AI取代。在制造业，“机器换人”的趋势日益明显，大量重复性、规律性的工作被自动化设备所取代;在服务业，算法替代也同步发生，如智能客服、智能物流配送等，使得许多传统服务位受到冲击。

智能经济的发展还加剧了“技能溢价”。Glassdoor的数据显示，截至2024年10月，一名负责创建指令和问题来指导 Gen AI工具的即时工程师的平均年薪超过 17.8万美元，奖金高达 13 万美元。拥有AI相关技能和知识的人群，能够在智能经济中获得更多的财富和机会，而普通劳动者则面临着收入差距扩大、就业机会减少等问题，社会流动性持续恶化。这种国内经济结构和财宫分配的变化，也促使各国政府更加重视AI技术的发展和应用，以应对国内经济和社会问题，从而加剧了大国之间的科技博弈。

(三)政治逻辑:技术赋能助推安全博弈

一方面，数字主权争夺已演变为当前国家能力建构的核心议题。数字主权是国家主权在数字领域的自然延伸，同传统主权一样，表现为国家在数字领域的对内最高管辖权和对外独立自主权，其是一国捍卫自身数字领域主权、安全、发展利益的依据，也是国家能力的重要体现。当前，数据资源的战略价值凸显，数字主权的物理边界不断被消解，跨境数据治理权与算法控制权逐渐成为数字主权屏障的核心维度。在此背景下，主要经济体通过立法手段构建技术规范体系，将伦理准则转化为技术准入壁垒，本质上是对未来智能社会规则制定权的竞争。这种安全化、政治化的演进路径不断抬高大国之间科技竞争的制度成本。

另一方面，AI通过技术赋能对国家安全产生深远影响。随着A技术的不断发展，国家安全进入了数字化和智能化时代，这对传统的国家安全逻辑和政策版图产生全面而深刻的影响。基辛格指出，AI技术同时具有以下三种特征:军民两用、易于传播以及潜在的巨大破坏性。这种独一无二的特性组合，加之广泛的利益相关者，产生了具有全新复杂性的战略挑战。未来，战争模式可能发生根本性变革，与AI相结合的新型军事武器正在成为国家获取竞争优势的关键因素。以美国“马赛克战”为例，在AI技术的辅助下，各种作战力量能够进行灵活组合，形成具有高度适应性和弹性的作战体系。此外，AI技术在情报收集、分析和处理方面具有强大能力，能够迅速识别敌方的战略弱点与作战意图，为决策层提供精确、及时的情报支持。

在此背景下，AI技术的军事化应用无疑成为竞争焦点，促使各国加大AI军事技术研发投入，加剧科技博弈。2022年，美国国防部发布的备忘录指出，14个关键技术领域主导着新时代的技术竞争，维持技术领先优势已成为现代战略的核心任务。美国最新通过的《2025财年国防授权法案》中，拟投资1438亿美元于研发、测试和评估投资高超音速、人工智能、机器人系统、移动微型核反应堆及高能激光技术，另有17.5亿美元用于科学与技术计划,彰显了美国对未来战场技术竞争力的高度关注与战略部署

大国竞争下，AI“逆全球化”格局加速分化

如上所述，在技术、经济、政治三重因素叠加的影响下，人工智能时代的大国竞争与科技博弈加剧，不断深化“逆全球化”发展趋势、全球AI发展格局加速分化。拥有先发优势的国家出台了一系列技术封锁与出口管制措施，意图遏制竞争对手及后发国家的AI技术进步，进而维护自身在 AI领域的世界主导地位，这对全球AI技术的合作与发展产生了一系列不利影响。

(一)技术封锁加剧全球体系割裂

美国推行《芯片与科学法案》、出口管制实体清单、半导体设备禁令等，导致全球AI芯片供应链“硬脱钩”。例如，2025年1月13日，在拜登政府任期的最后时刻，美国商务部工业和安全局发布《人工智能扩散框架》。这是一项从高端芯片到大模型的AI全产业链遏制，也是自AI产业大爆发以来美国出台的最严 AI出口管制，旨在扩充美国在半导体领域的管辖权力，并意图遏制中国等经济体获得用于构建前沿模型的AI算力。当月，美国商务部进一步收紧管控措施，将智谱AI等25家中国科技企业纳入出口管制“实体清单”，全面限制16纳米及以下制程AI芯片供应在技术遏制政策下，原本基于市场规律形成的跨国技术协作体系被地缘政治力量系统性解构，全球技术扩散机制与产业分工网络遭受结构性破坏。为了解决AI领域供应链卡点、断点、堵点等问各国被迫构建效率折损但主权可控的“平行供应链”体系。题，

在技术标准层面，中美两国在AI芯片架构设计、算法框架开发、数据治理标准等核心领域的创新体系较为割裂，硬件适配性与软件互操作性不足，这导致跨国技术协同成本激增，全球统一的创新生态被割裂为区域性“技术孤岛”。例如，在芯片领域，英伟达凭借CUDA生态的全球渗透率及H100/A100系列GPU的技术代际优势，持续主导国际AI算力市场。但受到出口管制影响，其最新产品已无法进入中国市场，形成“技术供给断层”。受美国技术封锁影响，中国AI芯片企业被迫构建完全独立的技术体系，如华为昇腾系列采用自主达芬奇架构。这种技术路径的分野已导致实际应用层的生态隔离--基于英伟达GPU训练的PyTorch模型在部分国产芯片平台难以直接部署而华为MindSpore框架构建的AI应用可能与部分境外算力基础设施不完全兼容。

从企业视角出发，商业利益的驱动也在加速技术封闭趋势。例如，OpenAI成立之初是一个非营利组织，初衷是确保通用人工智能能够造福全人类，在早期阶段发布了多个开源项目。但随着时间推移，OpenAl的运营模式发生转变，从开源协作转向闭源保护，通过限制核心模型访问、构筑专利壁垒等方式巩固竞争优势。这种策略虽短期内提升商业价值，却阻碍了技术普惠化进程，削弱了全球AI创新的底层知识共享基础。

(二)数字主权催生数据本地化政策

在AI时代，数据已经成为国家竞争力的重要构成。近年来，人工智能等数字技术发展迅猛，催生新的生产要素--数据要素。数据是AI技术发展的核心驱动力，AI系统的性能在很大程度上依赖于所处理数据的数量和质量，海量数据的收集、存储和分析不仅能推动算法不断优化，还能提高AI系统对数据的提取、分析、识别和体系建构能力。这意味着拥有更丰富、更高质量数据资源的国家，将在AI时代掌握更为坚实的资源基础，从而在技术创新和应用拓展等方面占优。当前，各国都已意识到数据的重要性，将数据视为国家主权的重要组成部分。

与传统工业时代资本的自由流动不同，数据的重要性使许多经济体通过加强数据跨境流动管制的方式保护本国数据安全和隐私，从而在数字领域维护国家主权和利益。一方面，各国出于国家安全、隐私保护和数据主权的考虑，纷纷出台了数据本地化政策，要求数据在本国境内存储和处理。这种政策趋势导致了“数据孤岛”现象的出现，使得数据资源无法在全球范围内实现最优配置，进而影响了 AI的全球化部署。另一方面，不同国家和地区在数据保护和数据流动方面的政策差异显著，增加了数据跨境流动的复杂性。例如，欧盟通过《通用数据保护条例》(GDPR)强调数据监管和保护，而美国则更倾向于鼓励数据的自由流动以促进科技创新。这种政策差异不仅影响企业的全球化运营，还可能导致技术创新的区域化，进一步加剧全球技术发展的不平衡。

(三)价值导向分歧引发治理模式冲突

全球AI治理体系正陷入“规范真空”与“标准割据”的双重困境。各主要经济体在技术伦理基准、数据主权边界、算法问责机制等核心议题上呈现价值分野:欧盟基于《人工智能法案》构建风险分级监管框架，强调隐私保护与人类监督优先;美国通过《AI权利法案》推行技术优先战略，在军事AI应用等领域保持政策弹性;中国颁布《生成式AI服务管理暂行办法》，侧重数据主权与产业安全管控。这种治理范式的结构性差异，导致跨国AI研发合作面临多重合规壁垒，例如OpenAI的ChatGPT因不符合欧盟算法透明度要求被限制部署，而中国大模型厂商亦难以满足美国国防部AI伦理审查标准。

监管标准的互斥性也触发了各经济体防御性政策螺旋升级。近期,美国宣布“星际之门”计划,重点建设本土数据中心等人工智能基础设施。欧盟提出建立专门用于训练超大型人工智能模型的新型“AI超级工厂”，以推动整个欧盟关键人工智能生态系统的发展。为避免被其他国家差异化的监管标准制约，各经济体进一步升级防御性政策，在促进本国AI发展的同时防范竞争风险。

(四)技术落差助长全球数字鸿沟

在上述多重机制的影响下，全球数字鸿沟进一步扩大。数据显示，2022年全球82%的人工智能专利由中、美两国持有，2023年全球49%的人工智能企业聚集于这两个国家。同时，AI领域薪酬水平呈现显著的职位差异与地域特征，美国A相关技术岗位的薪酬水平显著高于国际平均，形成明显的人才虹吸效应。

在此背景下，当前全球AI发展已形成典型的“中心一外围”结构。以美国、中国为代表的科技强国构成核心圈层，凭借尖端技术储备、顶尖人才梯队和持续研发投入，主导着技术演进方向与标准制定权。而多数发展中国家处于技术外围，在基础设施、资本投入、人才培养等方面存在系统性依赖，主要承接技术转移与产业链下游环节，

这种技术依附关系在伦理治理领域也有所体现--美国的技术垄断政策不仅强化了其在AI领域的主导地位，更通过技术标准的传导效应在全球经济体系中形成结构性权力断层。当前AI规则体系主要由西方发达国家主导，发展中国家则缺乏话语权，在构建AI伦理框架的过程中难以充分体现新兴国家的文化特征与发展诉求。

DeepSeek 破局:开源生态与技术普惠双轮驱动

DeepSeek实现了人工智能技术路径上的重大改进，或可为人工智能时代的逆全球化困境提供破局思路，其开源模式暴露出美国技术封锁政策的局限性，效率优化与成本控制得以推动AI技术普惠。这为AI发展提供了技术共享新范式，有望打破现有竞争格局，助力全球AI生态重构。

(一)实现控制成本的重大技术改进

1.低成本模型:挑战传统的“算力至上”逻辑

DeepSeek-V3的基础架构建立在 Transformer 框架之上。该模型在传统 MoE 架构之上，采用了经DeepSeek-V2验证的多头潜在注意力机制(MLA)和DeepSeekMoE技术，实现了高效推理与低训练成本。其中，DeepSeekMoE采用更细粒度的专家分配机制，创造性地引入共享专家和无辅助损失负载均衡策略，并通过多token预测训练目标提升性能。综合评估显示，DeepSeek-V3已在性能上达到了与 GRT-40和 Glaude-3.5-Sonnet等顶级闭源模型相当的水平，同时维持了极具竞争力的模型训练成本，完整训练过程(包括预训练、上下文长度扩展和后训练)仅需2.788M的H800GPU小时，极大地挑战了传统发展模式下“算力至上”逻辑。

2.开源模式:打破技术封锁，促进科技普惠

Deepseek发布LLM Deepseek-V3和推理器Deepseek-R1的代码，并发布详细的技术论文说明模型构建方法，为全球开发者提供了清晰的技术路线图。开源模式不仅能够加速基于现有技术的二次创新，还催生了更多适应本地需求的技术解决方案。这种协同创新模式推动了技术的多样化和个性化发展，帮助更多国家和地区摆脱对单一技术供应商的依赖，提升了技术自主性。尤其在应对技术封锁和地缘政治风险时，开源模式显得尤为重要，为全球科技发展提供了更多可能性。

3.蒸馏技术:加速小模型部署

以 DeepSeek-V3-Base 为基础，DeepSeek-R1整合了初始训练数据和多阶段训练流程，在进行强化学习前引入了多阶段训练和冷启动数据，最终在推理任务上达到了与OpenAI-01-1217相当的性能水平。其主要贡献在于:一是DeepSeek-R1在后训练阶段大规模使用了强化学习技术，首次验证了大语言模型的推理能力可纯粹通过强化学习提升，而无需传统的监督微调的开放研究，为该领域未来发展奠定基础。二是DeepSeek-R1遵循MITLicense,允许用户通过蒸馏技术借 R1训练其他模型，大型模型的推理模式可通过知识蒸馏迁移至小型模型，其效果优于直接对小型模型进行强化学习训练。开源的DeepSeek-R1及其API将支持学术界开发更优秀的小型模型，进一步推动了技术普惠。

(二)推动技术普惠与全球 AI生态重构

1.国家层面:推动全球多极化发展

首先，DeepSeek的技术突破验证了中国的自主创新能力，表明技术封锁政策终将难以遏制中国AI进步。过去几年中，美国试图通过技术封锁政策巩固领先优势，例如出台《芯片与科学法案》等一系列政策，限制非同盟国获取先进AI芯片和关键技术;试图构建“技术联盟”，深化其与日本、韩国、荷兰等在全球半导体产业链中占据关键地位的盟国之间关系;积极吸纳印度、非洲等新兴市场国家和地区参与，限制技术外溢。对此，尽管短期内中国在核心技术领域被“卡脖子”，但却激发了中国以“工程化”思维实现技术突破，并在长期坚持科技自主创新的决心。面对美国的技术封锁与出口管制，中国政府和企业被迫加大对AI核心技术的研发投入，推动芯片、操作系统、算法等关键技术的自主化。DeepSeek也刷新了西方国家对中国技术发展的认知，让世界重新评估中国技术创新实力，并重新考虑发展中国家在本次人工智能科技革命中可能发挥的重要作用。

其次，DeepSeek的技术改进使AI向低成本、普惠化迈进，推动新兴经济体的技术赋能与产业跃迁。一是DeepSeek的普及促进了跨国界的基础设施共建项目，特别是在数据中心、云计算等方面，为新兴经济体提供了与国际接轨的技术基础设施。同时，该技术的本地化应用推动了更多技术创新与本土企业合作，增强了新兴经济体在全球技术生态中的参与度和竞争力。二是DeepSeek通过算法优化和开源策略，降低了 AI技术的应用门槛。其多模态融合算法在安防、医疗等领域能够快速落地，帮助新兴经济体跳过传统技术积累阶段，直接部署高效AI解决方案。这种技术扩散可能加速全球经济增长，为后发国家及地区提供了“弯道超车”机会。

最后，DeepSeek的成功促使部分发达国家重新思考技术合作路径，而非追随美国遏制政策在DeepSeek的激励下，各发达国家将积极布局科技创新战略，加大对 AI前沿技术的投资力度，以巩固或提升其在全球技术竞争中的地位。例如，对于欧洲部分拥有坚实资本和科技基础的国家而言，DeepSeek的开源模式为其提供了发展特色AI产业的契机。部分发达国家逐渐意识到，单纯依靠技术封锁难以维持其技术优势。未来，这些国家可能更倾向于通过国际合作和技术共享来应对挑战，共同制定AI技术的标准和规范，推动全球AI技术的健康发展。

2.行业层面:应用落地扩散开花

一方面，未来通过 DeepSeek构筑高质量合成数据集具有可行性。在DeepSeek的影响下，全世界的科技公司、研究团队都在尝试复现DeepSeek。李飞飞团队2月6日推出的s1K数据集，在1000个样本上进行监督微调训练+测试时的预算强制(budgetforcing)的微调后，团队提出的s1-32B实现测试时扩展(test-timescaling)和强推理性能,s1-32B 模型成为具备高样本效率(sampleefficient)的开源推理模型之一。DeepSeek-R1和s1-32B，同样是通过强化学习或使用数万个蒸馏样本来构建的强大推理模型，这提示我们，通过对高质量数据的微调和强化学习，未来或将有望解决“可用于训练大模型的高质量数据集将被消耗殆尽”的数据困境。除此之外，DeepSeek-R1无需依赖传统的监督微调(SFT)作为初步步骤，而是让模型通过试错和奖励机制自我演化。这些创新实践可供大模型训练方参考，通过高质量的小型数据集结合强化学习的模式来降低对数据标注的需求。

另一方面，大模型+蒸馏模式更适配各个行业应用场景的差异化要求。对于复杂任务，以及需要高度准确性和深度理解的应用场景,DeepSeek-R1可进一步提升原有行业大模型推理能力。而对于特定行业的差异化需求，以及在资源受限和实时响应要求较高的场景中，相较于大模型的复杂性和资源消耗，蒸馏小模型拥有高效性、灵活性和轻量化等特征点，具备应用场景优势。通过知识蒸馏技术，小模型能够继承大模型的核心能力和知识，同时在推理效率和部署成本上实现显著优化，这使得其能够更轻松地适配各个行业应用场景的差异化需求，无论是资源受限的边缘设备，还是对实时性要求极高的业务场景，蒸馏小模型都能提供精准且高效的解决方案。因此，在DeepSeek大模型的基础上蒸馏小模型,不仅有助于降低 AI技术的推广门槛,还能加速其在不同行业的广泛应用,成为推动行业数字化转型和智能化升级的重要力量。

3.企业层面:打破巨头垄断，中小企业突围

AI技术长期以来被少数科技巨头垄断，这些公司拥有强大的研发能力、数据资源和资本支持形成了较高的市场壁垒。而DeepSeek的成功意味着中小型科技企业有望通过算法与工程创新实现突围，其低成本和开源特征降低了 A技术的使用门槛，大幅缩短了中小企业改进模型的周期:模块化设计则使开发者能够根据需求灵活组合和二次开发，有助于打破巨头垄断，提升市场竞争程度与创新活力。此外，模型推理效能的提升也将使大模型的端侧应用将更加普遍，这为中小企业、初创公司甚至个人开发者提供了快速构建解决方案的机会，大大降低AI产品开发成本。

(三)鼓励建立开放包容的全球治理体系

一方面,DeepSeek推动技术普惠,提升了全球各国对于AI治理规则的参与度。DeepSeek以其低成本、高性能特征推动AI技术普惠化，惠及更多国家研发、部署并应用AI技术，有助于逐渐突破全球 AI发展的“中心-外围”结构，鼓励更多发展中国家参与到 AI技术浪潮中。长期以来,发达国家在掌握AI前沿技术创新与核心技术应用的同时，也掌握着全球AI治理的话语权。在规则制定过程中，西方伦理标准和价值观总是被更多强调，甚至通过规则设计来限制发展中国家的自主发展空间。而发展中国家AI技术采用率较低，AI监管体系不完善，在国际规则制定方面的关切和需求也往往被忽视，缺乏话语权。如今，DeepSeek的成功为发展中国家开辟了一条 AI创新发展之路，为了充分保障自身发展与安全，全球各主要经济体均加快步伐，积极参与到全球AI治理过程中，争当规则制定者、参与者，共同推进国际监管的包容性合作。

另一方面，DeepSeek的开源特征可能放大安全与伦理问题，倒逼全球各国紧密合作。随着大语言模型不断发展，AI技术的不可预测性和高度自主性加剧,特别是DeepSeek的开源模式具有开放性和低门槛特性，更有可能导致多种伦理失范现象。一是显著增加技术滥用风险，开源模式在降低技术门槛的同时，也使恶意行为者有机可乘，例如被用于生成虚假信息、恶意攻击工具等。二是放大 AI“幻觉”，由于开源社区中开发者水平参差不齐，可能导致模型优化不足，进一步放大幻觉问题的危害。三是提升合规与监管难度，开源模型的全球共享特性使其应用场景跨越国界，但各国法律对 AI生成内容的规范不一，法律法规滞后于技术发展。这些问题进一步提升了 AI治理的必要性和紧迫性，各国必须紧密团结起来，构建多层次全球治理体系，以协作方式共促 AI可持续发展。中国坚持开放合作原则，有望在全球AI治理中占据举足轻重的地位。2025年2月10日至11日，人工智能行动峰会于巴黎举行，汇聚了来自世界各地的政策制定者、技术专家和学者，共同探讨 AI发展带来的机遇与挑战,标志着全球AI治理又迈出重要一步。本次峰会上,包括法国、中国、印度、欧盟在内的61个签署方共同发布《关于发展包容、可持续的人工智能造福人类与地球的声明》(巴黎人工智能宜言)，承诺将以开放、包容和道德的方式开发这项技术，但美、英两国拒绝签署。美国试图通过拒绝签订多边协议，维护其在AI领域的“规则制定者”地位，进而巩固技术垄断优势。然而，这种拒绝签署的行为在凸显全球 AI治理分歧的同时，也为中国提供了填补“领导真空”的机会。考虑到全球共同面临着AI技术发展的多项潜在风险，各国之间的合作创新也愈加活跃，建立健全开放包容的国际 AI治理规则终将成为必然。而中国提倡“共商共建共享”的全球治理观，未来将持续为全球贡献多元化治理方案。

全球发展趋势:分层整合与竞合共生的复杂格局

综合考虑AI技术对各国的重大战略意义，以及DeepSeek等颠覆式创新的不断涌现，我们认为，未来全球AI发展将表现出“短期竞争加剧与长期竞合共生”的趋势变化。特别地，考虑到AI产业链各环节在资源需求、空间传播、政治敏感性等方面有所不同，AI产业链或将呈现“基础层区域集群、技术层开源协同、应用层有限融合、治理层全球共建”的差异化结构。在此过程中，各国既面临被锁定在技术供应链底端的风险，也拥有通过场景创新重构价值分配的机遇，最终格局将取决于技术扩散速度与政治壁垒强度的动态博弈。

(一)基础设施相对割裂，形成区域堡垒

短期内，大国竞争导致各国基础设施割裂加剧。考虑到A技术已经成为影响全球发展与安全的重要因素，各国均致力于在本轮科技竞争中抢占先机，掌握国际话语权。因此，短期内的全球AI竞争加剧将成为必然。在基础设施领域，预计发达国家将持续通过芯片出口管制、数据本地化政策等手段构筑行业壁垒;而发展中国家为避免技术“卡脖子”也将大力投资基础设施建设，争取关键领域自主可控。

例如，特朗普于 2025年1月在白宫发布会上宣布了“星际之门”AI基础设施投资项目，计划未来四年累计投资5000亿美元发展AI，以确保美国的全球领先地位。美国将建设多个大型数据中心，形成覆盖全国的AI计算网络，并配备数百万专用服务器芯片。各大科技公司也纷纷加大AI基础设施领域的投资计划。面对DeepSeek的冲击，美国科技巨头微软、亚马逊、谷歌和Meta近日陆续表示将在 2025年进一步加大投资,预计在AI技术和数据中心建设上的总投入为3200亿美元远超过2024年的2300亿美元。2月24日，阿里巴巴集团CEO吴泳铭宣布，未来三年阿里将投入超过3800亿元，用于建设云和AI硬件基础设施，总额超过去十年总和。

中长期，成本与能源压力倒逼区域性集群建设。伴随着各国及企业全力扩张AI基础设施投资全球基础设施领域可能出现较为严重的重复建设，持续推高全球AI产业链成本，造成一定的资源浪费。这种“各自为政”的投入方式在中长期或将难以为继，这主要是由于重复建设造成的经济不可持续性。一是成本高昂:随着AI大模型参数不断增长，其训练成本也将大幅增加，这种增速是单一国家或企业无法长期承担的。尽管 DeepSeek的成功为我们指引了一条在短期内以低成本模型绕开算力限制的道路，但随着A技术持续迭代与行业应用加速落地，长期内各国对算力的需求仍将十分庞大。二是能源瓶颈:随着数据中心规模与数量持续增加，各国终将受到能源消耗的制约。国际能源署(IEA)2024年预测，未来两年全球数据中心的耗电量将比 2022年翻一番，到2026年约达到1000太瓦时。考虑到全球可持续发展及“碳中和”目标，各方必将寻求能效协同以减少排放。

在此背景下，区域内的合作伙伴将开始协同合作，通过共享A基础设施来降低建设成本、减少能源消耗、从而形成数字基建集群的区域性堡垒。一是算力方面:预计将会形成北美、东亚、欧洲三大阵营，其他经济体可能被迫“选边站”。三大区域联盟将各自平行建设AI基础设施，在区域内实现部分资源共享，在区域外以限制与竞争为主。二是数据方面:预计各区域联盟将构建数据主权圈，促进区域内的数据跨境流通，强化区域外的数据主权保护。数据治理可参考欧盟《通用数据保护条例》形成的区域数据治理标准，以及当前正在构建的东盟跨境数据流通框架等。

(二)科学技术逐渐共享，迈向开源协同

短期内，大国科技博弈导致技术发展加速分化。与基础层相似，AI技术层同样受到大国竞争的影响。特别是 DeepSeek-R1模型推出后，对美国等发达国家构成了直接冲击，动摇了其技术垄断优势。因此，技术突破在短期内可能引发技术民族主义情绪抬头，导致封锁加剧。美国等技术领先国家可能会采取更加严格的遏制措施，从而保护其既有的技术优势。例如，美国参议员提出《美中人工智能能力脱钩法案》，内容包括终止 AI技术流动、停止研发合作、切断AI投资等，试图推动中美 AI“全面脱钩”

中长期，科学技术发展将趋于开源协同，合作研发成为必然。区别于数字基础设施的本地部署特征，科学技术传播是广泛而迅速的。通过推动底层模型开源，可以减少在科研方面的重复投入，协同全球优秀人才共促技术进步。目前，开源模式已成为全球科技与产业创新的重要模式，全球开源项目数量持续稳定增长。在 AI领域，开源模型社区一直没有缺席，在 Meta的开源大型语言模型LlaMa及 LlaMa2的支持下进行着密集的科研和工程迭代。据全球最大的代码托管平台 GitHub数据显示，2024年Github平台上通用生成式AI项目总数约13.7万个，较2023年同比增长 98%。

DeepSeek-R1作为开源模型,其带来的绝非仅是经济价值,更具有深刻的技术贡献与社会意义未来，开源模式还将吸引更多的全球开发者贡献代码，共同促进技术迭代，实现开源协作与知识共享。OpenAI首席执行官山姆·阿尔特曼坦言，DeepSeek的崛起削弱了 OpenAI的技术领先优势并承认公司的闭源策略是“站在了历史错误的一边”。

(三)应用生态相互渗透，促进有限融合

根据 AI技术的应用场景、目标用户及商业模式等，可将其划分为消费级AI与企业级AI。我们认为，AI应用层的发展态势将在消费市场与企业市场之间存在较大差异。

消费市场将加速渗透与融合。AI技术天然具有跨境属性，特别是教育、娱乐等消费级AI应用具有较高的互通性，不断拓展跨国应用场景。基于以下原因，消费级AI能够在应用层实现更广泛的融合。一是规模效应驱动:消费级AI通常追求用户体验的规模化，同一产品所服务的用户数量越多，边际成本越低，规模效应越显著。因此，消费级AI供应商有更强烈的动机推动全球化发展，以覆盖更广泛的客户群体。在此过程中，通过海量数据积累使AI自我迭代效率倍增，实现“用户越多、模型越准确、市场规模越大”的正向反馈。二是数据敏感性较低:消费级 AI依赖于海量的用户行为数据，而用户日常消费数据(如娱乐、购物、观影等)通常属于非涉密属性的常规个人信息。跨境流动限制较低。加之当前去标识化技术已较为成熟，通过对用户个人数据进行脱敏，进一步降低了数据敏感性。

例如，随着短视频社交媒体在全球范围内迅猛发展，字节跳动旗下TikTok已成为全球第五大最受欢迎社交平台。截至2025年2月，美国成为TikTok受众最多的地区，月活跃用户数达1.36亿人。尽管 TikTok在美国仍面临被封禁风险，但可见用户对消费级AI跨境应用场景拥有庞大的共性需求。

企业市场可能进一步分化与割裂。相较而言，企业级AI在应用过程中更为复杂。数据方面，企业级AI需要使用行业专有数据，对数据质量提出了更高要求;模型方面，企业级AI往往根据实际需求采用高精度定制模型，难以规模化应用:监管方面，企业级AI涉及的敏感性较高，开发及应用过程中需符合行业监管。总体而言，企业级AI存在数据壁垒与定制化需求，受地缘政治及技术封锁的影响也更强，因此在全球范围内更可能呈现相对割裂的本地化发展趋势。但企业市场的分裂并非绝对，倘若开源社区实现跨阵营渗透，技术进步突破区域壁垒，或是全球经济发展倒通合作场景，则可能助推企业级AI的跨国联盟与融合

(四)国际治理动态博弈，实现分层治理

短期内，技术标准碎片化，伦理标准难以统一。由于各国在AI技术领域的激烈竞争，势必也将形成各自主导的技术标准体系。叠加各经济体在文明价值观等方面存在分歧,AI发展理念不尽相同这将导致全球 AI标准碎片化，各国在军事、伦理、社会规则等方面难以兼容。例如，前文所述中、美、欧针对数据跨境流通的监管理念有较大差异，这些分歧在短期内或许难以调和。

中长期，各国强调风险共担与标准共建，实现分层治理。人工智能作为一项战略性技术，具有改变全球格局和人类发展进程的潜力。因此，人工智能治理也是一项全球性议题，关系着每一个国家的技术与经济社会发展，应当超越地缘政治的干扰与束缚，实现全球共同的安全与发展。未来全球必将针对AI伦理、安全威胁等开展跨国联合研究，推动多边框架，避免技术对立。我们认为.最终全球AI领域将形成分层治理体系，在许多关键领域形成全球标准的同时，也不可避免在具体实施细则上仍存国别差异。一是核心层:在基础模型、算力网络等方面，为了形成统一的技术标准与架构，须由国际组织制定全球性协议，形成全球标准，这有助于整体生态建设。二是应用层:在AI行业化应用方面，可以更大限度地保留国家或区域的自主权，允许在全球最低标准的基础上进行本地化调整。

综上所述，最终全球AI发展既不会完全实现世界统一，也不会彻底陷入技术封建主义，而是会在涉及国家主权安全等“高政治”领域保持相对割裂，在涉及商业与民生等“低政治”领域实现有限融合，这种分裂与融合本质上是全球化与国家利益博弈在AI时代的映射。未来，全球AI发展将保持竞争与合作共存，呈现“多极竞争、开源共治”的新格局，这也为中国进一步实现技术创新。场景拓展及规则治理指引了方向。

中国发展策略:自主创新与国际合作双循环

基于全球 AI发展趋势展望，未来中国在AI领域的发展战略将是一项全面、系统性工程，涵盖技术、应用、合作和治理等多个维度。中国将通过核心技术自主化、产学研用协同、应用场景驱动、区域合作和全球治理等措施，致力于实现从 AI技术的“跟跑者”到“并行者”的转变。

(一)加强技术自主可控，加大研发投入力度

“杰文斯悖论”指出，当技术进步提高了资源利用效率，降低了使用成本，结果反而可能导致资源总消耗量增加而非减少。因此，尽管DeepSeek的发展路径在短期内可降低 AI大模型对算力的依赖程度，为中国提供了宝贵的发展窗口期，但却并非长久削减算力需求。从长期来看，当AGI进入普惠发展阶段后，对高端芯片的需求将进一步增加。未来，先进算力仍然重要且稀缺，中国需加大力度攻克关键技术，提升在相关领域的自主可控能力。这有助于提升中国在全球AI竞争中的地位，降低对外部技术依赖的风险，为AI产业的长期发展奠定坚实基础。

一是加大基础研发投入。我国“十四五”规划提出“基础研究经费投入占研发经费投入比重提高到 8%以上”，而这一指标在2024年为6.91%。未来还应进一步优化研发投入结构，鼓励政府和企业加强 AI芯片、深度学习算法、自然语言处理等领域的基础研究，攻克“卡脖子”关键技术。二是培育创新型人才。人才是技术创新的核心驱动力,通过教育、科技、人才一体化发展战略培养一批世界领先的AI科学家和工程师，是提升国家创新实力的关键。例如，美国各大知名学府培养了大量顶尖人才，推动了AI技术快速发展。中国可借鉴相关经验，设立专项奖学金和科研项目.吸引和培养更多创新型人才，为算法创新等关键领域提供智力支持。

(二)加强产学研用协同，完善 AI生态建设

产学研用协同是推动技术创新和产业化的重要模式。通过高校、科研机构、企业和政府的紧密合作，可以加速AI技术的转化，缩短“实验室到市场”的距离。

一是加强校企共建。长期以来，中国高校和科研机构科技成果转化率相对较低，转化成效不明显。应鼓励高校、科研机构与企业共建开放实验室，共同攻关关键技术，既能提升高校和科研机构

的科研能力，也能为企业提供前沿技术支持，推动技术的快速转化。二是促进技术转化。借鉴DeepSeek的工程化经验，通过技术转移、孵化器和加速器等方式将科研成果转化为实际应用。中国应设立专项基金，支持高校和科研机构的技术成果通过孵化器和加速器进行产业化，缩短技术从实验室到市场的周期。

三是推动全产业链协同。当前中国在AI领域仍面临着生态建设不完善、产业链不平衡等问题产业链的协同发力尤为重要。应从芯片制造、算法优化再到数据分析，形成A全产业链高效配合

构筑良好生态。四是鼓励国内区域间合作。中国应通过跨区域的资源共享、技术交流和项目合作，优化资源配置，形成协同效应。例如构建区域合作网络，推动长三角、粤港澳大湾区、京津等区域的AI合作网络，共享资源与数据，形成协同创新生态。

(三)强化场景驱动战略，从应用端回溯创新

中国拥有超大规模市场、完备工业体系与丰富应用场景优势，应以实际应用场景为导向，推动AI技术的落地和普及。通过聚焦于具体的行业和应用场景，可以更快验证技术可行性和商业价值一是聚焦行业痛点。在AI产业化落地的过程中，首先应解决AI技术与行业需求之间的鸿沟。应针对医疗、交通、教育、农业等领域的具体问题，设计有针对性的AI解决方案，通过将AI技术与应用场景更好结合，实现技术的快速扩散。

二是打造“应用场景实验区”。鼓励在特定区域或指定行业内建立AI应用示范区，鼓励试点项目并打造典型应用场景，通过政府引导和企业探索，推动AI技术在实际场景中的试点和推广，打造垂直领域标杆应用，为其他地区或其他行业提供可复制的经验。

三是加强数据支持。中国应建立数据共享平台，为AI企业提供丰富的数据资源，持续为AI技

术迭代提供高质量的场景数据支持，以此确保算法的训练和优化。四是从应用场景回溯创新。不同于“先研发后转化”的传统创新模式，以应用场景回溯创新是以目标为导向的。要以满足产业需求、赋能终端应用为目标，依据企业在应用AI技术过程中面临的现实问题，塑造科技演进方向，激发创新活力。

(四)加强国际合作与治理，提升中国影响力

在全球化背景下，国际合作是提升中国AI国际影响力的重要途径。通过参与全球治理、打造区域联盟和推动中企出海，中国可以在国际舞台上发挥更大的作用。

一是参与全球治理，推动标准化建设。中国应积极通过多边平台提出兼顾发展中国家A需求的治理方案，避免规则制定被单一国家垄断，确保AI技术的健康发展。具体包括:参与国际组织与合作，积极参与联合国、G20、OECD等国际组织的AI治理讨论，推动中国声音的表达;推动国际标准制定，在 AI技术标准、数据安全、隐私保护等领域，主动参与国际标准的制定;倡导负责任的AI发展，推动全球范围内的AI伦理和安全讨论，确保AI技术的发展符合人类社会的共同利益。二是打造区域联盟，加强与带路国家、南方国家的合作。中国应扩大技术合作，构建区域性AI联盟，提升国际影响力。联盟成员可共享AI基础设施，共同参与AI技术研发和应用项目，在智能交通、智慧城市等领域加强合作。特别地，可与“一带一路”沿线国家、“全球南方”国家加强合作，设立技术转移中心，帮助当地企业和机构引入和应用中国的AI技术，通过技术咨询、设备供应和人才培训等方式，支持沿线国家在AI技术应用中的实际需求。

三是支持中资企业出海，开拓市场、开发合作。支持中资AI企业在海外投资设厂、建立研发中心，对外输出技术和产品，形成产业集聚效应。一方面，利用DeepSeek能够在较低的算力需求下实现高性能AI应用的特征，中资企业可将AI技术以更低的成本输出到海外市场，尤其是那些基础设施相对薄弱的国家和地区，拓展海外市场空间。另一方面，凭借相关技术优势，中资企业将在海外研发合作中更具吸引力，并在合作过程中进一步收获直接接触国际前沿技术和创新资源的机会。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）