摘要

中国官方的“AI Plus”倡议，是一场覆盖全经济的部署行动，而不是公开宣示要冲刺 AGI 终点。 Brian Tse 指向 2025年8月发布的指令：6大支柱覆盖科学发现、产业转型、消费、人机协作、政府效率与治理、国际合作，但没有提到 AGI 或超级智能。Tse 认为，“中国真正的 AI 竞赛，不是赶在美国之前赢得 AGI 霸权”；核心是把 AI 融入实体经济。
AI 安全已经进入中国的国家安全体系，因此政策连续性高于一份自愿性的企业承诺。 2024年三中全会将 AI 安全列为重大公共安全问题；2025年2月的国家应急预案把 AI 与网络安全、生物安全并列；4月的政治局集体学习则讨论了监测、预警和应急响应。国务院副总理丁薛祥提出的治理隐喻是：“如果刹车系统不在掌控之中，就不可能真正放心踩下油门。”
中国面向公众的消费级 AI，已经具备某种许可制度的雏形。 面向广泛用户开放的聊天机器人必须登记，向国家互联网信息办公室提供上线前访问权限，并针对31类风险进行测试；抽样输出至少96%必须被判定为合格，监管部门还可以要求反复测试和微调后再批准。已有超过500个系统和模型版本完成备案，而内部研究和企业对企业部署拥有更大余地。
中国的前沿安全研究者，越来越多地采用与西方同行相同的威胁模型。 Concordia AI 与上海 AI Lab 的框架，用“红线”标记不可接受的风险，用“黄线”进行早期预警，覆盖网络攻击、生物滥用、大规模操纵和失控；配套评测则测试了超过20个模型在自我复制、欺骗、谋划和不受控 AI 研发方面的能力。Tse 表示，中国约有31个团队发表过 AI 安全论文。
安全落地的缺口确实存在，但 DeepSeek 的证据指向的是快速迭代，而非漠视安全。 Tse 表示，中国开发者使用数据过滤、安全微调、RLHF、Constitutional AI 和实时监测，但合规重点仍集中在政府规定的31类风险上，大多数公司也没有公开 CBRN 或失控评测结果。Concordia 的 SAB-Bench Bio 测试显示，DeepSeek V3 对有害生物学提示的拒答率约为11%，V3.1 已升至54%——大致处于跨模型中位数；DeepSeek R1 自己的论文则承认，推理能力可能暴露更多敏感知识。
中国对开放权重和算力主权的投入正在同步增强。 DeepSeek、Qwen、Kimi 和 MiniMax 的开放发布带来透明度和全球分发能力，但也推动了危险数据过滤、防篡改安全机制、负责任许可证和平台监测等措施——Tse 表示，这些干预“可能并不起作用”，仍属于早期科学。与此同时，对 H20 后门的怀疑、因被认为质量偏低且有些定价过高而不购买 RTX PRO 6000D、Huawei 的 Atlas 950 系统，以及中国大规模电力建设，共同支撑起一套用规模、能源和训练效率弥补单芯片较弱性能的策略。
以破坏为基础的力量平衡，在 AI 领域没有核时代那么稳定。 Tse 反对“相互确保 AI 故障”，因为激进开发超级智能缺乏可观测的红线，而攻击对手数据中心可能成为通往战争的“发丝扳机”；他引用 METR 的图表称，AI 能够执行的任务时长每7个月翻倍。替代方案有3个支柱：共享的灾难性风险红线、持续评测与披露协议，以及当预警阈值被突破时预先约定的应急响应。
中国对 AI 的乐观，与切实存在的就业焦虑并存，尤其是在具身 AI 从演示走向工厂和街头之后。 约80%的受访中国学生认为 AI 带来的好处多于坏处，Tse 将这种信心与其父母一代有生之年人均 GDP 增长超过140倍联系起来；但青年失业、机器人马拉松、自动驾驶出租车和人形机器人，正在同时威胁白领工作与体力劳动。Tse 表示，国家拥有能源、数据中心和土地等大量关键基础设施，或许可以为分配 AI 红利提供路径，但政府对就业问题的回应少得出奇。

精读

1. Concordia AI 的设计目标，是连接那些很少同桌交流的机构

Tse 的职业路径横跨了他如今试图连接的多个生态：清华大学和一家中国深度学习硬件初创公司、最初在牛津大学创立的 Centre for the Governance of AI、Google DeepMind、Partnership on AI，以及 2019年前后与 OpenAI 围绕 GPT-2 的社会影响和发布策略开展的外部合作。
回到北京后，他与北京智源人工智能研究院合作，参与制定了中国机构最早的一批 AI 伦理原则。随后他创办 Concordia AI，目标是推动“一场更具凝聚力的全球 AI 安全对话”，把亚洲视角与学术界、产业界和政策界的跨界工作结合起来。
Concordia 的3根支柱分别是国家标准和政策咨询；与头部实验室直接合作，制定安全框架和实践；以及通过中国和新加坡的会议、联合国论坛和全球 AI 峰会开展国际交流。与纯研究型非营利机构不同，它直接参与中国的标准制定委员会。

2. 中国的 AI 版图地理分散，但政治上彼此相连

北京聚集了 Baidu、ByteDance、Moonshot AI 和 Zhipu AI，清华大学则提供了异常密集的研究者和创始人网络。上海拥有 MiniMax 等多模态初创公司，世界人工智能大会则把产业、投资、研究和政策注意力集中到一起。
杭州是 Alibaba 和 DeepSeek 的所在地；2025年走红的“六小龙”称呼，也包括 Unitree 等机器人公司。深圳则坐拥 Huawei 和 Tencent。Concordia 记录了中国约31个发表过 AI 安全论文的团队，主要集中在北京、上海、杭州、深圳和香港。
Tse 认为，与美国相比，更重要的区别在于，中国的科技和政策生态“交织得相当紧密”；而 Silicon Valley 与 Washington, DC 往往拥有不同的文化和激励机制。

3. 中国对 AI 的乐观，建立在亲历转型的记忆之上

有限的调查显示，中国公众普遍认为 AI 的收益会超过损害。一项 ChatGPT 发布后的调查发现，人们可以一方面相信 AGI 带来生存性风险，另一方面仍支持继续开发，因为他们认为这些风险在很大程度上可控；另一项调查则发现，约80%的中国学生认为 AI 利大于弊。
Tse 的解释来自历史，而不是技术乐观主义。他的父母出生于1960年代前后，来自福建，亲历中国人均 GDP 增长超过140倍，以及极端贫困率从1980年代初约88%降至接近零。
“当你亲眼见证，或通过父母见证过如此大规模的转型进步，”他认为，技术加上有能力的治理，看起来就像一个可信的改善社会的引擎。Labenz 接受这场非凡复苏的事实，同时指出它发生在一个极其低迷且造成巨大破坏的时期之后。

4. 中国沿着基础模型主流路线前进，但并未把它视为唯一道路

商业开发者基本沿用西方熟悉的技术栈：基础模型规模化、多模态、先进推理、智能体，以及训练、后训练和推理阶段不断增加的算力。Tse 表示，尤其在 GPT-3 成功之后，中国研究者和公司一直密切跟进西方进展。
一条受到重视的替代路线是具身 AI：在物理世界中训练并部署智能，而中国的制造业基础可能在其中形成战略重要性。这一方向不仅受到机器人初创公司的关注，也得到科学家和国家政策文件的重视。
北京通用人工智能研究院致力于开发能够在最少初始输入下，围绕复杂目标进行推理和规划的系统。该院院长将这种“少数据、大任务”路径，与训练大型基础模型所采用的“大数据”路线进行对比。
Labenz 反复得出的结论是，即使是这些替代路线，也能在西方找到对应物，包括具身智能项目，以及关注适应能力和样本效率的 ARC-AGI 式研究。差异在于侧重点，而不是两套完全分离的科学传统。

5. “AI Plus”把 AI 向全经济扩散设为终点

Tse 观察到，中国对精确 AGI 时间表或决定性终点的讨论远少于西方。企业家更关注技术自立、有用的应用、盈利能力，以及向缺乏 AI 能力的国家和社区开放模型。
中央政府于2025年8月发布的“AI Plus”倡议，把 AI 视为类似电力或互联网的通用技术。第一根支柱是科学发现，包括社会科学和哲学，因为北京认为研究提速可以成为下游一切领域的倍增器。
其他支柱覆盖自治工厂、物流、农业无人机和机器人；元宇宙、脑机接口等新的消费体验；作为人类协作者的 AI 智能体；更高效的政府和适当的治理；以及通过开放工具和模型开展国际合作，尤其面向全球南方。
对 Tse 而言，最关键的是其中的缺失：蓝图没有提到 AGI 或超级智能。他也否定了 AI 能让全面中央计划成为现实的旧式乌托邦设想；现实中的政府用途可以是灾害预警系统，而不是“解决社会问题的一颗统一银弹”。

6. 中西方研究者仍处于同一个科学共同体

自2012年前后深度学习革命以来，研究者参加同样的会议，在 arXiv 上发表论文，并把 NeurIPS 和 ICML 等会议视为比中文期刊更有声望的平台。大多数论文只用英文撰写，有时再配发中文博客摘要。
Tse 引用 Nature 在2024年的一项分析：对超过500万篇 AI 论文的研究发现，中美合作产出的工作，比任一国家单独开展的研究更具影响力和创新性。他还回忆说，有证据显示，中国而不是美国，是英国最常见的 AI 研究合作伙伴。
英语是这个领域的通用语，其历史上的“文化引力”源自西方工业化和殖民主义。中国头部实验室的大多数科学家都能阅读和理解英语，许多人也能熟练交流；与此同时，普通消费者可以使用大量免费的云端聊天机器人和视频工具，开发者则能够使用开放权重。

7. 北京已将 AI 安全纳入国家安全体系

在2024年三中全会上，中国领导层提出建立监管体系，并将 AI 安全列为重大公共安全问题。2025年2月更新的国家应急响应方案进一步把 AI 风险与网络安全、生物安全和自然灾害并列，而不再只是内容管控的一部分。
2025年4月，政治局约24名高级官员参加的集体学习进一步推进了这一议题。习近平同时提到“前所未有的发展机遇”和“前所未有的风险挑战”，会议通报则明确将监测、预警和应急响应列为 AI 风险管理的不同阶段。
这些会议向地方官员、投资者、企业和其他机构传递优先级信号。Tse 提醒，自上而下的指引并不能保证完美协调——各方会动态解读并作出反应——但它可以围绕一个持续数年的目标，动员全社会共同推进。

8. 连续性与一致性，让中国的安全信号具备执行力

Tse 首先将中国与 Washington 的差异归结为连续性：中国国家规划可以持续数年甚至数十年，而美国一届政府的 AI 行政命令可能无法延续到下一届。第二个差异是政策一致性：政治局确立基调，政府部门和地方政府普遍负责落实。
学术界也拥有不同寻常的政策通道。担心 AI 灾难性风险的中国学者，已经通过集体学习等渠道向领导层进行简报；Tse 将这种影响力与学术长期享有高于创业的社会地位联系起来，这可能减少商业游说和监管俘获的影响。
中国的讨论似乎没有在“立即暂停”倡导者与有效加速主义者之间形成同等程度的极化。主流立场更接近“中间路线”：更愿意接受监管，也不认为安全与能力发展必然是零和关系。
国务院副总理丁薛祥在 Davos 使用的比喻，概括了这种治理立场：“如果刹车系统不在掌控之中，就不可能真正放心踩下油门。”与之相关的“45度线”意味着，随着危险能力增强，安全措施也应同步加强，即使某些控制会带来延迟或用户体验成本。

9. 地方试验为国家规则提供样本，而不是造成监管碎片化

中国历史上的“市长经济”曾奖励省级官员追求 GDP、基础设施、房地产和投资。加入环境指标后，官员行为发生改变，并推动北京空气质量改善——Tse 以此说明，国家目标只有被转化为地方晋升激励，才会真正落地。
上海、深圳和其他省市的 AI 规划沿用了同一套试验传统。自动驾驶示范区先测试不同自动化水平，再推动国家层面的制度化；Tse 表示，中国的技术水平，包括 Baidu 的 Apollo 项目，整体上与 Waymo 大致相当，但社会可能希望这类系统做到比人类“安全大概10倍”。
一项自2025年9月开始实施的国家规则，要求对 AI 生成的文本、音频、视频乃至模拟环境添加明确标签和隐式元数据。上海组织 MiniMax 等公司和 RedNote 等平台，推动水印与来源信息互操作；但中国具有约束力的 AI 监管仍主要是国家层面的，而非按省份分别制定。

10. 面向公众的部署要通过31项测试，内部使用则保留空间

Labenz 的对比刻意尖锐：在美国，xAI 可以在 Grok 3 还会自称“MechaHitler”时推出 Grok 4，而无需任何强制性的上线前审查。相比之下，中国面向公众提供的聊天机器人，开发者必须向政府登记，并向监管部门提供模型的早期访问权限。
一项国家标准覆盖31类风险，要求抽样回答至少96%合格。地方网信部门会获得测试账号，开展红队演练，并可启动反复的反馈、微调和重新评估周期；过去两年已有超过500个系统和模型版本完成备案。
96%的门槛体现了技术上的妥协。初稿一度接近要求模型做到完美的真实性和可靠性，但经过为期3个月的公众和产业咨询，最终确认这对语言模型并不可行，因此正式规则放宽标准，而不是假装能够消除幻觉。
监管范围为部分创业活动保留了自由度：内部研究和企业对企业系统不受同样规则约束，但面向广泛用户开放的聊天机器人和推荐产品则受到监管。北京另行禁止医院在没有人在回路的情况下开具 AI 生成的处方；陪伴型角色应用依然存在，同时也有对儿童游戏时间的熟悉家长式限制。

11. 前沿风险思维正在收敛到红线与失控

TC260 的《人工智能安全治理框架 v2.0》覆盖包括失控、生物滥用和网络攻击在内的灾难性风险。框架强调在预训练阶段进行数据整理并移除危险知识，但 Tse 表示，这类上游措施目前还不是具有约束力的监管要求。
Concordia 与上海 AI Lab 的《前沿 AI 风险管理框架》借鉴了安全关键行业和国际实践。“红线”标记不可接受的阈值，任何开发者都不应跨越；“黄线”则提供早期预警信号，触发更强的安全和安保措施。
覆盖领域包括进攻性网络能力、生物风险、大规模操纵和说服，以及失控。配套技术报告评估了超过20个专有和开放权重模型，并将失控拆解为自我复制、欺骗、谋划，以及开展不受控 AI 研发的能力。
Labenz 的总结是，当前最大的差异存在于消费级监管层，而不是技术风险分类。中国和西方越来越多地描述同样的失效模式，并提出相似的纵深防御方案；与此同时，西方讨论仍然更着迷于 AGI 的事件视界。

12. DeepSeek 暴露出受监管安全与新兴风险之间的缺口

对于 Dario Amodei 批评 DeepSeek R1 缺少生物武器防护措施，Tse 的回应是，中国的安全体系由政府主导：企业会投入大量资源满足现有要求，这可能降低它们开展规则之外评测的意愿。但它们的实践仍包括数据过滤、安全微调、RLHF、Constitutional AI 和实时滥用监测。
薄弱环节在于披露和优先级。大多数中国开发者尚未公开发布 CBRN 或失控评测结果，因为其防御体系主要围绕受监管的31类风险设计，这说明，精细的合规制度可能落后于不断变化的前沿风险版图。
DeepSeek R1 经过同行评审的 Nature 论文坦率承认，开放权重可以被微调以绕过保护机制，而推理模型可能暴露更多敏感知识。论文报告的整体安全水平与包括 GPT-4o 在内的其他先进系统相当，而不是明显落在国际范围之外。
Concordia 独立开展的 SAB-Bench Bio 结果显示，情况正在变化：DeepSeek V3 对有害生物学提示的拒答率从约11%升至 V3.1 的54%，大致处于受测模型的中位数。Labenz 的质疑仍然成立：两国往往都是先发展能力、再发现危险，然后“及时”补上控制措施。

13. 开放权重仍具战略意义，安全措施被推入技术栈

中国2025年7月发布的《全球人工智能治理行动计划》认为，开源有利于创新、可及性乃至安全，整体上与美国支持开源的行动计划一致。但中国文件也承认滥用风险，备案制度可能进一步扩展到 CBRN、智能体系统、失控或开放权重治理。
Tse 表示，政策方向是纵深防御：在可能的情况下，于训练前移除危险知识，然后考虑防篡改安全机制、负责任使用许可证和平台级监测。他提醒，“其中许多措施可能并不起作用”；开放权重风险管理仍是一门不成熟的科学。
Labenz 提出分层技术栈：广泛发布的模型理想情况下应当是真正无法回答最危险的病毒学问题，而不仅仅是经过拒答训练；更完整的科学系统则可以继续部署在受控基础设施上。Tse 同意需要纵深防御，但没有声称这种具体的分层设计已经得到解决。

14. 出口管制正在加速中国的算力主权战略

Tse 表示，中国 AI 圈对美国秘密模型的“恐惧和偏执”不如美国舆论对中国的程度。但出口管制被广泛视为遏制中国技术进步、维持美国主导地位的尝试，其民用成本覆盖生成艺术、医疗诊断和其他高算力应用。
截至9月22日，中国公司并未购买 NVIDIA 的 RTX PRO 6000D，因为它被认为质量偏低且有些定价过高。中国监管部门还对 H20 芯片可能存在的后门提出担忧，具体包括远程定位和远程关机功能，使依赖对手的技术栈同时成为安全问题和供应问题。
Huawei 的应对包括 Ascend 芯片，以及已经宣布的 Atlas 950 SuperPoD，支持超过8,000颗芯片；配套的 Atlas 950 SuperCluster 则被描述为使用超过500,000颗芯片。Tse 认为，出口管制正在催生国产替代，而中国对关键矿产和稀土的控制，也让任何单向依赖叙事变得更加复杂。
Labenz 保留西方的反方判断：未来5年，以 NVIDIA-TSMC 为中心的供应链，仍可能制造出比中国先进得多、轻松超过一个数量级的芯片。如果情况如此，即使国内产能不断提升，拒绝可获得的 H20 也可能是一个代价高昂的选择。

15. 能源充裕，或可弥补单芯片性能较弱

Tse 提出的第一个补偿因素是架构规模。Huawei 的 CloudMatrix 384 使用的 Ascend 芯片数量超过5倍，但按他的说法，其整体性能足以弥补相较 NVIDIA Blackwell GPU 的单芯片性能劣势。
它的主要缺点是能效，而如果中国能够供应巨量电力，这一问题的重要性就会下降。Tse 表示，过去10年，中国新增的发电能力相当于整个美国电网，同时拥有全球规模最大的太阳能、水电和风电设施，并可能在核能部署上占据领先位置。
由此形成的策略是“以规模换功率密度”：生产或获得更多芯片，接受更高的用电量，并利用国家支持的基础设施运行这些芯片。分布式训练、高效的参数通信和强化学习，也在削弱一个旧有假设：每一次前沿训练都必须依赖一座高度互联的尖端数据中心。
第二个补偿因素是算法效率。Tse 认为，DeepSeek R1 以大约500颗 NVIDIA H100 芯片实现了自身性能，进一步强化了这样一个更广泛的判断：最先进 GPU 的原始数量，并不会一一对应到有用的模型能力。

16. “相互确保故障”无法通过可观测性测试

Tse 认可超级智能战略提案拒绝由单一国家主导 AI，但其核武类比在红线上失效。核武发射可以被探测；“激进开发超级智能”却无法被探测，尤其是在 METR 图表显示 AI 可执行任务时长约每7个月翻倍的情况下。
在北京看来，美国领导人预测 AGI 将在2027年前后出现，同时实施出口管制，可能已经呈现出一场垄断竞赛。如果这种认知足以触发破坏行动，那么这套理论无法可靠区分普通开发、危险加速和智能爆炸。
升级问题更加严重：摧毁对手的数据中心，意味着攻击对方最有价值的国家资产和关键基础设施之一。将这种意愿正式化，不但无法稳定威慑，反而可能制造一个由低可见度、误报和战争迷雾主导的“发丝扳机”环境。
Tse 的替代方案有3根支柱：国际社会共同约定，禁止能够推动大规模杀伤性武器扩散、不受控自我复制或自我改进，以及人类或其他国家再也无法理解和控制的智能爆炸的系统；开展持续评测并共享预警协议；以及预先准备更强管制、强制人工监督和危机沟通等应急响应。

17. 合作必须把安全研究连接到就业、机器人和现实生活中的合法性

现有机制提供了基础：美国和中国正在推动一项协议，确保核武指挥与控制仍由人类掌握；第二轨科学家对话则呼应了自1957年以来定期举行的 Pugwash Conferences on Science and World Affairs。新加坡提供了相对中立的会面地点、强大的保障生态、两国企业的办公网络，以及由超过100名专家共同发展出的安全议程。
Tse 倾向于建立一组安全排行榜，而不是一张“道德领域的 MMLU”，并提出制定类似国际航空标准的全球前沿风险框架。2023年的 Bletchley Park 峰会汇集了28个国家，并推动提名 Yoshua Bengio 牵头一份独立报告，由100名专家参与，试图打造一份“AI 安全领域的 IPCC 报告”。
中国的前沿安全领域已经从越狱防御和 RLHF，扩展到可扩展监督、机制可解释性、具身 AI 和超人类系统控制。超过20家中国大型公司签署了覆盖智能体和具身系统的自愿承诺；Unitree 的跳舞机器人、机器人马拉松，以及计划中的人形机器人与人类对抗赛，则把抽象能力转化为公众可见的基准。
这些 spectacle 也暴露出背后的政治经济学：自动驾驶汽车已经引发司机抗议，而受过良好教育的年轻人本就面临疲弱的白领招聘，可能转向配送或 DiDi 等同样受到自动化威胁的工作。国家拥有能源、数据中心和土地等大量基础设施，或许有助于分配 AI 利润；但 Tse 最后给出的处方刻意不够华丽：推进共享标准、联合研究、人与人之间的交流，以及政府仍然没有触及的“低垂果实”。

Vol.187 产业观察35｜张赛口述13年机器人创业史：“四大家族”兴衰、死磕到底、具身智能与出海 Trump：向旧金山派国民警卫队、中国稀土贸易战与AI公关危机