4 政策与治理
概述
在全球范围内，AI政策不再仅仅局限于监管。各国政府也在投资建设和维护自身在基础设施、数据、人才和模型等方面的能力，正是这些要素共同构成了AI这项技术。制定正式AI战略的国家数量持续增长，尤其是在低收入经济体中，这一趋势更为显著。各级立法活动持续增加，在美国，尽管各州议会通过了创纪录数量的AI相关法案，联邦政策却转而放松了对AI的管制。在全球范围内，尽管越来越多的政府正在寻求制定自主的AI战略，但先进的模型开发和大规模算力仍然集中在少数几个国家。本章的分析数据来源于美国和欧洲的国家战略数据库、立法记录、国会听证证言材料、Epoch AI以及公共采购数据。
4.1.2025年全球AI政策重点新闻
4.2.国家AI战略
随着AI在经济发展和国家竞争力中扮演着越来越重要的角色，越来越多的政府正通过国家AI战略来规范应对措施。本节利用牛津洞察（Oxford Insights）咨询公司的数据，追踪国家战略正式采纳的情况及其地域扩展。该数据记录的是已发布的内容，而非具体实施方式或实施效果，因此结果应被视为政策意图而非实际进展。
- 按地理区域划分
2024年和2025年，更多国家采纳了国家AI战略，尤其是在新兴经济体中（图4.2.1）。这标志着AI治理模式与往年相比发生了转变，以往在AI政策制定中扮演较小角色的国家现在也开始制定正式的国家战略。
新的框架已逐步在以下地区实施：撒哈拉以南非洲（如埃塞俄比亚、加纳和尼日利亚）、南亚和中亚（特别是斯里兰卡和尼泊尔）以及拉丁美洲和加勒比地区（包括哥斯达黎加和牙买加）。墨西哥和南非也已在制定相关战略，这一趋势凸显了AI政策日益增长的全球影响力。高收入经济体也在不断推出新的战略，尽管速度较慢，且侧重于巩固已有的框架。马耳他等欧洲国家已发布更新后的战略，以符合欧盟《AI法案》的要求。
随着越来越多的国家采纳国家AI战略，人们日益达成共识，认为AI可以作为增强国家能力的杠杆。国际合作、技术援助和政策推广在这一进程中也发挥着重要作用。然而，下一个挑战在于战略的实施和监管能力的加强，尤其是在非洲，许多非洲国家仍然缺乏正式的战略，并面临在AI治理和准备方面落后的风险。
4.3.AI主权
随着AI技术在国际地缘政治和国家治理中日益占据核心地位，越来越多的国家制定国家战略，人们的关注点已转向AI技术栈中的控制、能力和依赖性问题。
从政策层面来看，AI主权指国家拥有自主研发和应用AI技术的能力。有意识地采取行动并作出独立的决策。在其管辖范围内，以及在某些情况下，通过标准、贸易和监管，在其管辖范围之外，对AI的开发、部署和治理进行决策。
随着AI在经济政策、国家安全、全球贸易和文化自主性方面变得越来越重要，主权的辩论已经从数据和基础设施扩展到包括AI堆栈的其他部分，包括计算、模型开发、人才和负责任AI部署。许多这些辩论建立在早期关于数字和技术主权的讨论之上，这些讨论侧重于政府对数字基础设施、数据流、能力和技术供应链的权力。如今，各国政府正从各个层面采取一系列措施，包括投资、采购政策、监管措施、国际合作和供应链战略。
- 基础设施主权
国内AI计算基础设施，包括高性能GPU集群和AI优化型超级计算机，已成为AI主权投资中最引人注目的领域之一。在政策讨论中，国内计算能力通常围绕以下几个方面展开：减少对外国供应商的依赖，限制受域外管辖的风险，以及在出口管制、地缘政治争端和供应链中断等情况下，为政府机构、研究机构和国内企业提供持续的访问保障。
在此背景下，国有或国家支持的AI超级计算设施的规模和可用性日益被用作指标 衡量“计算主权”的指标，同时还需关注其他相关措施，例如国内获取先进芯片、云容量以及决定谁可以使用这些资源以及用于何种用途的治理安排。
Epoch AI用于训练高级AI模型的大规模GPU集群的跟踪显示，2010年至2025年期间，国家支持的AI超级计算在大多数地区得到扩展（图4.3.1）。增长最快的是欧洲和中亚，集群数量在2018年至2025年间从3个增长到44个，这主要得益于协调一致的举措，例如欧洲高性能计算联合组织(EuroHPC JU)。同期，北美增长了近七倍，达到41个集群，鉴于其相对较高的基线，这一增长幅度相当可观，反映出政策转向专门的国家AI研究基础设施，包括通过美国国家AI研究资源计划（NAIRR），东亚（不包括中国）增长了约四倍。相比之下，南亚、中东和北非以及拉丁美洲和加勒比地区仅增长了两到三倍，到2025年分别达到2个、3个和8个集群。这些地区已经启动了多项扩容计划，但由于规划中的系统尚未建成，因此本文未将其纳入考虑范围。
图4.3.1
私有集群占据了大部分大规模AI计算能力，但在全球范围内，国有和公私合营集群在大多数地区也稳步发展。实际上，这种区分并不清晰，因为许多私营集群仍然可以通过商业云服务向公共部门参与者开放，公私合作可以涉及国内和国际参与者（图4.3.2）。
例如OpenAI的Stargate项目，通过跨区域的国家级伙伴关系，范围扩展到美国以外，包括阿拉伯联合酋长国、英国、阿根廷、韩国、印度和挪威。
另一种方法是与国家电信运营商合作，在本国内构建计算能力。这种模式因迎合各国政府的自主AI发展目标而迅速扩展。这些举措表明，私营企业在构建许多政府所定义的国家AI基础设施方面正发挥着日益重要的作用。
- 数据主权
基础设施主权侧重于对计算资源的控制，而数据主权则关注国家或地方行为体对其数据的收集、存储、处理和传输方式拥有多大程度的自主权。一种常见的方法是采取数据本地化措施，要求某些类别的数据保留在国家境内，或限制跨境数据传输。随着AI越来越依赖于庞大且多样化的数据集，数据主权已成为更广泛的AI主权辩论的核心维度。
自2000年以来，几乎所有地区的数据本地化措施都有所增加（图4.3.3）。采用率的急剧上升始于2016年左右，这与GDPR在欧洲及其后的“布鲁塞尔效应”的实施相吻合，其他国家也采用了类似的框架。区域模式可分为三大类：以东亚和太平洋地区（77项指标）为首的高本地化地区，紧随其后的是撒哈拉以南非洲（71项指标）和欧洲及中亚（66项指标）；包括中东和北非（44项指标）、拉丁美洲和加勒比地区（36项指标）以及南亚（24项指标）在内的中等本地化地区；以及北美，该地区仅有3项指标，仍然是显著的例外，反映了其长期以来流程优先的政策导向。
虽然没有统一的官方定义，但数据本地化措施通常被理解为明确要求数据必须在国内存储和/或处理，包括强制性存储要求和对跨境传输的条件性限制。
这种模式已有充分的文献记载，这反映了一种普遍趋势，尤其是在美国，即倾向于自由数据流动，而美国企业从中获得了不成比例的利益。例如，美国外交官最近被委派去抵制其他国家的数据主权倡议。与此同时，诸如限制向“关注国家”批量传输敏感个人数据等新兴限制，表明越来越愿意 实施有针对性的控制。
图4.3.2
- 模型主权
模型主权指国家对AI模型开发和部署的能力、影响力和控制权。正如前文所述，先进的AI模型开发历来集中在少数几个技术中心，主要集中在美国和中国。现在这种情况依然存在，但开源框架降低了准入门槛，越来越多的地区正在构建和部署自己的模型（图4.3.4）。这一趋势反映出，即使各国可以部署美国或中国制造的模型，也越来越重视模型开发的本地化。
图4.3.3
根据Epoch AI追踪公开报告的模型发布数据，2018年至2025年间，美国累计模型发布数量从237个增长至1618个。中国在2022年至2025年间也呈现出类似的加速增长，模型发布数量从151个增长至849个，增长超过五倍，表明中国国内模型开发能力迅速提升，并与美国模型开发领域的竞争日益激烈。这些数据反映了Epoch AI公开记录的全部模型发布情况，包括一些规模较小、知名度较低的模型。这与第一章中使用的知名模型数据集有所不同，后者采用更为严格的标准，例如最先进的性能和高引用次数。这两个数据集的年度变化趋势可能有所不同，因为此处更广泛的统计数据更能代表不断扩大的模型开发基础，而第一章1.1节中的子集则对前沿领域的变化更为敏感。欧洲和中亚地区呈现稳步增长态势，同期模型数量从127个增至666个，其中英国（229个模型）和法国（141个模型）贡献最大，而加拿大（被纳入北美地区）以125个模型位列第五。
2025年，东亚和太平洋地区（不包括中国）的示范项目数量从39个增加到330个，而中东和北非、南亚（主要由印度推动）以及拉丁美洲和加勒比地区分别只有74个、21个和2个示范项目。其中一些地区开始倡导国家或区域示范项目，例如智利的Latam-GPT，阿联酋的Falcon系列，以及新加坡的SEA-LION，但它们的总体规模仍然有限。此外，由于这些地区的模型记录和报告不够系统，这些数据应被视为保守估计。例如，撒哈拉以南非洲日益增长的小型和特定语言模型的生态系统根本没有得到体现。
总体而言，模型生产仍然高度集中，美国和中国在全球活动中占据了不成比例的份额。与此同时，来自AI相关GitHub活动的补充证据表明，开源开发正在更广泛地扩散到各个地区，但规模和能力方面仍然存在显著的不对称性。
- 应用主权
AI主权的第四个维度涉及一个国家公共和私营部门对AI下游部署的能力、自主性和控制权。应用层面的主权涵盖国内采购政策；医疗、金融和国防等领域的特定行业监管要求；以及数字公共基础设施（DPI）AI应用日益依赖于这些平台。这些平台共同决定了国家在多大程度上能够塑造其机构和公民与之互动的AI。
政府在AI相关合同和拨款方面的公共投资，可以作为衡量其如何在实践中落实这种主权形式的一个可观察指标，其中对美国和欧洲的公共AI投资趋势进行了全面分析。然而，除了公共投资之外，关于以主权为导向的AI采购偏好、行业部署要求以及AI深度包络识别（DPI）利用情况的全面跨国数据仍然有限，这既反映了该概念的新颖性，也反映了不同司法管辖区采购数据的不透明性。
图4.3.4
各国正日益将AI投资集中于与其制度优势和政策优先事项相符的领域（图4.3.5）。少数国家，尤其是美国、中国和几个欧洲经济体（英国、德国、法国），在几乎所有应用类别中都展现出高强度的投资。其他大多数国家则呈现出集中投资的趋势，表明其投资具有选择性，而非全面发展。
在欧洲，德国的优势在于工业应用（尤其是制造业），而爱沙尼亚的优势在于教育技术。撒哈拉以南非洲国家在金融应用领域投入更多，其中南非位居榜首。拉丁美洲的格局则更为不均衡，巴西的投资范围广泛，而智利和阿根廷等国则分别专注于医疗保健和农业应用等更具体的领域。在中东和北非，也出现了类似的动态，其中以色列因其在安全和国防应用领域的专业化而脱颖而出，这与其更广泛的战略相符。定位 作为全球网络安全中心。应用层不像模型层或计算层那样集中，因此为各国发展利基专业领域提供了更多空间，使它们能够在国内和国际上对这些系统行使更大的自主权。
- 人才主权
AI主权的第五个维度是国家发展和留住构建、部署和管理AI所需人力资本的能力。人才主权包含两个密切相关的动态：劳动力能力、国内AI技能和专业知识的储备，以及人才流动性（各国吸引、留住或流失AI专家的程度）。AI开发任意和发明人的国家层面分布和流动模式为了解这一维度提供了直接的窗口，前文已经进行了详细讨论。更广泛的劳动力市场指标，包括AI人才集中度和各国劳动力趋势，将在下文进行分析。
图4.3.5
即使在净流动保持稳定的情况下，跨境AI人才流动最近也有所放缓。流入和流出均呈下降趋势，表明人才越来越多地留在国家或地区体系内，而非在全球范围内流动（图4.3.6）。美国目前是全球顶尖AI人才的主要吸引国，但其领先优势正在迅速缩小。相比之下，印度正从人才净输出国转变为人才净吸收国。两国近乎镜像的关系反映了众所周知的事实：美国一直是印度AI人才的主要目的地。与此同时，中东和北非地区正在逐步取得进展，这表明在有针对性的政策和投资支持下，新的人才中心正在涌现。