AI and the Global Battle for Tech Supremacy
53:25 Share

嗨，我是卡迪夫·加西亚，这是《新集市》。今天节目的内容是：当你转换视角，观察中国在扩散能力上的表现，即其在整个经济领域采用云计算或工业软件等其他信息和通信技术的能力时，你会发现它远落后于美国。杰弗里·丁谈论美国和中国在经济和技术主导地位竞争。

我必须说，很少有人能提出一个关于美国和中国争夺世界领先经济和技术超级大国地位的新颖、具有煽动性和说服力的理论。这是一个非常热门的话题，有很多评论，很难说出一些还没有被说过很多次的话。

但今天的嘉宾杰夫·丁是乔治·华盛顿大学国际关系学者，他做到了这一点。他是新书《技术与大国的崛起：扩散如何塑造经济竞争》的作者。杰夫理论的简短版本是这样的。

对于一个国家来说，成为第一个开发未来新技术并不像你想象的那么重要。真正重要的是两件事。首先，一个国家开发的技术是一般用途技术（GPT），

换句话说，这些技术可以使整个经济的各个部门都更有效率、更高效、更具创新性，就像计算机一样。计算机不仅提高了科技行业的生产力。我们都使用计算机。各个行业的工人都使用计算机来更好地完成工作。

第二件重要的事情是一个国家特别擅长传播这些通用技术，将其传播到整个经济中，这样这些技术才能使每个人都更高效。正如杰夫所论证的，美国在这两项指标上都比中国具有很大的优势。

但为什么呢？是什么让一个国家更擅长技术扩散？未来通用技术的领先竞争者是什么？如果一个国家想要成为或保持世界经济超级大国，它可以实施哪些政策？这些问题的答案都在我和杰夫进行的精彩对话中。现在就让我们开始吧。杰弗里·丁，欢迎来到新集市。很高兴来到这里。

在我们讨论你关于通用技术及其在经济中扩散的重要性理论之前，我想先谈谈一些单独的技术本身。我想从这里开始。你与海伦·托默和珍妮·肖合著了一篇文章，名为《中国人工智能实力的幻象》。这种幻象是什么？

我认为这种幻象特别在于这种信念：中国即将超越美国成为人工智能超级大国。因此，在那篇文章中，

我们展示了中国在人工智能方面仍然是一个快速追随者。具体来说，我们研究了中国实验室正在构建的26种不同的大型语言模型，并展示了它们仍然远远落后于美国，以及中国在部署其中一些大型语言模型方面面临的一些挑战，特别是

因为它需要对敏感的政治内容进行信息控制。是技术本身落后了，还是其他一些因素阻止了它们向世界展示与美国模式真正竞争的模型？我认为

当时我们撰写这份报告时，有几个不同的因素。一个是当时在高质量的中文互联网数据方面仍然存在一些主要的数据限制。像这样的英语数据更多。

如果你考虑学术论文，即使是一些最好的中国学者，他们也会用英语发表他们的作品。所以存在数据限制。这种情况已经有所缓解，因为中国实验室现在正在用英语和中文训练它们的大型语言模型。我们当时关注的另一个因素是计算限制，这部分是由美国对半导体等产品实施的出口管制所决定的。

在获取训练人工智能模型所需的高端芯片方面存在限制。最后一点与审查制度以及控制信息传播的痴迷有关。这有时与这些自由奔放的大型语言模型并不相符，因为很难预测它们的输出结果。因此，中国政府一直在努力规范这一领域。

而且有一些过于严格的法规对中国大型语言模型提供商施加了非常高的成本，以确保他们的模型不会散布任何敏感的政治内容。我明白了。所以这是一个负担过重的法规、落后技术以及美国和中国相互进行的某种经济战争的结合，这似乎确实正在减缓中国在人工智能方面的进步。对吗？是的，我认为……

这是所有这些因素的结合，但这让你了解了各种因素。有趣的是，中国似乎在一些技术上已经超过了美国、欧洲、日本和其他所有国家。具体来说，我指的是电动汽车、电动汽车以及用于电动汽车和其他物品的电池。而且

我发现这有点令人吃惊，因为你在你的许多研究中也提到过这一点，那就是截至目前，中国普通工人的生产力仍然远低于美国普通工人。过去，每当一个国家超越另一个国家或提出一种超越其他所有国家技术的技术时，生产力差异要小得多。中国仍然远远落后。你对中国能够在这几项技术上超越其他所有国家感到惊讶吗？

我认为从某种意义上说，中国公司在电动汽车等一些领域所取得的成就非常了不起。然而，在某种程度上，我并没有那么惊讶。为了给你一些背景信息，正如你之前所说，

在我的部分研究中，我研究了哪个国家超越另一个国家成为领先的经济强国？这通常是基于拥有更高效的经济，对吧？劳动生产力或经济学家使用的称为全要素生产力的指标。这是一个衡量潜在技术进步的指标。是的。因此，过去，当两个大国竞争时……

正如你所说，生产力水平的差距要小得多。一个有趣的例子是，日本最初的生产力只有美国的30%左右，但在某个时候，实际上将这一差距缩小到了只有5%。因此，对于日本来说，他们有很多不同的行业处于世界领先地位。这是在20世纪后期。没错。20世纪下半叶。没错。想想20世纪80年代、90年代。

与中国目前在电动汽车领域所做的事情类似，日本消费电子产品正在主导世界舞台。但日本的问题是，一方面，你拥有这些非常了不起的行业，但另一方面，一些其他行业，例如服务业，表现不佳。因此，它成为一个对比研究。因此，我认为如果没有这种普遍的广泛的生产力增长，我们可能会看到中国出现同样的情况，你确实有一些

非常令人印象深刻的行业，如电动汽车，但你也会有那些形成对比的行业。你也会有那些落后的行业。是的。关于这一点，一个有趣的事情，这正是你理论的核心部分，那就是通用技术与其他一些非常重要的技术之间存在差异，通用技术是可以影响

整个经济或大多数行业的各个行业的技术，而另一些技术则更独立。也许它们会产生一些积极的溢出效应，但它们不一定能使每个行业甚至大多数行业都变得更好，对吧？是的。我认为电动汽车是一个很好的起点，它是一项重要的技术，但它不是通用技术，因为……

电动汽车实际上只有一个用例，那就是交通运输。当然，交通运输对整个经济有一些溢出效应，但不像人工智能或过去的电力这样的通用技术那么多。我认为对此的一个很好的检验是想想人工智能的进步将从根本上改变未来的电动汽车行业。

而电动汽车的进步并没有改变人工智能领域。因此，一种技术比另一种技术更具赋能性。因此，过去，经济学家和经济史学家将这些通用技术称为增长的引擎，因为它们通常先于这些经济范围广泛的生产力增长浪潮。过去通用技术的一些好例子……

通用技术，它确实产生了这种影响。我猜想，电气化是最大的一个。是的。三大通常是电力、蒸汽机和计算机。因此，这些通常与过去的工业革命相对应。蒸汽机与第一次工业革命，电力与第二次工业革命，计算机与第三次工业革命。

例如，如果你考虑一台计算机，它不像只局限于IT部门。现在每个人都使用计算机。由于计算机，每个人的生产力都提高了。然后，最终，一些部分依赖于计算机的创新，如互联网等等，对吧？没错。这正是使GPT独一无二的部分原因，它具有在整个经济中扩散和传播的能力。因此，它具有普遍性。

与计算机一样，它并不局限于一个行业。所有开始使用计算机的其他行业也必须提出自己的补充创新，对吧？我们必须重组一切。

企业运营方式，我们必须重组我们在所有这些不同部门培训工程师的方式。因此，即使是工厂的运营方式，例如，这也影响了物理世界。它不仅仅停留在比特领域。没错。没错。这实际上是电力最具说明性的案例之一。

最初，当电力取代蒸汽机为工厂提供动力时，他们只是用电动发电机取代了驱动所有这些轴和皮带以驱动不同机器的中央蒸汽机。但这并没有真正带来生产力和效率的提高。只有当他们完全重组工厂布局时

这样每台机器都不再由连接到中央驱动器的这些轴和皮带驱动，而是每台机器都可以由电力驱动。这是一个更加分散的布局。这就是你获得生产力提升的地方。因此，还必须进行所有这些组织上的适应。

你在书中反复提到的一点是，我们应该对识别下一项通用技术的能力保持谦逊。你有一个很好的例子，20或25年前，人们认为纳米技术将成为一项令人难以置信的变革性技术。你不再经常听到关于纳米技术的消息了。它并没有消失或任何类似的事情。它就在那里。我相信正在改进，所有这些。是的。

但现在你更有可能听到关于人工智能的消息。你可能会听到生物技术领域发生的事情。我想放大一些现在存在的技术，看看我们能否识别出一些可能表明它们是未来通用技术的因素。那么，我们先从人工智能的案例开始吧。你认为……

人工智能的哪些组成部分可能使其成为一项惊人的通用技术，而不仅仅是我们用来与ChatGPT或其他任何东西交互的聪明工具？是的，我认为我会强调三点。首先，人工智能似乎显示出持续改进的范围。因此，对于通用技术来说，通常会有

一个围绕它的整个研究范式。因此，它不仅仅是一个非常具体的应用，它更像是一种基础性的转变。因此，我们看到人工智能就是这样，随着深度学习领域的增长以及人工智能正在发生的持续改进。我认为第二个组成部分将是所有正在使用人工智能的不同行业，我们开始看到各种各样的用例。

不仅在图像生成或汽车的感知能力方面，而且在编码辅助、写作辅助方面。现在你开始看到用例的拓宽。最后一点是我们可以使用一些数字和一些定量指标来尽早识别通用技术。所以

例如，如果你查看专利引用，那么对于一组机器学习专利与一组生物技术专利相比，引用机器学习专利的专利来自更广泛的技术类别。

比那些引用生物技术专利的专利。因此，当有人引用专利时，这可能表明他们开始使用该技术，或者他们试图在此基础上构建一些东西。

我认为这是人工智能作为这种空气GPT的理由。但正如你所说，我们应该对此保持谦逊。也许纳米技术正在回归。也许我们只是没有足够关注。也许生物技术也具有这些通用能力。但这些是你用来识别的指标。

是的，如果20年前的纳米技术布道者只是证明自己是超级早期的，而不是错误的，那就太好了。是的。这可能会发生，对吧？完全正确。你之前提到过，电力花了很长时间，几十年，才对我们如何做几乎所有事情产生如此广泛的影响。

如果我们最终在整个经济中使用人工智能，这也需要大量地重组我们的工作方式，这似乎同样有可能。这也是你的观点吗？这是我的看法，至少如果你看看这些过去的先例，像人工智能这样的通用技术需要几十年才能在整体经济中留下印记。现在，其他人，我认为是合理的，说也许人工智能在这方面有所不同。

现在我们开始看到递归改进，从某种意义上说，现在人工智能系统可能会帮助人工智能实验室进行更好的人工智能研究并开发更好的人工智能系统。然后你几乎得到了这个良性循环。因此，所有这些人工智能系统将开始相互沟通，改进将是即时的。感觉会是这样。对。那是感觉。那是推测。对我来说，我仍然认为就实际商业化和落地而言，它

它仍然会比这更混乱。你需要人类来监控这些系统，才能部署这些系统。你必须进行我们之前讨论过的组织适应。因此，对我来说，我仍然认为人工智能需要很长一段时间才能在经济中普及。你之前说过一些有趣的话，那就是人工智能是

可以帮助实现或至少改变电动汽车的制造、生产和使用方式。自主驾驶汽车也是如此，但我不知道，但它并没有朝另一个方向发展。你知道，电动汽车也许可以为人工智能提供一些额外的数输入，但除此之外，不会产生很大的影响。这是一种识别可能是什么通用技术的好方法。使用这种逻辑，

我想我现在还不想排除生物技术方面的东西，因为如果这能让我们所有人更健康，我不知道，让我们活得更久等等，这可能会反馈到经济中，因为我们将成为更好的工人，更清晰的思想家等等，对吧？是的。生物学是所有事物的基础。因此，如果你能让某人在所有这些不同领域成为更高效、更健康的工人，那么这将具有同样的普遍生产力提升。是的。是的。

现在让我们来谈谈你书中的理论，通用技术理论，以及它对一个新国家成为全球经济和技术主导力量、新大国，甚至可能超越当前大国的可能性意味着什么。因此，通用技术理论。

必须是使这成为可能的事情，或者多种通用技术，而不仅仅是通过一些新的、甚至非常令人印象深刻的创新来超越。我们之前讨论过这一点，但这算是第一步。对吗？正确。是的，它是……

首先确定哪些技术最有可能改变国家的经济命运。我认为通用技术就是主要的候选者。是的。你注意到许多之前的学者，国际关系学者或政治思想家，经常忘记这一点，对吧？他们会指出一些惊人的新创新，并说，哦，我的上帝，

我们完了。中国拥有新的电动汽车。很快，他们就会拥有所有东西。但这不一定是事实，对吧？这是传统思想家犯的一个大错误。没错。我们一起经历了一点

人们认为日本将成为第一大经济体，因为他们在某些行业处于领先地位，例如消费电子产品和半导体元件。以及汽车，一段时间了，对吧？以及汽车，没错。但他们并没有在通用技术方面处于领先地位，通用技术是计算机以及将所有这些不同的应用行业计算机化，不仅在制造业，而且在服务业。对。

第二步是，一个经济体必须有能力广泛传播这种通用技术，以便它可以精确地应用于许多行业，而不仅仅局限于其自身领域。对吗？是的。我认为，卡迪夫，如果你看看所有这些过去的案例，当你观察大国和崛起的大国之间的竞争时，你就会

在人工智能或电力等广泛领域，没有哪个国家能够垄断所有这些领域的创新。没有哪个国家会在人工智能或电力领域拥有唯一的先锋公司。因此，它不仅仅是开拓新的根本性突破的能力，而且是将其在整个经济中传播的能力。对。所以到目前为止，它是

你必须接近突破的尖端。这一突破应该是一种通用技术，并且你应该能够将这种技术在整个经济中传播。接下来的部分是我们进入美国和中国之间一些关键差异的地方，我们稍后会讨论。但让我们为每个人解释一下。技术在整个经济中传播的能力取决于什么？是的，我认为……

我们可以讨论很多不同的因素。在我的研究中，我关注的是建设人力资本的制度，因为一个国家的技能基础会影响其他所有事情。它会影响你的具体技术政策。它会影响专利制度、知识产权制度等。它会影响我们可以讨论的所有其他因素。

因此，我的论点是，在当前美国和中国之间的竞争中，成功适应人工智能，成功的人工智能领导要素将取决于该国机构、教育和培训系统扩大与人工智能相关的工程技能基础的能力。这是你书中的一段话。你写道，

当广泛采用GPT成为优先事项时，最重要的不是英雄发明家，而是普通的工程师，不加引号。你这是什么意思？

我认为，当我回顾所有历史案例时，传统观点确实会重视英雄发明家，例如詹姆斯·瓦特。特斯拉！特斯拉，是的。而且即使在今天，我们也庆祝技术专家，对吧？开拓性创新者。实际上，当我回顾并仔细研究了许多

经济史学家和技术史学家发表的新作品时，他们表明，例如，英国在第一次工业革命中在英雄发明家方面并没有真正占据优势。当时法国也在取得许多重大突破。但英国的优势在于该国平均技术水平。

他们需要熟悉应用力学。美国也是如此。在第二次工业革命时期，1870年至1913年，当时我们将我们最优秀、最聪明的化学系学生送到德国完成他们的博士学位。我们当时并不处于科学前沿，但美国能够在第二次工业革命中获胜，因为他们能够培训科学家

更广泛的机械工程师群体。你还强调，我从你最近的一篇文章中引用，激励技术转让的制度、贸易开放以及人力资本。开放对其他国家在这个过程中有多重要？

是的，我认为贸易开放如此重要的部分原因是，在这个时代，没有哪个国家能够独自完成这项工作。即使在最发达的经济体中，它们的大部分生产力进步也来自国际来源。因此，

对其他经济体的开放使你的公司、大学和市场参与者能够融入这些全球创新网络，以便你能够快速适应在其他地方开创的创新。美国大学系统，尽管存在缺陷，而且我知道有很多缺陷，但仍然是世界许多国家的羡慕对象。而且它非常庞大且多样化。

根据你的理论，这似乎是相对于其他所有国家的一个巨大优势。对吗？百分之百。对我来说，美国在适应所有这些方面如此成功的原因之一

通用技术是因为它对大学系统采取了分散的方法。因此，对，你拥有各种类型的大学的多种多样组合。他们可以设定自己的课程，并适应他们需要培养以传播不同技术的地方条件。因此，

例如，在美日竞争的背景下，日本塑造其软件工程课程的方法是非常自上而下的。让他们的教育部试图集中控制该课程，并试图培养这些卓越中心。所以这就像告诉人们学习什么，强调什么，而不是让人们选择，让它更自然一些？没错。我们在中国试图在其整个大学系统中实施人工智能专业课程时看到了这一点。

你永远不会在美国看到这样的事情，教育部说，好吧，所有这些学校都必须开设人工智能专业。你会让学校，对于一些学校来说，如果开设一个独立的人工智能学院是有意义的，或者一些学校会将其纳入计算机科学课程。我认为这部分优势在于美国系统的适应性。你之前提到过，拥有很多

人力资本，特别是使应用通用技术更容易的技能组合非常有帮助。你提到了人工智能工程在人工智能中的案例。我有一个问题是，如果应用人工智能真正有用的技能组合与过去应用先前通用技术有帮助的技能组合略有不同，会怎样？

如果一些创造力元素或其他类型的思维或其他技能通常是真正重要的，甚至是一些组合，会怎样？是的，我认为这是一个引人入胜的线索。我认为很有可能需要适应人工智能的技能并非必要。

只有那些与工程技能相符的技能。你可能需要培养创造力。你可能还需要培养对人文学科的很多知识，以便了解如何与这些系统互动以及与这些系统沟通。因为很多时候，特别是随着这些人工智能代理的开发，也许采用更多的是一种有效的沟通练习。因此……

需要学习很多不同的技能。我认为我之所以关注工程技能，是因为工程学科系统化和标准化了与这些过去通用技术相关的最佳实践。这降低了采用的门槛。这使得像你我这样的人更容易……

例如，使用工程协议来微调大型语言模型并将其应用于我们参与的特定行业。是的，也许甚至我们所说的工程本身也可能随着这种技术的发展而改变。绝对正确。我记得大约10年前，建议是每个人都需要学习编码。是的。

现在我不断听到的是，好吧，人工智能将使编码过时。你需要能够使用人工智能或擅长提示等等，而不是能够自己编码。

从一个到另一个只花了很短的时间。我知道这只是我道听途说。我相信编码仍然是一项极其宝贵的技能，或者也许它只是帮助你以某种方式思考。这本身可能非常有价值。所以我在这里有点开玩笑，但这对我来说很有趣，因为必要的技能……

有用，这可以在你的理论的背景下帮助更容易地传播技术。这些东西可能会改变。它可能会随着时间的推移而发展。没错。我认为这就是为什么在这个领域制定技术政策很困难的原因，因为

对于人工智能，如果我们在两年前或两年半前谈论，我们可能不会谈论大型语言模型。我们可能会谈论计算机视觉和面部识别，对吧？所以如果你……像谷歌地图或谷歌地球或图像识别，那种东西。图像识别，是的，使用……汽车中的AI等等。没错，使用AI技术尽早识别制造过程中生产线的缺陷计算机化。

计算机机器质量检验就是这个术语。这可能是我们的谈话内容。但是，如果你制定了侧重于为这些特定子领域培训人才的政策，你可能会错过自然语言处理领域的大规模爆炸，所有我们一直在谈论的大型语言模型。你引用了一些研究表明，专利和研发水平

在预测长期生产力增长和技术进步方面不如你刚才提到的扩散能力指标那样好。你对此感到惊讶吗？还是根据你的研究，你认为，不，这完全符合预期？令我惊讶的是……

我们经常关注的这些科学和技术指标，这些专利指标，这些研发指标并没有那么具有预测性。但仍然很重要。是的，仍然很重要。只是没有那么具有预测性。不如我们预期的那样具有预测性，也不如扩散能力指标那样具有预测性。对。

一些更具预测性的指标是关于特定技术主题的出版物数量。这更多的是该技术实际上被使用和传播的指标，并且存在强大的沟通渠道来共享有关该领域正在发生的事情的信息。

我想从某种程度上来说这是有道理的，因为采用才是技术真正发挥作用的时候，技术从实验室走向车间，走向实际应用。这里有一个你给出的具体例子。

这种想法似乎有助于解释我们如何在冷战中战胜苏联。我只是在这里引用你的话。到1970年，苏联的研发支出占国民生产总值的比例在全球领先，超过了美国。然而，他们无法广泛传播研发成果或由此产生的任何技术。对，对。我认为……

也许最突出的例子就是想想那个斯普特尼克时刻。苏联是第一个开创卫星技术的国家，但究竟是谁真正发展了一个基于卫星技术并将其应用于整个经济的强大经济体？不是苏联。苏联在经济上苦苦挣扎。

获得美国拥有的这些快速、几乎是自然发生的扩散过程，部分原因是他们的经济过于计划化。他们可以达到这些生产目标，但这并不是苏联中小企业自然想要采用的东西。灵活、自下而上、分散化。

市场驱动型系统与中央计划相比。这些都是你我正在进行的这次谈话中反复出现的话题。这似乎对扩散来说是一件大事。是的，我认为……

这绝对是难题的一部分。我认为在某些层面上，我们稍后肯定会讨论这个问题，但在某种程度上，国家可以实施一些产业政策和战略来纠正市场失灵的领域。例如，在技能培训方面，私营企业有时可能会低估对这些通用技术的培训人才的投资，因为他们担心他们会培训

他们的员工，然后他们会离开并使另一家公司受益。所以这是一个市场失灵的例子，你可以采取更协调和更有针对性的行动。但总的来说，我认为美国受益于其更分散的自下而上的流程，至少与一些计划经济体相比是这样。是的，我正在抢先讨论我们稍后将讨论的这一部分的政策含义。

但由于我们谈论了人力资本，谈论了大学系统等等，高技能移民似乎也是一种自然而然的方式。这部分可以是市场驱动的过程，部分可以是政策驱动的过程，我们只是让一些真正有才华的人更容易融入这个过程，对吧？是的，我认为——

这是美国优于日本的部分原因。日本无法获得更广泛的软件工程人才，因为他们有非常严格的移民政策，并且相对孤立于这些全球人才流动，而美国当时能够吸引如此多的软件工程师。是的，很有意思。我们现在也可以在这段对话中看到美国和中国之间一些关键差异的轮廓。所以，

你认为中国存在，用你的话说，存在“扩散赤字”，这就是说一个国家可能拥有非常强大的创新能力，但在扩散能力方面却落后。那么，中国存在这种扩散赤字的论点是什么？是的。所以——

例如，我们只关注人工智能领域。当你查看高度引用的出版物、专利，甚至是百度、字节跳动、阿里巴巴等强大的前沿实验室时……

即使你查看大型语言模型基准测试的一些性能，似乎中国在许多这些指标上都非常接近美国，甚至在一些以创新为中心的指标上超过美国。但是

当你转换视角，观察中国在扩散能力方面的表现，即其在整个经济中采用云计算或工业软件等其他信息和通信技术的能力时，它在这些指标上的表现明显落后于美国。这就是我当时想表达的意思，透明度。

中国在其科技生态系统中几乎有点头重脚轻，其创新能力远远超过其扩散能力。你还研究了每个国家培训普通人工智能工程师的能力。你这里有一个我想读的统计数据，这也很有意思。有一种衡量标准可以根据大学中至少有一位研究人员在领先的人工智能会议上发表过论文来衡量大学培训人工智能工程师的能力。然后你查看了2020年到2021年的数据。中国有29所大学符合这一标准。美国有159所。相当不错，对吧？

是的，我认为我当时想表达的是设定一个非常低的质量基线。你只需要有一位与你的机构相关的研究人员在已建立的人工智能期刊或会议上发表过论文。

这试图表明的是什么，就像你的实力有多深？能够培训普通人工智能工程师的机构范围有多广？在这个问题上，美国确实是世界领导者。中国，一旦你超越了清华大学、北京大学等顶级大学，

没有那么多广泛而深厚的大学队伍。这档节目的两位之前的嘉宾，Caleb Watney和Heidi Williams。

有很多非常有趣的想法，关于如何使学术界与产业界更相关，如何改善两者之间的沟通，以及如何追求更适用、更（你可以说）更实用的想法。但你说这在中国也是一个严重的问题。是的。在那里可能比这里更严重。是的，我认为——

有时很难跨不同系统进行比较，但我当时查看的一个指标是人工智能论文的数量，其中至少有一位来自产业界的合著者和一位来自学术界的合著者。美国在这个指标上领先世界。中国不到美国的一半。我同意美国存在问题，但我认为我们在这一方面仍然比大多数其他国家做得更好。

我前面提到，中国和美国之间似乎存在相当多的经济战。这并不令人惊讶。这种情况已经持续多年了。特朗普第一任总统时期，很多事情都加速了。但在拜登政府执政下，情况也是如此。如果有什么不同的话，那就是它被升级了。我们即将迎来一个新的特朗普政府。

最近，美国对中国的半导体制造工具和人工智能所需的高级内存芯片实施了出口管制。因此，美国使得向中国出口这些东西变得更加困难。然后中国最近进行了报复，禁止向美国出口镓、锗、锑、超硬材料，

我不知道这些东西有什么作用。我只知道它们是制造半导体、一些军事设备和电池所必需的。所以所有这些经济战都在发生，但你有点认为这是基于，再次用你的话说，一种错误的评估，即中国即将成为一个科学和技术超级大国，中国存在不同的风险。你能带我们了解一下吗？是的，我认为……

特朗普政府的许多做法以及现任政府的做法都非常基于这样一种假设，即技术领导地位取决于哪个国家能够垄断人工智能等快速增长的新兴产业的创新。

因此，通过专家控制，我们似乎试图建立“美国堡垒”，防止任何这些“皇冠上的明珠”泄露出去，因为这就是其他国家将如何超越我们的方式。而我试图在我的研究中提出的观点是，技术领导地位并非关乎哪个国家能够垄断该领域的全部创新，尤其是在通用技术方面。没有哪个国家能够主导创新。

关键在于谁能打这场持久战，谁能参加这场马拉松式的竞争，在整个经济中采用人工智能，这种运行速度更快的模式。所以这就是我……

不同意实际上似乎是两党共识的观点，即“美国堡垒”是与中国进行人工智能竞争的正确方法。非常有趣。你还研究了中国是学者迈克尔·贝克利所说的“巅峰力量”的可能性。他指出，如果你回顾过去大约一个半世纪，

“巅峰力量”是指经历了长期经济繁荣，但这种繁荣现在正在放缓的国家。因此，他指出，这使这些国家能够在全球舞台上有所作为，因为它们发展得如此迅速。它们在经济上变得更加重要，等等。但经济放缓也促使它们变得更加咄咄逼人，对吧？

你有点认为，我们应该关注的是这种风险，而不是任何一个特定技术领域的优势，无论该领域对经济的某些部分甚至对军事等方面有多重要。

我很有信心，美国非常有能力长期赢得人工智能竞赛。因此，你谈到的另一种风险，对我来说，应该更受关注，那就是迈克尔·贝克利的观点……

我认为表达这一点的一种方式是，一个弱势的中国可能比一个强大的中国或一个稳定的中国对美国的国家安全利益构成更大的威胁。因此，如果出口管制真的达到了预期的效果，那几乎是一种遏制形式。如果它们真的有效，如果你能够堵住所有漏洞，你可能会严重阻碍中国的整体经济增长。

因此，我们知道，处于巅峰的强国可能会对国际体系构成更大的危险。因此，在这种环境下，尤其是在我们现在所在的华盛顿特区，这似乎是违反直觉的。但这实际上几十年来一直是美国的外交政策，即强大而稳定的中国可能更符合美国的国家安全利益。但是，我们如何将这个想法与以下概念相平衡呢？

在国家安全、军事以及坦率地说，在许多经济领域方面，我们都希望尽可能安全。特别是，如果中国越来越将美国视为地缘政治对手，那么

似乎不可能避免这种局面。我并不是说我们目前将经济武器化对抗中国的方式是正确的方式。我不知道。但似乎其中一些是不可避免的，因为我们试图使我们自己，即美国，不那么容易受到一个将我们视为威胁或至少是意识形态和地缘政治对手而不是盟友的国家的伤害。完全正确。我认为……

这就是拜登政府目前的“小院子，高围墙”理念真正有用的地方，我认为，将会有一些竞争摩擦，正如你所说的那样，但你几乎可以将它限制在几个领域，而不会像冷战时期的集团体系那样影响整个经济？但这似乎太复杂了。

我之前也在播客中向保罗·克鲁格曼提出了这个问题的一个版本。他说，看，如果我们从中国进口很多玩具或鞋子等东西，

那些没有国家安全影响的东西，你知道，这完全没问题。例如，我们不应该对这类商品征收关税，仅仅是为了损害中国而损害中国。但在工业能力和国家安全方面，我们必须这样做。由于这种方法或这种想法，这意味着像半导体这样的东西将被卷入其中。然而，半导体显然对这两个国家来说都至关重要，因为它们要保持在技术前沿。

是的，我认为在实践中实施这一点很难，正如你所说的那样，正如保罗所说的那样。但我认为我的出发点只是对人工智能来说要明确。人工智能与玩具有什么不同？人工智能与半导体甚至有什么不同？

然后从那里制定有效的技术政策。如果你认为人工智能是一种通用技术，没有哪个国家能够将其垄断，那么

采用这种运行速度更快的模式更有意义。让我们谈谈你关于通用技术扩散理论的一些政策含义。是的。我们提到了高技能移民。这在过去显示出一些明显的优势。你已经说过，这对美国现在和将来来说显然是有利的。是的。

还有什么？在扩散方面，特别是对扩散部分而不是创新部分，是否存在过多的监管负担？当你纵观美国及其经济和政治格局时，还有什么可能有助于使美国在传播新技术方面做得更好？我认为我在我的工作中强调的一件事是如何扩大这个国家人工智能工程技能的基础？而且

有趣的是，《芯片与科学法案》实际上已经为此奠定了一些基础。最受关注的《芯片与科学法案》的计划是芯片部分，即对半导体生产设施的所有投资。但对我来说，该法案更重要的方面是科学部分，它对STEM劳动力发展进行了大量投资。

现在，我让你猜一下，这两个计划中哪个获得了更多资金。这笔资金的分配速度和实施速度都要快得多。我猜是芯片。完全正确。我认为这表明了这两种方法之间的张力。

没有选民，没有集中利益集团说，嘿，让我们让每个人的STEM劳动力教育稍微好一点。这几乎是定义上的分散、分散的利益。所以我推动的政策类型是充分实施《芯片与科学法案》政策的这一部分。

另一个可能的建议是为社区学院提供更大的支持，作为发展人工智能工程技能的另一条途径。这些将是一些关于技能形成方面的政策。此外，我们一直在谈论你不仅想要培养很多人工智能工程师。你希望他们拥有实践技能并与行业联系起来，对吧？这些大学与产业界的联系，对吧？

我认为加拿大政府实施的一些很酷的政策鼓励由产业界和大学共同资助的实习项目，以便让学生在校期间获得这种实践技能，获得这些体验式学习机会。所以这将是另一套政策理念。

你的许多研究试图推翻关于这些问题的许多长期思维，以及是什么使一个国家能够赶上或超越另一个国家。它得到了怎样的反响？我认为，好吧，我会说，来自……

美国国家安全界，我认为他们提出的主要反驳论点是，人工智能不同于过去的这些通用技术。特别是，我认为很多人都有这样一种观点，即人工智能将出现某种快速起飞的场景。我的意思是，

我们在谈话一开始就谈到的，人工智能系统变得越来越好，构建其他人工智能系统，然后与其他人工智能系统协调。就像指数增长的突然激增一样。指数增长的突然激增，瞧，你有一支由1亿程序员组成的军队，他们可以执行网络安全攻击并提升某种决定性的军事战略优势。他们

这与通用技术扩散图景大相径庭。所以对我来说，很难说，对吧？我们都只是在墙上扔飞镖的猴子。我认为我的方法是，

我试图根据对人工智能是什么样的思考来进行研究和预测。它就像一种通用技术。让我们看看过去通用技术的竞争是如何展开的。

对于这些人来说，他们非常了解当今人工智能领域的情况，了解前沿实验室的情况，非常了解这种内部视角。所以我认为没有一个是绝对错误的，没有一个是绝对正确的。我认为我们应该将这两种观点更好地结合起来，看看结果如何。我只是认为我们还没有真正拥有这种另类观点。所以这就是我想添加到这场辩论中的内容。非常有趣。你的工作让你对美国的经济和技术未来更加乐观吗？

对美国的经济和技术未来更加乐观还是悲观？这绝对让我对美国的经济和技术未来更加乐观。是的，我认为，正如我在书的最后一章中提到的那样，我得出的结论是，美国在与中国的人工智能竞争中处于非常有利的地位，我们引用的关于大学的一些统计数据，扩大人工智能工程技能的基础的能力以及美国在其整个经济的生产力方面已经拥有的起点。我认为这让我对以下方面更加悲观，我会说，是现任政府和未来政府在错过实际有效竞争的模式方面的轨迹。

这意味着你无法解决其他风险，例如我们谈到的那种中国反击的情况，或者你无法解决人工智能安全风险以及试图管理这些强大的人工智能系统的事故。这些事情可能需要更多合作，而不仅仅是竞争。

你认为人们经常误解你作品的什么地方？它不一定是关于你的作品或你的论文本身，而是关于你所涵盖的话题，人们经常弄错，而你很想纠正记录。我认为总的来说，一件有趣的事情

不一定是误解，但我认为一个非常有趣的线索就是这种技术决定论的想法。我们在多大程度上将技术赋予塑造全球政治的作用？所以也许一个稍微偏离我们一直在谈论的主题的例子是，想想所有关于中国输出数字专制主义的谈话。所以如果津巴布韦……

进口中国的面部识别技术，这将使津巴布韦更有可能变得更加专制。这就是技术几乎具有这种独立力量，它可以改变一个国家的政治。所以我认为人们正确地说这是一个误解。社会、人民，我们有能力根据自己的目的来塑造技术。技术只是一种工具。

对我来说，在我的许多工作中，我试图在这两种观点之间找到中间地带。技术并不能决定一切，但确实存在某些技术趋势，例如通用技术及其发挥作用的方式。随着时间的推移，我们应该看到一些规律性的模式。然后社会必须适应这些规律性的模式。杰弗里·丁，非常感谢你来到《新集市》。这是一次非常棒的聊天。感谢你的邀请。

这就是我们今天的节目。你可以在今天的节目说明中找到杰夫的书、他的学术论文和文章的链接。《新集市》是经济创新集团制作的节目。Adrian Lilly是我们的音响工程师，我们的音乐由Subfloor Studio的Scott Lane和DJ Harrison创作。

请在您选择的应用程序上关注或订阅《新集市》。如果您喜欢今天的节目，请给我们留下评论或告诉朋友。这确实是让其他人发现节目的最佳方式。如果您想联系我们，我在X（以前是Twitter）上，用户名是@Cardiff Garcia。或者您可以发送电子邮件至[email protected]。我们下期节目再见。