本文来自微信公众号： AI时代我的人生下半场 ，作者：席春迎博士
从"如何监管一项新技术"，到"如何组织一场国家竞争"
席
席春迎经济学者·科技观察
特朗普宣布，美国将组建一支"人工智能部队"，并准备任命一名"AI沙皇"统筹相关事务。这一消息听起来颇具特朗普式的戏剧性："部队""沙皇""高智商人士"，每一个词都很容易成为新闻标题。
但如果仅仅把它当作特朗普又一次制造舆论声量，就低估了这件事的政策含义。真正值得关注的，并不是这个机构最终叫什么、由谁担任"AI沙皇"，而是美国正在形成一套越来越清晰的AI治理逻辑：把人工智能视为决定国家实力的战略产业，尽量避免用新的前置监管束缚企业扩张，同时依靠既有刑事、民事和反垄断制度处置违法行为，再通过总统直接授权的协调机制，把产业政策、国家安全和对华竞争集中到一起。
这可能代表美国AI政策从"如何监管一项新技术"，进一步转向"如何组织一场国家竞争"。
一、先把事实说清楚：目前公布的是政治方向，不是成熟制度
根据特朗普在社交平台发布的信息，他认为人工智能可能成为比工业革命和互联网更大的经济浪潮，甚至可能贡献美国国内生产总值的四分之一。他同时强调，美国不会阻碍或扼杀AI产业发展，而将利用现有刑事和民事司法体系惩治相关违法行为，并计划组建"AI Force"、任命一名"AI czar"。
香港电台、Now新闻及多家国际媒体均报道了这一公开表态，但特朗普尚未公布该机构的法律地位、组织架构、预算来源、授权边界及成立时间。
因此，现阶段不宜把"AI部队"直接理解为美国军方的新军种，也不能断言它已经成为司法部下属机构。特朗普提到司法体系，主要是在说明对AI违法行为的处置思路；至于"AI部队"究竟设在白宫、军方、司法部，还是一个跨部门协调机制，目前仍有待正式文件确认。
这一区分非常重要。政策评论首先要建立在事实边界上。现在能够确认的是方向，尚不能确认的是制度。特朗普释放的信号非常强烈，但美国是否真的能够把这套政治宣示变成可执行、可问责、可持续的国家治理体系，还需要观察。
二、美国正在把AI从产业问题上升为国家能力问题
"AI部队"这个名称最值得研究的地方，是它将AI置于类似太空、国防和国家安全的叙事框架之中。
过去各国讨论AI，重点通常是算法伦理、数据隐私、平台责任和产业扶持。特朗普的表达却明显不同。他不是把AI看成一个需要被政府审慎管理的新兴行业，而是把它看成一项决定国家竞争力、经济增长率乃至国际秩序的战略能力。
一旦政策逻辑发生这种变化，政府关心的就不再只是"企业是否合规"，而会进一步追问：美国能否保持最强模型？能否掌握先进芯片、算力、电力和数据资源？能否在军事、情报、科研和制造业中率先应用？能否阻止竞争对手获得关键技术？能否把技术领先转化为生产率、资本市场估值和全球规则制定权？
这就是"AI部队"背后的深层含义。它不一定真的穿军装，却带有鲜明的战争式组织思维：目标集中、资源集中、责任集中、竞争对手明确。
"AI部队"背后的深层含义，是鲜明的战争式组织思维：目标集中、资源集中、责任集中、竞争对手明确。
特朗普反复强调美国在AI领域对中国的领先地位，也表明这项政策绝不只是国内产业政策。未来美国围绕高端芯片、先进算力、模型权重、科研人才、能源设施和对外投资的限制，很可能被纳入同一套竞争框架。
对中国企业而言，AI竞争将不再只是产品和技术的市场竞争，而将越来越受到出口管制、资本审查、供应链安全和地缘政治的共同影响。
三、"少立新法、严惩违法"是高效率模式，也存在明显缺口
特朗普的基本立场可以概括为：不要为了防范尚未完全发生的风险，提前用大量新规则限制整个产业；对于欺诈、盗窃、侵犯隐私、操纵市场或者其他违法行为，可以使用现有法律进行惩处。
这种治理方式有其现实合理性。AI技术迭代速度远远快于传统立法。如果每出现一种模型能力，就设计一套新的审批制度，法律很可能在出台时已经落后。过度细化的准入门槛，还可能把合规成本转化为大公司的护城河，使真正有创新能力的中小企业被排除在外。英伟达创始人黄仁勋等产业界人士也担忧，过度监管会拖慢创新速度，并削弱美国相对于中国的竞争优势。
但是，"现有法律足够"的判断也有明显局限。传统刑事和民事制度擅长处理已经发生、责任主体明确、损害结果可识别的违法行为，却不一定适合应对AI带来的系统性风险。
例如，一个高度自主的智能体如果在金融市场、电力系统或网络安全体系中造成连锁反应，等到损害发生后再追责，社会成本可能已经无法逆转。模型风险也往往不是某个人故意"作恶"，而可能来自目标设定错误、训练数据偏差、能力突然跃迁、多个智能体相互作用，或者企业在竞争压力下压缩安全测试。
这也是Anthropic等前沿实验室持续主张加强安全治理的原因。围绕AI风险，美国科技界已经形成两种明显不同的观点：一方认为不能用极端情景阻碍技术进步；另一方认为，越接近通用人工智能，越不能只依赖企业自律和事后追责。
特朗普显然更加偏向前一种立场，而近期英国国王查尔斯也公开提醒AI企业领导者警惕技术落入错误之手带来的生存性风险，说明全球对AI安全的争论并未结束。
创新与安全不是一道"二选一"的题。真正成熟的治理，不是监管越少越好，也不是规则越多越安全，而是把监管资源集中到少数可能产生不可逆后果的关键环节。
普通应用应当宽进宽出，前沿大模型、关键基础设施、自主武器、金融交易智能体和高风险生物技术应用，则必须建立能力测试、事故报告、红队评估和责任追溯机制。
四、"AI沙皇"提高了决策效率，也可能放大政治风险
美国任命"沙皇"并不罕见。其本质通常不是建立一个拥有完整法定权力的新部门，而是在总统授权下设立高层协调者，突破部门分割，推动跨机构政策执行。
AI确实需要这种协调机制。模型研发涉及商务部、国防部、能源部、司法部、国土安全部、证券监管机构和情报系统；算力建设又涉及电力、土地、芯片和资本。若各部门各管一段，政策很容易互相冲突。
因此，一名获得总统直接授权的AI统筹者，可能显著提高美国在算力、电力、政府采购、出口管制和产业扶持方面的决策效率。
但效率从来不是治理的全部。权力越集中，越需要明确的授权边界、专业评估和外部监督。如果"打击不良分子"缺乏清晰的法律定义，产业监管就可能滑向政治化执法；如果"保护美国领先"成为压倒一切的目标，反垄断、消费者保护、劳动者权益和模型安全就可能被边缘化；如果AI政策过度依赖某一届总统及其顾问的个人判断，也会加剧美国政策在不同政府之间的摇摆。
因此，"AI沙皇"的真正考验，不是他是否聪明，而是能否建立一套不依赖个人意志、可以经受政党轮替的制度能力。
▲图："AI沙皇"统筹的跨部门协调指挥中心
五、对中国的启示：不能只比模型，更要比国家产业组织能力
特朗普的表态再次说明，中美AI竞争已经进入体系竞争阶段。未来决定胜负的，不只是某一个大模型排行榜上的分数，而是谁能更有效地组织芯片、算力、电力、数据、人才、资本和应用场景。
中国的优势在于产业体系完整、制造业场景丰富、基础设施建设能力强，地方政府和国有企业能够推动大规模应用。短板则在于部分算力重复建设、数据要素流通不足、科研成果与产业需求脱节，以及一些地方仍然把发展AI理解为建设园区、购买服务器和引进几个模型团队。
如果美国以国家竞争的方式组织AI，中国也需要从"项目思维"升级为"生态思维"。不能只有算力，没有应用；不能只有补贴，没有采购；不能只有大企业，没有中小企业的低成本接入；不能只追求模型参数，更要追求AI对制造、医疗、金融、教育和公共服务的实际生产率贡献。
尤其需要警惕另一种倾向：为了安全而层层加码，最终把合规成本全部压在中小企业身上。真正需要严格监管的是高风险能力和关键应用，而不是让所有AI创业公司都承担与头部基础模型企业相同的义务。监管如果不能分类分级，表面上保护了安全，实际上可能固化市场结构、抑制技术扩散。
六、香港不能照搬"AI部队"，但需要自己的AI统筹机制
这件事对香港同样具有现实启示。香港已经把AI、算力、北部都会区和国际创科中心建设提升到长期发展层面，但当前最需要补上的，仍然是跨部门产业组织能力。
香港不需要照搬美国的"AI部队"，也不适合用军事化语言包装产业政策，但可以考虑建立一个由高层直接统筹的"AI发展与治理专责机制"，把创科、财经、教育、保安、数据治理、算力基础设施和资本市场政策放在同一张路线图中。
这个机制不能只是召开会议，而应拥有明确目标、年度指标、预算协调权和项目追踪能力。
香港的独特价值不在于与内地或美国正面比拼基础模型规模，而在于发挥国际金融中心、普通法体系、专业服务和连接内地产业的综合优势。香港可以重点发展可信AI认证、跨境数据合规、模型安全测试、AI金融产品、知识产权交易以及面向"一带一路"市场的AI出海服务。
同时，应利用港交所和香港资本市场，为真正拥有技术、订单和国际化能力的AI企业提供融资与并购平台。
对香港中小上市公司而言，AI也不能继续停留在概念包装和估值故事上。未来资本市场真正愿意持续定价的，是AI能否改变收入结构、降低成本、提升客户黏性并形成可复制的商业模式。
协会和专业机构应当帮助企业建立AI转型诊断、技术供应商筛选、数据治理、应用落地和资本市场表达的一体化服务体系，使AI从新闻题材转化为经营成果。
结语：AI竞争的核心，最终是制度的速度与质量
特朗普宣布组建"AI部队"，表面上看是一项充满个人风格的政治动作，背后却揭示了一个越来越清晰的趋势：人工智能正在从科技产业竞争，升级为国家发展模式和治理能力的竞争。
美国选择强调速度、市场和国家竞争，以集中协调解决部门分割，以既有法律处置现实违法。这套模式可能释放创新活力，也可能低估系统性风险；可能提高国家行动效率，也可能使技术治理进一步政治化。
真正值得中国和香港思考的，不是要不要也设立一位"AI沙皇"，而是能否建立比口号更稳定、比传统官僚体系更敏捷、比单纯市场放任更负责任的治理机制。
AI时代最终比拼的，不只是模型有多聪明，而是一个国家和地区能否在创新、安全、公平和效率之间，形成一套能够持续运转的制度。谁能更快把技术优势转化为产业优势，同时控制不可逆的社会风险，谁才可能真正赢得下一轮发展主动权。