chanong
2024年2月，英伟达CEO黄仁勋提出主权AI的概念，呼吁各国都需要拥有自己的AI能力，引发全球热议。直观来看，这一颇具竞争性的观点与AI的效率属性存在冲突。作为数字技术的延伸，AI的排他性和竞争性较弱，更多人使用AI不仅有助于降低单位成本，还会提供数据、促进AI优化，帮助其他人使用性能更好的AI。从这一角度看，AI领域更多的国际经贸合作可令所有国家受益，各国的竞争动机理应更弱。
然而，公平和安全问题限制了AI的国际经贸合作潜力。企业在推动AI发展过程中占据主导地位，现阶段，AI技术领先的大型科技公司在各国间分布不均衡，美国等先发国家占绝对优势。这些大型科技公司可在全球展业、赚取收益，并通过投资、就业、税收等渠道反哺母国。相比之下，后发国家的资本积累和产业升级或将受阻，税收主权和社会安全甚至可能遭受冲击。因此，出于公平和安全的考虑，全球各国已展露出通过加大AI要素投入、限制AI要素流出等方式进行国际竞争的倾向，与主权AI的指向不谋而合。
在合作与竞争同时增强的国际经贸格局下，国家间AI相关经贸规则的重要性提升。AI发展影响国际经贸格局，展现出生产力对生产关系的影响。反之，生产关系也可作用于生产力，体现为相关经贸规则影响AI发展，甚至改变国家间的合作与竞争走向。比如，部分国家间已形成了高标准的数据流通、数据本地化等AI相关经贸规则，有助于一定程度克服公平和安全顾虑，发掘AI跨国合作潜力。此外，部分先发国家不当利用WTO安全例外条款，企图通过贸易保护主义行为遏制别国AI发展、扩大自身竞争优势，对AI发展的效率、公平和安全均有危害，国际经贸规则应适时更新以克制这一倾向。
在追赶AI技术（发展生产力）的同时，中国也需完善AI相关经贸规则（优化生产关系）。首先，释放大型科技公司等主体的创造力，鼓励其跨国经营，并积极提供符合商业需求的AI经贸规则思路。其次，结合企业需求和国家安全等因素，将《区域全面经济伙伴关系协定》（RCEP）等中国主导经贸协调机制中的AI相关条款“硬化”，如数据跨境流动、个人信息保护等。最后，推动WTO等多边机制在关税、知识产权、贸易统计等方面适应AI发展新趋势，为解决AI发展的公平和安全问题、发挥AI国际经贸合作潜力奠定基础。
Text
正文
历史上，重大技术进步通常深刻影响国际分工格局和经贸关系。18世纪前，技术进步缓慢、国家间交往较少，中国、印度等陆地大国实力突出[1]。工业革命后，蒸汽、电力等技术进步令英国、德国、美国迅速崛起，通过殖民和人口跨境流动实现第一轮全球化[2]。20世纪中后期，信息技术革命大幅降低了通信等贸易成本，美欧日等发达国家开始将产业转移至东南亚等新兴经济体，开启了以货物和资本流动为主的第二轮全球化[3]。进入21世纪，移动互联网的发展使得跨境数据流动呈指数式增长，加强了各国间的理解和联系（图表11.1）。
AI作为一项突破性技术进步，可能对当前国际分工格局和经贸关系产生正反两方面影响：一方面，AI可为国际经济合作带来新机遇。AI产业化和产业AI化浪潮催生出大语言模型、人形机器人、自动驾驶汽车等新产品和新服务，为全球经济注入增长潜力，有望进一步加深各国理解、促进经贸合作。另一方面，AI技术可能进一步加剧国家间竞争，拉大先发国家和后发国家间的差距，甚至重塑各国实力结构。综合来看，两股力量的结合会如何影响国际分工格局和经贸关系？各国会更强调独立安全，还是更强调合作共赢？中国又可以如何应对潜在的变化？这些是本章试图回答的问题。
图表11.1：技术进步影响交易成本，为国际分工格局和经贸关系形成奠定基础
资料来源：Our World in Data, IMF, ESCAP, World Bank, OECD. David S. Jacks, Trade costs in the first wave of globalization, Explorations in Economic History, 2010，中金研究院
一、AI技术带来国际经贸合作新机遇
（一）AI产业化：创造新产品和新服务
AI技术发展包含算力、算法和数据三个要素，意味着AI要从理论构想变为产业化落地，不是单一技术或产品的突破，而是相关硬件、软件、产品和服务等一系列产业的综合发展，实现这一过程本身就要求更多的国际分工合作。此外，AI产业化带来的新产品和新服务还将创造新的供需关系，令各国经贸联系更为紧密。
首先，AI产业化需要各国在研发、生产、监管等环节加强分工协作。AI研发高度依赖思想和人才的交流，过去几年全球AI技术的快速迭代和扩散，部分源于各国间AI联合研究持续增长、以及高素质人才的频繁流动。例如在硬件生产环节，仅半导体产业就涉及设计软件、单晶炉、光刻机、离子注入机等关键子产业，任何单一国家难以独立生产所有相关产品，因此要求更细致的国际分工，这部分带动了AI跨国投资增长。2022年，AI相关FDI同比增加44%，项目总数已与纺服/金融/交运等大类行业相当，且大部分用在东道国新增算力产能和数据中心[4]。监管环节，AI产业化在提升效率的同时也带来了各类监管问题，更多的国际磋商才能避免系统性风险，2023年11月全球28国及欧盟共同达成的《布莱切利宣言》正是国际社会的一个初步尝试[5]。
其次，AI产业化伴随着人形机器人、自动驾驶汽车等新产品的出现，货物贸易迎来新机遇（图表11.2）。一方面，AI开拓了新的贸易品类。例如，自动驾驶汽车集中体现了AI感知、决策和控制技术产业化，其出现大幅优化了传统汽车的驾驶逻辑和乘坐体验。Mordor Intelligence等市场调研机构认为，2024-2029年间全球自动驾驶汽车市场CAGR或可达22.75%，远超传统汽车产业[6]。英国政府在2017年进行过全面的市场分析，认为英国在智能网联技术领域具备一定基础，AI产业化或推动英国自动驾驶技术持续进步，从而实现市场占有率的提升，相关产品和技术的出口将从2020年的1.1亿英镑增至2035年的14.8亿英镑，可为出口增长贡献约2.7%[7]。另一方面，AI产业发展还为传统商品部门带来新的贸易合作机会，典型代表就是铜等商品的需求大幅增加[8]。以铜为例，Trafigura等大宗商品交易商预计AI、电动车和自动化技术的蓬勃发展将推动未来十年全球铜消费至少增加1,000万吨[9]，智利、赞比亚、秘鲁等矿产丰富的新兴国家可能从中受益。
图表11.2：AI技术具备促进货物贸易和服务贸易的潜力
注：GPU、工业机器人、锂电池、服装和书籍分别指HS代码为847180、847950、850650、61、49的产品
资料来源：UN Comtrade, Wind，中金研究院
最后，AI产业化不仅创造新产品、也创造新服务，拓展国际服务贸易合作。近年来，互联网等数字经济的发展降低了服务业的运输成本和复制成本，服务业变得更可贸易，催生了海外客服、金融海外服务、计算机和信息服务贸易等新业态。然而，当前服务贸易中仍存在较高的跟踪成本和验证成本，阻碍各国进一步深化合作[10]。具体来讲，跟踪成本使得服务出口方难以识别进口方的不同需求，因而不能提供差异化、针对性的服务；验证成本使服务进口方无法确定交易的真实性和合法性，以至遭受合规和供应链损失。针对此两类问题，推荐算法、智能合约、大语言模型等AI技术能够提供针对性解决方案，进一步促进服务贸易。比如，金融服务贸易涉及各类条款和交易方，跨国间信息不对称问题导致验证成本高昂，阻碍交易的最终达成。AI可自动检查服务是否符合相关的法律和行业标准，以及反洗钱和客户身份识别等硬性流程，为各国加深金融合作提供便利。除此之外，AI发展在实践中增加数据和数字服务等贸易需求，表现在ICT服务贸易在2017年后加速增长，不仅直接促进国际服务贸易，还在随后的几年中赋能金融服务、IP使用服务等现代服务贸易产业（图表11.2）。正因如此，2017年也被Fortune（《财富》）杂志称为“Year of AI（人工智能年）”[11]。
（二）产业AI化：降低交易成本，拓展传统产业的规模经济
随着AI产业化的深入，AI技术的使用成本逐渐下降，其他产业也可借助AI实现赋能、改造与升级，即产业AI化。在一国内部，不同产业可引入AI降本增效、提升生产效率，这一特性反映到国际层面，则表现为各国企业可通过AI降低交易成本，增加与其他国家的经贸联系。由此，传统产业规模经济效应的幅度和范围有望得到拓展。
首先，产业AI化可提升企业生产率，促进更多市场主体参与国际经贸合作。一般而言，企业的国际化经营（将产品推广到国际市场、与其他国家进行联合研发等）有利于提升经营业绩和核心竞争力。然而，真正能够实现国际化经营的企业在各国都是少数。大部分企业之所以无缘国际化，主要源于国际经营面临的高门槛导致“自我选择效应”，高生产率、实力强劲的大型企业更能承受跨国展业的成本和不确定性[12]。往前看，产业AI化或可从多个渠道弱化“自我选择效应”。首先，产业AI化增加了企业的产品创新能力。小型企业甚至个人均可利用AI生成复杂的产品设计图、宣传海报和文案等，大幅降低国际经营的固定成本。其次，产业AI化可拓展企业的出口渠道。各类跨境电商平台与AI有机融合，不仅为更多中小微企业提供出海机会，也通过算法帮助这些企业快速识别和捕捉需求变动，这也是AI帮助克服了追踪成本和验证成本的体现。
其次，产业AI化可降低企业国际经营的非关税成本，令跨国经贸合作更加稳定。新冠疫情期间，全球供应链遭受了较大冲击，一方面是因为各国停工导致的供应链停摆，另一方面是各国为加强边境管控、促进产业回流而施加的非关税成本。这种变化大幅增加了全球贸易的壁垒，仅2023前8个月，全球新增74万个相关监管规定[13]。更严重的是，非关税成本还会在中间品多次跨境过程中不断累积放大[14]，为国际经贸合作带来不确定性。根据联合国对国际贸易交易成本的拆解（图表11.3），贸易流程、文化、汇率等非关税成本已占到整个交易成本的60%-90%，远超关税成本（0-10%）和运输成本（10%-30%）[15]。在一定程度上，降低非关税成本已经成为国际经贸合作深化的重要突破口，这也恰好是AI的优势所在。
具体来看，一方面，eMT（eBay机器翻译）等产业AI化应用可针对性解决语言文化成本。2014年，eBay开发了eMT人工智能翻译工具，让以西班牙语为母语的拉美国家能够方便地浏览和选购eBay商品。功能上架后，服装、艺术品等差异化产品的出口增幅明显，大于手机、书籍等标准化产品[16]，表明简单的AI产业化应用便有助于提升搜索匹配效率，通过跨国贸易联系促进规模经济。另一方面，复杂的贸易管理规定和大语言模型的长处天然契合，有助于降低高企的制度和监管成本。以申报关税过程中所需填报的HS代码为例，同种商品因细微差异导致可对应多个代码，比如电动牙刷可关联222个HS代码。这些代码在每个国家不同、且频繁变化，易导致填报出错，如2017年前后全球HS代码申报错误率超30%[17]。填报错误不仅增加了出口企业的关税支出，还使其可能面临高昂罚款。对此，AI HS Code Recommendation Platform等大语言模型可即时学习海量的监管要求和代码变动，帮助企业提供最匹配的选项，其准确率可达到95%以上[18]，超出人类70%的准确率。鉴于产业AI化所展现出的潜力，2023年的跨国公司调研中，各公司普遍将利用AI进行代码分类、提升工作流程效率等视作最看好和期待的应用场景（图表11.3）。
最后，AI所拥有的广阔国际用户基础，为各国的产业AI化奠定基础。作为数字经济的延伸，AI产品的竞争性较低，一个人使用AI不仅不会影响其他人使用，还会提供更丰富的数据，从而帮助所有人更好地使用AI。此外，AI产品的扩散也呈现出一定的非排他性，ChatGPT仅用时5天就突破了100万用户，远快于其他通用技术和应用程序。现阶段，ChatGPT在全球188个国家和地区提供服务，月均用户高达1.805亿，加拿大、日本、美国等发达国家的人口有超过5%为活跃用户，印度、俄罗斯等新兴国家也有0.5%-1%的活跃用户[19]。从使用价格看，随着用户数量和投入规模的增加，百度、OpenAI等企业的部分大语言模型单价持续下降，每1,000个token的使用价格已低于0.005美元[20]，可被大部分国家的企业所接受。AI的低竞争性和低排他性使得产业AI化具有全球化特征，这反过来意味着一国抵制AI产品应用的代价高昂。2023年3月，意大利数据保护机构GPDP因ChatGPT涉嫌非法收集个人数据，且缺乏核实未成年人年龄的制度将其禁用。然而，这一政策引发大量国内民众及德国等欧盟成员国的不满，意大利在一个月后不得不撤销这一规定[21]。
图表11.3：非关税成本是国际经贸合作的主要障碍，可被产业AI化的丰富应用部分弥补
注：左图为2015年数据，右图为2023年数据
资料来源：UN ESCAP，Thompson Reuters，中金研究院
二、利益分配存在公平和安全问题
尽管AI技术可为国际经贸合作带来新机遇，但现实中各国的经贸关系反而因AI发展呈现紧张迹象，比如各国在AI治理方面迟迟未能达成共识等。究其原因，AI发展将伴随着公平和安全问题，削弱了其国际合作潜力，甚至可能强化逆全球化动机。
（一）公平问题：AI发展的收益在不同国家间分配不均衡
AI发展更多靠企业而非政府推动。以美国为例，私人部门在AI领域的投资远超政府投入（图表11.4）。其中，OpenAI、Google、Meta等私人大型科技公司（Big Tech）的投资尤为突出，催生了ChatGPT、Gemini、Llama等高性能大语言模型。此外，这些大型科技公司不仅掌握了AI的关键算力和底层算法，还主导各类AI治理准则的制定[22]，进一步增强其对AI发展的控制力。
大型科技公司主要分布在美、中、欧等先发国家。全球市值前百的大型科技公司中，超过60%位于美国，与第二名的中国、以及紧随其后的日欧等国差距明显（图表11.4）。各国所拥有的大型科技公司数量差距使得其发展AI的能力高度分化。2023年，全球仅有30个国家拥有超级计算机，意味着其余85%的国家可能缺乏足够资源参与AI训练和国际竞争[23]。
图表11.4：AI发展集中在个别国家的大型企业
注：右图为2023年数据
资料来源：Stanford University, Companies market cap，中金研究院
大型科技公司全球展业、获取收益，带来国家间公平问题。通常情况下，后发国家本土科技企业的产品竞争力较有限，需依靠海外公司的服务满足本土需求，这为全球大型科技公司提供了跨国展业和获利的机会。截至2021年，Microsoft、Amazon、Meta等美国大型科技公司拥有70%以上的国际用户和50%以上的海外收入[24]。以Meta为例，其用户数量前十名的国家中，仅美国一个发达国家，其余主要为印尼、墨西哥、泰国、埃及、菲律宾等新兴市场国家。大型科技公司在跨国经营的同时，其实体所在地、所有权和利益归属等却依然面临着国界的限制，带来跨国间的公平问题。AI发展的趋势下，不同国家在资本、产业、财政等各个方面的经济差距可能进一步拉大，主要体现在资本流入、产业发展和税收等层面。
AI发展或扩大不同国家间的资本流入差距。美国等先发国家拥有更多大型科技公司，可利用全球收益反哺母国。鉴于大型科技公司的母公司实体位于这些国家，对AI算力和数据的投入将帮助这些国家吸引全球的资金。早在2018年，美国大型科技公司在该国国内的投资已占美国所有上市企业的20%，对所有上市企业投资增长的贡献更是高达83%[25]。相比之下，后发国家不仅缺乏这样的资源，从美国等先发国家获得资本流入也面临越来越大的阻力。一般而言，后发国家的制度质量较低、主权风险较高，先发国家的资金在流向后发国家时相对谨慎[26]。科技资本的流动对一国制度质量、金融基础设施提出了更高要求，恐进一步削弱先发国家科技企业投资后发国家的意愿[27]。以全球大模型、数据中心相关的FDI为例，非洲、中东等地区的后发国家获得的海外投资与先发国家差距明显，且这一差距随着时间推移逐步扩大[28]。
后发国家的国际分工和产业升级进程受阻。资本流入减少，既影响后发国家短期的经济表现，也不利于其长期产业发展和国际分工。由于缺乏足够的资本积累，近年来南亚、非洲和拉美国家纷纷呈现提前去工业化的趋势，即跳过工业驱动、直接进入服务业驱动的经济增长模式。比如，菲律宾、墨西哥等后发国家凭借大量年轻劳动力和英语优势，在客服、代码编写等外包服务业方面发展迅速。在AI快速普及前，这种模式很大程度上支撑了这些国家的经济增长[29]，印度、菲律宾等国甚至一度被认为是“世界的办公室”[30]。然而，外包服务业的工作通常较为公式化和重复，可能会随着AI的发展而逐渐被替代。例如，IMF的研究指出，AI对此类业务外包职业的替代最为明显[31]。现阶段，菲律宾、印度、波兰、墨西哥和巴西是业务外包部门增加值占GDP比重最高的五个国家，菲律宾和印度的业务外包出口甚至占到全部出口的20%以上（图表11.5）。在AI技术的影响下，这些国家或将受到较大冲击，继续依靠服务业出口驱动经济增长的可行性减弱。
图表11.5：AI或替代后发国家的业务外包产业，也带来了新的数据标注产业
注：左图为2022年数据，右图为2020年数据。
资料来源：Kshetri (2021)[32], Capital Economics, 科技日报，中金研究院
AI可为后发国家带来新的产业和分工，但其贡献面临不确定性。在替代后发国家业务外包产业的同时，AI也催生了数据标注等新产业。根据Vision Research的研究，全球数据标注市场预计在2021-2030年间扩大六倍，整个产业规模或将超过400亿美元[33]。数据标注产业无需大量跨国资本流入，众多欧美企业在后发国家开办数据标注公司，并广泛招聘当地劳动力。比如，为OpenAI等公司提供数据标注服务的Sama在肯尼亚、乌干达等非洲国家雇佣了超过5万人；Scale AI在菲律宾、委内瑞拉等国雇佣了超过24万人（图表11.5）。在中国，2019年从事数据标注工作的人口也超过1,000万[34]，几乎与网约车司机、外卖骑手的总数相当。短期看，数据标注产业不失为一种新的国家分工形式，为新兴经济体提供发展机遇，弥补业务外包部门就业规模下降的损失。但动态看，数据标注产业的贡献也面临不确定性。一方面，数据标注产业存在任务较低端、人力资本提升有限、劳动者权益保护不足等平台经济的通病，导致收益的跨国分布不均。比如2022年OpenAI向Sama支付的数据标注费用为每小时12.5美元，但标注员到手仅约1.5美元[35]，绝大部分被先发国家的平台公司获取。另一方面，随着AI技术发展，数据标注等新兴产业同样面临消失的可能性。数据标注类似一劳永逸的工作，已完成的标注任务将提升AI能力，并减少相关的后续工作需要。此外， AI训练越来越依靠合成数据，进一步利好拥有大型科技公司的先发国家。考虑到业务外包产业可能被AI替代、数据标注等新产业的贡献不稳定，后发国家在国际分工和产业格局中的不利地位或持续加剧。
通过影响资本流动和跨国分工，AI发展在长期可能逐步侵蚀后发国家的税收主权。一方面，后发国家产业升级可能受阻，或导致其政府税收承压。另一方面，AI的技术属性将增强大型科技公司的避税能力，进一步降低后发国家的税收能力。现阶段，一国对跨国公司征税的基础是在该国存在实体。然而，中东北非、撒哈拉以南非洲等地的科技行业分支数量稀少，仅约为亚太、西欧等地区的十分之一[36]。此外，多数跨国公司通常将知识产权等无形资产定位在爱尔兰等“避税天堂”，再由各分支机构向母公司支付特许权使用费，使子公司在所在司法管辖区申报低至零的利润和税收[37]。在AI技术的推动下，主要大型科技公司的无形资产在近年来快速增长（图表11.6），其避税能力也相应得到显著增强。观察各国因大型科技公司避税行为所受损失占其GDP的比重，排名前列的主要为亚非地区的后发国家，部分国家的损失甚至超过其GDP的5%（图表11.6），对税收主权的侵蚀不言而喻。
先发国家也面临跨国企业避税问题，但相比后发国家更有能力获得补偿，进一步扩大国家间不平等。美国、英国等先发国家同样遭受较高比例的避税（图表11.6），但与后发国家相比，先发国家在维护自身税收主权和利益方面更具优势。首先，当前的国际税收改革由美欧等大国主导，更有助于其本身的利益。当前，主流国际税收改革包括17种思路，如基于多边谈判达成的公式分配、数据转让定价，基于单边谈判达成的转移利得税、预扣税，以及数字服务税、数据税等其他方式[38]。这些改革思路均以国家规模和实力为基础，后发国家或难以获得足够的话语权。其次，大型科技公司在其母国的投资和游说支出等，间接实现了税收和利益返还。2010-2020年间，Meta、Amazon两家大型科技公司对美国政府游说支出的年复合增长率高达52.1%[39]，不仅在一定程度上弥补了避税收入，也间接推动国际税制改革向更符合其利益的方向推进，可能加剧跨国间利益分配的不均。
图表11.6：AI发展可能强化大型科技公司的避税能力，侵蚀后发国家的税收主权
资料来源：Wind，Action Aid，中金研究院
（二）安全问题：大型AI企业或冲击后发国家的社会安全
除了经济层面，先发和后发国家的不平等还在社会层面得到强化。当前的AI技术以Transformer架构为基础，在规模定律的驱动下，AI能力与语料数据的多样化和丰富度高度相关。正如奥地利哲学家和语言学家维特根斯坦所说，“我的语言的边界，就是我的世界的边界”[40]。对部分后发国家而言，母语使用人数较少、高质量语料不足制约其AI发展，或在一定程度冲击其教育、文化等社会领域的发展进步。首先，现阶段全球共有约7,102种语言[41]，而ChatGPT仅支持80多种语言的问答[42]，使得小语种地区的民众难以直接受益于AI大模型，不利于其知识获取，拉大不同国家间的人力资本差距。其次，虽然目前已有部分针对小语种的专用AI大模型，但无法从根本上克服语料不足的弊端，相比ChatGPT等通用AI大模型的提升不明显。以印度泰米尔语为例，当地开发人员以开源Llama大模型为基础，训练了专门服务于泰米尔语的Tamil-llama[43]，但较多使用反馈显示，Tamil-llama的输出结果仍旧存在大量幻觉甚至是错误[44]。综合而言，AI技术革命放大了小语种国家语言使用人数较少、高质量语料不足的问题。作为对比，语言使用人数更多、语料更为丰富的大型经济体更有能力受益于本轮AI技术革命。
更具体来看，非洲、东南亚、南亚等小众语言密集的国家受冲击更大，各国内部所受的冲击也存在差异。根据美国中央情报局统计，全球小众语言多分布在撒哈拉以南非洲、南亚、东南亚以及中东地区的国家[45]，这些国家获取统一语料的难度更大，受到的影响比其他单一语言国家更明显。值得注意的是，这些国家内部受到的冲击也并不对称。以国内语言数量高达780种的印度为例，印度宪法中规定了22种官方承认语言，其中包括英语[46]。如果一个印度国民熟练掌握英语，就可以在很大程度避免语言带来的AI使用限制。然而，无论是印度，还是纳米比亚、博茨瓦纳等将英语纳入本国官方语言的其他国家，其内部能够掌握英语的人仅占少数。相关调查显示，2018年印度超高收入、高收入、中等收入和低收入的人群中，分别有41%、9.3%、2.5%、1.8%的人能够使用英语[47]，这种差异或进一步扩大后发国家内部的人力资本与收入差距。
依靠后发国家自身资源解决语料问题的成本较高、可持续性较低。后发国家本地非政府组织(NGO)或志愿者出于民族文化考虑搭建本国语料库，能够为训练本国的AI模型奠定基础。例如，K4A基金会资助了斯瓦希里语、卢干达语、契维语等9种非洲语言的语料库搭建[48]。这种方式能够部分弥补AI语料的短缺，但其通常是纯粹的公益慈善导向，不受商业利益驱动，可持续性较低。一般而言，语料库需要随着训练过程不断进行标注和更新迭代，后发国家恐难承受较高的后续支出需求。例如，CulturaX对部分小众语言的语料进行收集，但由于缺乏后续持续优化，相关研究指出其标注错误率超40%[49]，难以发挥最佳作用。
依靠与海外大型科技公司合作满足社会需求的效果更好，但会令后发国家面临安全风险。相比依靠公益慈善的前一种选项，与大型科技公司合作的商业属性更强，因而效果通常较好、更具可持续性。比如，Meta和多个非洲国家、国际组织等合作，利用技术推出了非洲30*30m人口分布地图、森林地图等，此外其他大型科技公司还针对非洲地区推出了农业产量预测、降水量预测等高精度AI服务。这种方式虽可直接服务非洲国家的某些特定需求，但也冲击了这些国家的政策主权，甚至使其面临安全风险。仍以Meta绘制的非洲30*30m人口分布地图为例，大量研究认为，Meta已经比本国更了解本国，大型AI企业的力量过于强大，甚至可能导致“AI算法殖民”[50]。在尼日利亚，地方政府从中央政府获得的资金与各地方政府的人口挂钩，因此长期以来，地方政府倾向于高报、虚报人口以获取更多收入。Meta地图的出现使其比尼日利亚中央政府更了解地方政府的实际需求，这对于尼日利亚等后发国家内部稳定性的影响有待观察[51]。
安全风险或造成持久的经济影响。在上述两种方式中，更多后发国家选择了第二种，体现为2018年前后尼日利亚等非洲国家超过90%的软件都是从欧美进口[52]，非洲从事小额信贷的领先金融科技公司Safaricom仅35%的股权归属当地政府、大部分由跨国公司和国际资本控制等[53]。此外，截至2022年，全球只有62个国家推出了自身的AI发展战略，超三分之二国家尚未考虑本国的自主AI发展，其中绝大部分是后发国家[54]。往前看，随着大型科技公司在AI发展中的地位持续增强，越来越多后发国家可能逐渐放弃通过自主创新、语料收集、技术迭代发展AI的第一种方式，取而代之的是更强的搭便车动机，即通过与大型科技公司联合的第二种方式，来服务本国利益。然而，过于依赖海外服务不仅影响一国的国家安全，或将抑制创新能力、资本流入和产业升级，从而对后发国家经济造成持久影响。
总结而言，公平和安全问题在很大程度上制约了AI发挥其效率潜力（图表11.7）。往前看，AI技术的进步或改变各国对传统国际分工和合作的态度，并深刻影响国际经贸关系。
图表11.7：AI具备促进国际经贸合作的潜力，但公平和安全问题恐制约效率潜力的发挥
资料来源：中金研究院
三、国际经贸协调机制面临变革
（一）各国的竞争动机或将加强
出于对公平和安全的顾虑，各国相比合作更倾向于加强竞争。一方面，私人企业在AI发展中占据优势地位，潜在的道德风险问题使各国对待AI技术采取更加谨慎的态度。例如，一国可能担心其他国家的自动驾驶企业收集本国用户数据，从而加强保护动机。另一方面，AI是典型的通用技术。技术领先国在扩散和推广AI技术时，难以分清AI技术在其他国家的最终用途。为确保安全，技术领先国的保护动机也将增强。例如，美国近年来频繁升级对其它国家的出口管制，装载人工智能芯片的电脑出口也受到波及。
从竞争手段看，各国正加大对AI要素的投入和吸引，同时限制本国AI要素流出。首先，多国在2023年起表态要以较大力度投入AI，德国在2023年8月提出要在2年内投入10亿欧元到AI研发，以缩小与行业领导者中国和美国的差距[55]。英国在2023年11月提出将投资12亿英镑，以减少对东亚半导体的依赖，并维持英国的全球技术领先[56]。阿联酋在2024年3月提出考虑提供1,000亿美元成立针对AI的主权投资机构，旨在与中国和美国竞争[57]。其次，多国针对外国AI人才出台了富有吸引力的移民政策，如拜登在2023年10月要求美国国务院将科学、技术、工程和数学（STEM）领域的J-1研究学者和F-1学生纳入即将推出的国内签证续签计划，并肯定高技能移民在AI领域的作用[58]。考虑到美国已吸引了大批国际学生留美深造和工作，并为其AI技术发展做出了切实贡献[59]，未来各国间的AI人才竞争或将加剧。最后，除了投入和吸引AI要素，各国也不断加大AI要素的流出审查。实体要素层面，2023年的国际贸易扭曲政策中，有较大比例是针对两用产品、高端科技产品、关键金属等AI相关要素（图表11.8）。虚拟要素层面，越南、墨西哥等后发国家在欧美国家的影响下，也制定了大量政策限制数据及敏感技术的流出。
图表11.8：各国采取更强的保护主义，以限制AI要素的流出
资料来源：US BIS，Global Trade Alert，中金研究院
大型科技公司愈发成为AI国际竞争的主要载体。在现行威斯特伐利亚国家主权体系[60]下，各国主权地位平等，且可较大限度排除外部势力侵扰，表现为实力强大国家想要干预后发国，在法理上难以成立。然而近年来，大型科技公司的发展为部分先发国家提供了合法干预后发国家的手段。各国所采取的AI要素流入吸引和流出限制等政策，在很大程度上也需依靠大型科技公司实现。对先发国家而言，大型科技公司是支持其权力扩张的关键力量，硅谷五大巨头（Microsoft、Google、Amazon、Meta、Apple）已然成为美国在数字时代保持竞争优势的重要支撑。与此同时，大型科技公司要想继续扩大规模也需要国家权力的支持，两者之间逐渐形成共生关系。
国家间的集团化竞争可能加剧。全球范围内，AI技术领先的大型科技公司主要位于美、中、欧三个国家和地区。其他后发国家及其企业难以承担AI发展所需的较高固定成本，只能被动接受先发国家的AI产品。为将自身AI产品推广到更多国家，以美中欧等先发国家为核心的集团化竞争逐渐加剧。以海底光缆为例，其近年来传输了95%以上的国际数据[61]，构成AI发展的基础。由于铺设海底光缆所需的成本较高，后发国家一般需美中欧等先发国及其企业的帮助才可连接。在中国企业2005-2025年间参与海底光缆投资中，与跨太平地区的连接项目快速减少，与欧亚地区的连接项目亦有一定下滑，与亚洲内部国家的连接项目始终居于高位（图表11.9）。2020-2025年间，亚太地区计划新增的海底光缆中，中国主导的新项目侧重与东南亚等周边地区连接。相应地，欧美等其他先发国家主导的新项目普遍与日本、东南亚直接连接，体现出各集团间不同的战略倾向。
图表11.9：以海底电缆为例：国家联手企业，集团化竞争加剧
资料来源：Alan Mauldin, The Subsea Cold War, Telegeography, 2023. Submarine Networks World，中金研究院
（二）现行国际经贸协调机制不足以弥合各国分歧
AI发展的背景下，面对各国的竞争动机加剧，而现行国际经贸协调机制存在不足，难以弥合各国分歧，或阻碍各国通过更多国际合作发掘AI的效率潜力。具体而言：
第一，部分国家不当利用国际经贸规则，出口管制等贸易保护行为脱离了适当的规则约束。在全球治理体系中，国际贸易是法治化程度较高的领域，已经建立起了以WTO为代表的国际规则体系。为确保成员国拥有在危急时采取原本不可使用手段自保的权利，WTO《关税与贸易总协定》规定了安全例外条款，明确协定的任何规定不得被解释为阻止缔约方采取保护其基本安全利益所必需的行动[62]。近年来，部分国家正是利用该条款出台单边主义政策，一定程度上扭曲了自由贸易。总结而言，由于WTO安全例外条款不明确，部分国家得以从自身地缘竞争、政治利益、产业竞争力等角度出发援引该条款，甚至将安全例外作为大量出口管制和单边制裁的合法化理由，损害多边贸易体系的有效性。
第二，现有国际经贸规则主要为工业时代设计，未能充分反映AI产业化和产业AI化的新趋势[63]。首先，AI发展加大了商品和服务的区分难度。随着自动驾驶汽车和人工智能机器人等产品逐渐问世，判断其到底适用于关贸总协定还是服务贸易总协定是一个关键问题。在当前贸易规则下，AI产品和服务关税容易被混用，或提升全球贸易成本、阻碍更广泛的国际经贸合作。其次，在AI可明显被视为服务的领域，当前规则也存在空白。比如，服务贸易总协定对会计、法律或医疗服务的市场准入承诺往往与认证要求或法人资格挂钩。对AI而言，Harvey、ChatGPT等大语言模型已可通过律师考试，但服务贸易总协定从未有过承认AI为合格法人的先例，这同样可能在相关贸易领域引发混淆与矛盾。最后，WTO知识产权协定（TRIPS）未规定如何处理人工智能生成的作品。现阶段，各国对如何处理人工智能生成的作品形成了不同的实践和判例。往前看，随着AIGC和跨境知识产权交易的增长，相关纠纷的数量和频率或随之上升[64]。
第三，国际再分配机制缺位，难以熨平先发和后发国家间的AI收益差距。Kanazawa等学者的研究表明，AI革命相比机械化、互联网等过往技术进步存在一个关键差别，即AI的技能偏向性更强[65]。原因在于，过往技术进步通常会提升工人、白领等非熟练劳动者的工作能力，同时以工厂为中心的生产模式也更有利于人力资本提升，这些部分造成了20世纪末和21世纪初期提出的“世界是平的”论调[66]。往前看，AI可能会强化高端人才的竞争优势，对高端人才更密集的大国更有利。在一国内部，公共财政可通过转移支付、社会保障政策等方式保护遭受不利冲击的群体；但在国际层面，以WTO、UN等为代表的现行国际协调机制难以真正反映并服务后发国家的经济利益[67]。不仅如此，OECD BEPS等当前国际税制改革思路也存在不足，比如方案研判过程主要由发达国家主导，发展中国家在第三届“金融发展”国际会议提出的体制改革提案被发达国家集体反对，拟定的改革方向也无法消除跨国公司的双重不征税问题，其补丁式解决方法反而可能使现有问题更加错综复杂等[68]。随着后发国家财政主权受到侵蚀，其熨平国内分配差距的能力也将下降，进一步放大先发和后发国间的经济发展差距。最后，先发国也可能以后发国利益受损为代价服务本国利益，加剧后发国家的安全风险。例如，如果AI服务建议使用大量合理的药物来治疗某些疾病，但美国本土对此类药品的审批有严格限制。在这种情况下，美国企业可能会选择其他国家专门测试AI服务的产品。现实中，许多大型制药公司已经在成本较低、监管较松的非洲进行药物试验。在缺乏适宜国际协调机制的情况下，这种监管套利的范围未来可能继续扩大[69]。
第四，《布莱切利宣言》等现有AI国际协调机制缺乏强制力，且易引致道德风险问题。为应对WTO等现有国际经贸协调机制的不足，28个全球主要国家和欧盟在2023年11月签署了《布莱切利宣言》，旨在增进各国间的理解和合作。宣言内容主要包括，“人工智能产生的许多风险本质上是国际性的，因此最好通过国际合作来解决。各国应考虑到有利于创新、适度的治理和监管方法，这些方法可以最大限度地提高效益，并尽可能解决与人工智能相关的风险。”整体而言，《布莱切利宣言》并没有对任何具体经贸、监管事宜提出清晰的合作路线，强制执行力较弱。这种不具约束力的共识本质上是各国间不可置信的承诺，或预示着《布莱切利宣言》的长期效果可能存在被削弱的风险。
四、面对AI带来的国际经贸冲击，中国的应对与问题
（一）国际层面：AI相关国际经贸规则的话语权偏弱
现阶段，中国对AI经贸协调机制影响力相对有限，主要体现为三个方面：
第一，中国大型科技公司的AI规则制定能力有限。全球AI治理规则更多由私人企业或社会组织制定，中国企业的规则制定能力可能存在不足。2016-2022年期间，美国、德国和全球提出的AI治理准则中，分别有68.6%、55.6%和45.8%是由企业和社会组织提出的（图表11.10）。对比之下，同期中国企业和社会组织制定的AI准则仅占中国全部准则的27.2%，绝大部分由学术机构和政府机构颁布[70]。这种差异既是中国AI企业出海进程迟缓的结果，同时也可能对中国企业未来的国际化经营造成阻力。
图表11.10：中国大型科技公司的国际化程度有待提升
资料来源：AICPB, Nicholas Kluge Corrêa, Worldwide AI ethics: A review of 200 guidelines and recommendations for AI governance, Patterns, 2023，中金研究院
第二，RCEP等中国主导的国际经贸协调机制较少涉及AI。与AI相关的数字贸易规则主要包括数据跨境流动、数据本地化、电子传输关税、算法和源代码公开、AI标准互认等条款。在这其中，中国参与度较高的RCEP基本未为缔约方设定明确的强制义务，更多是允许缔约方根据自身法律体系，对各项数字贸易主题进行个性化限制[71]。相比之下，其他国家主导的DEPA、USMCA、CPTPP、IPEF等同在2020年前后落地的国际经贸协调机制更为丰富和完善（图表11.11）。比如在数据跨境流动条款中，CPTPP要求除某些特定关于公共利益的数据流外，缔约方不得禁止或限制跨境数据流动[72]。类似地，CPTPP也明确禁止缔约方以在该国领土内使用或安置计算设施作为企业在其领土开展业务的条件。在CPTPP的基础上，美国主导的USMCA、美日DTA更进一步，设定了更严格的抵制数据本地化条款，旨在促进数据在缔约国间的自由流动。在算法和源代码公开方面，CPTPP、USMCA等均明确禁止缔约方以源代码转让、访问作为企业在其领土开展业务的条件，以维护市场公平竞争秩序。此外，顺应数字经济发展，欧美等国还推出了专门聚焦数字经济的贸易协定，包括IPEF、欧盟数字贸易协定、DEPA等，这些协定在AI方面的规则设置更为完善和具有针对性。例如，新西兰-英国自由贸易协定和DEPA均包含了成员国对通过合作和协调发展人工智能的承诺、以及人工智能标准互认协议等[73]。成员国中发展中国家占比较高的IPEF，也明确指出确保电子交易的监管框架符合国际最佳做法，以及加强数字服务准入、避免不公平贸易行为等[74]。
第三，中国与其他国家达成的实质性AI经贸合作实践较少，且多为软性机制。近年来，中国对本国AI规则的国际推广抱持相对开放的态度，比如《全球人工智能治理倡议》允许全球各国政府、国际组织等融入中国AI治理体系[75]。相比之下，美欧等国的AI国际合作目的性更强，更深度的合作模式帮助落地成果更为丰富。例如，美国近年来在北约框架下发布人工智能战略，促进成员国内通信情报、工业科技等领域数据的流通共享，并推动成员国人工智能标准制定机构的合作[76]。此外，美国还与澳、加、法等13国建立了人工智能防务伙伴关系，加强各国的研发投入和创新沟通；与澳、印、日三国建立了QUAD关键新兴技术工作组，强调在电信、技术原则的互联互通和国家标准机构间的合作。在双边合作方面，美国与欧洲联合成立了美欧贸易和技术委员会，与印度推出了美印人工智能倡议。通过具体的实体落地，以及配套的诸边和双边AI经贸合作机制，美国可将本国AI规则推广至亚太和西欧的关键盟友，并与盟友共同推动规则从区域化走向国际化[77]。对比来看，中美两国在AI规则推广时采取了不同的思路。虽然两种思路间并无优劣之分，但中国与其他国家间达成的AI深度合作相对有限，或一定程度制约了中国AI规则的效用和国际话语权。
图表11.11：相比USCAM、DEPA等，中国主导的RCEP等经贸规则在AI方面仍有优化空间
注：淡黄色为部分含有该类别内容，红色为含有该类别内容。图表为2021年数据
资料来源：World Development Report 2021，中金研究院
中国在AI国际经贸协调机制的不足，很大程度归因于以下两方面原因：
第一，中国与其他国家间的文化距离天然不占优势，一定程度影响他国运用中国AI规则。对比中美两国与其他国家的地理距离，更多国家与中国较为临近（图表11.12）。地理距离的临近意味着运输成本更有竞争力，这也为过往中国货物贸易的快速发展奠定基础。然而，对比中美两国与其他国家的文化距离，更多国家与美国的文化观、价值观更为接近（图表11.12）。考虑到当前大语言模型等AI技术对语言、文化的敏感度较高，每个国家利用本国语料训练出的大语言模型不仅表现出不同的知识能力，也拥有不同的思维方式[78]。相比美国企业训练的大语言模型，仅利用中国语料训练的大语言模型在向其他国家推广时的难度可能更大，从而对中国AI规则的推广造成不利影响。与此同时，大语言模型在更多国家和人群中的推广也意味着更多的数据，恐进一步加剧中国AI产业的不利地位。
第二，中国AI企业的出海进程略显迟缓，与国际接轨不足。截至2023年12月，全球访问前50的AI产品中，仅2个源自中国的AI产品上榜。根据AICPB对中国出海AI产品的月流量统计，排名前五名的为Fotor（图像编辑）、Cutout Pro（图像增强）、MaxAI,Me（浏览器助理）、PicWish（图片编辑）和PixAI.Art（图片生成），文心一言、智谱清言、通义千问等国内主流大语言模型均未上榜[79]。
图表11.12：中美两国与其他国家的距离：地理距离中国略微占优，文化距离美国占优
注：右图文化距离为2005-2014年数据均值，作者基于World Value Survey和基因距离计算了各国文化距离，即不同国家在价值观、文化观和社会观的相对差异。
资料来源：CEPII, Muthukrishna, Beyond Western, Educated, Industrial, Rich, and Democratic (WEIRD) Psychology: Measuring and Mapping Scales of Cultural and Psychological Distance. Psychological Science, 2020.
（二）国内层面：规则对外推广、政府投入方式等存在优化空间
国内AI规则相对充分，但推广至国际层面的进度较慢。早在2017年，中国国务院便提出新一代人工智能发展规划，制定了2030年前制定人工智能治理法规的时间安排[80]。随后几年中，国家新一代人工智能治理专家委员会、网信办等部门颁布了一系列AI治理规定，包括互联网信息服务算法推荐管理规定、深度综合互联网信息服务管理规定、生成式人工智能服务管理办法等[81]。近年来，大量国际研究高度肯定了中国国内的AI治理规则，比如认为中国从算法、模型等AI基础要素出发的管理思路具有较强前瞻性，与当前AI技术快速发展的背景更相契合，从而为后续充当“规则脚手架”[82]。然而，从规则内容和深度等维度来看，中国在国内制定的AI规则与在国际推广的《全球人工智能治理倡议》间仍存在一定脱节，未将国内丰富的发展和监管经验在国际层面进行推广和对接，限制了中国在全球AI经贸治理中发挥更大作用。
公共投入不足以弥补私人投资缺口，应对国际竞争的能力有待提升。AI技术改进需要大量算力、算法和数据投入，充足的资金是一国AI发展的必要条件。从私人投资看，中国AI私人投资占主要国家中的份额呈下降趋势，与美国的差距有所拉大。此外，公共资金的投入方式也有优化空间，以便将安全投入更好转化为效率。过去十年中，中国各地方政府投入大量资金到智慧城市领域。根据Beraja等学者的估算，2018年市、县两级政府人工智能相关技术的采购量约占所有层级政府的三分之二[83]。在一定程度上，地方政府的投入有助于人工智能企业获取更多资金，增加创新和出口竞争力[84]。但也需注意到，地方政府的投入尚未充分转化为效率，数据优势仍有待发挥，例如2020年多数城市智慧城市相关的数据库利用率可能不到20%，使用率较高的地区也不超过40%[85]。如果地方政府拥有的海量数据可被高效利用，或将丰富AI训练所需的视频和图像素材，提升中国AI产业的国际竞争力。
五、思考与启示
（一）国际层面：积极参与多边机制改革，以AI科技企业出海为推手，落实区域AI经贸合作
积极推动WTO等多边经贸体系改革，增强多边机制的运用能力。在贸易保护主义抬头的当下，WTO等多边机制面临一定挑战，催生了关于多边机制在推进国际经贸合作方面是否已经过时的疑问，例如是否要转向特惠贸易协定为主的诸边或双边机制，相应的从浅层一体化转向深度一体化。但正如有研究指出的[86]，即便是在新技术发展和新的国际竞争格局下，国际经贸合作所需的规则在根本上仍存在共通之处。换句话说，WTO等多边机制并未过时，过度倚重双边或诸边模式反而可能因其封闭性而有损国际经贸合作。相应的，国际社会可积极推动多边机制改革以适应AI时代新的生产力和生产关系要求，例如允许部分成员国在WTO框架下签订仅适用于这些国家的关键多数协定（critical mass agreements）等，并向其它成员国开放，从而在最大限度发挥WTO积极作用的同时，克服诸边贸易协定的封闭性[87]。基于以上考虑，中国可在具体两方面利用好WTO等多边机制。
一方面，可加强同包括发展中国家在内多数国家的沟通协作，在WTO、G20等多边机制中框架下推动符合尽可能多国家共同利益的AI经贸规则，例如协调数据本地化规则、明确商品和服务含义、增加先发国家的税收承担义务等。此外，还可基于获得尽可能多支持的机制，将相关规则内容逐步推广至整个多边规则体系，帮助多边机制吸收、适应AI产业化和产业AI化的新趋势，避免AI的国际经贸规则体系被部分先发国家的诉求过度主导。以国际税收改革为例，本轮国际税改主要由G7国家在OECD和G20等多边平台推动[88]，发展中国家的利益诉求较少被考虑，这一矛盾在AI发展的背景下或将更加突出。对此，中国既可通过OECD和国税总局共同设立的多边税务中心，对发展中国家进行税收培训与技术援助；也可通过金砖国家平台，向重点合作国外派税务官，与其他成员国加强对话并共同提高税务适应与改革能力，从而推动国际税收改革反映广大国家的诉求和利益关切。
另一方面，可着重增强WTO等国际经贸协调机制的利用能力，推进WTO争端解决机制正常运作，保护中国企业跨国经营的正当权益。具体而言，中国可进一步加深对WTO安全例外条款、公共道德例外条款等规则的理解，巩固通过多边机制维护自身合理利益的法律基础[89]。此外，中国可以关键多数协定等为载体，尝试在WTO框架下牵头制定遵循《技术性贸易壁垒协议》六项原则的人工智能领域国际标准、以及符合中国和广大发展中国家价值观的电子商务联合声明等。通过开放包容的合作形式，各成员国可共享中国AI规模经济带来的广阔经贸合作机遇，并规避贸易规则碎片化带来的损失。
在坚持和加强多边体系的同时，也可利用好诸边/区域贸易协定，综合发挥各类机制的积极作用和协同价值。WTO可在争端解决、沟通协作、关税减让等浅层领域发挥有效作用，但难以解决AI发展对国际经贸格局带来的两大挑战：第一，AI对国际经贸关系提出了新问题，比如如何处理AIGC的知识产权。第二，AI也以新方式提出了老问题，比如如何看待AI等数字经济产品适用于商品关税还是服务关税等。这两大问题需要国家间实现更深层次的合作，诸边/区域贸易规则相比WTO等多边贸易规则具有一定优势[90]。现阶段，中国已然在RCEP等区域性经贸规则中提出了部分AI相关条款，但如前文所述，这些条款存在着强制力较弱、涵盖内容较少等问题。向前看，中国可继续加强与AI相关的诸边/区域经贸规则的设计和推动能力，尤其是可更注重科技企业的作用，充分利用其跨国经营经验和专业知识，帮助相关规则更易于实操落地、并贴合现实需要。
强化企业海外合规经营能力，为AI科技公司出海提供政策便利。当前，大量中国本土企业研发的AI产品无法在境外使用，不仅影响了这些企业的商业化进程，也不利于其他国家增进对中国的社会环境和思维方式的理解，这与中国部分大型科技公司的海外合规经营能力有待提升有关。对此，新能源汽车行业的政策经验或可为AI企业出海提供参考（图表11.13）。比如在企业国际化经营能力方面，可出台相应举措鼓励或便利企业的海外研发合作。在海外合规经营方面，可鼓励行业组织、智库机构等开展AI产品的海外合规培训，编发国别贸易指南等。鉴于AI技术发展拥有更迫切的跨国合作需要，且相关科技公司是关键载体，中国也可参考本国新能源车行业的政策经验，在加强金融支持、推动国际标准互认等方面发力，为AI科技公司出海提供政策便利。
图表11.13：新能源汽车行业的政策经验或可为AI企业出海提供参考
资料来源：《商务部等9单位关于支持新能源汽车贸易合作健康发展的意见》，中金研究院
发挥大型科技公司的主观能动性，鼓励其在国际展业过程中形成符合商业需求的AI经贸规则思路。大型科技公司是推动AI技术发展的重要载体，其对于形成AI经贸规则也能做出关键贡献。以Meta为例，其作为大语言模型的后发者，为了追求与ChatGPT等先发产品的竞争，主动将旗下开源大模型LlaMa开源。在LlaMa开源后，多国高校和企业以LlaMa为基础开发了本地大模型。随着市场占有率的扩大，Meta在大模型领域的国际经贸规则话语权大幅提升，并从两方面获得竞争优势。一方面，开源模式有利于大语言模型的推广和技术迭代。LlaMa1推出后，GitHub共录得各国开发者提出的10w+LlaMa调取和2k+问题反馈。另一方面，开源模式帮助Meta获取更多的数据和市场。2023年，印度政府和Meta签署合作备忘录，利用LlaMa等模型优势构建印度语言数据集，改善对不同人群的公共服务供给[91]。对中国大型科技公司而言，或可以Meta推广LlaMa的经验为参考，通过开源等方式打造更为完善的AI生态，在实现自身商业利益的同时，在数据流动、隐私保护、跨境算法监管等方面为国家AI经贸规则的构建做出前瞻性探索。
在具体抓手上，中国可以“一带一路”倡议、RCEP等机制为载体，与各国合作推动AI经贸规则、完善争端解决机制。相比欧美等发达国家，越南、泰国等新兴国家与中国的文化距离更为接近，对中国AI产品的适应性和接受度可能相对更高。比如2023年，越南继新加坡、俄罗斯、乌干达、沙特之后，成为第五个将汉语纳入必修课的国家[92]。在AI快速发展的背景下，这些国家的行为将使得更多人群有机会、有能力接触中国的AI大语言模型，并在使用过程中更加了解中国。现阶段，中国主导的“一带一路”倡议、RCEP等对AI规则的涉猎程度较小，难以逆转区域内部AI规则的碎片化趋势或推广中国AI产品，对最终中国与各国的AI合作贡献有限。作为对比，智利、新西兰和新加坡签署的数字经济合作伙伴协议（DEPA）包含专门针对人工智能的章节，要求各国采用道德框架来治理这项技术[93]。往前看，中国可以大型科技公司跨国展业形成的AI经贸规则、国内应用成熟的AI监管规则，以及借鉴DEPA等深度PTA中的人工智能条款，着手丰富“一带一路”倡议，以及RCEP等国际经贸协调机制，增加或修订AI相关经贸规则。例如，中国可在数据跨境流动、数据本地化、数字产品非歧视等领域针对性优化，增进中国方案与其他国家需求的契合程度。在区域经贸规则的执行上，2023年5月21日，欧盟理事会正式批准《人工智能法案》，该法案在欧盟委员会层面设立了AI办公室，帮助协调成员国家或地区之间法案的一致应用，该办公室将直接执行GPAI规则，并能够对各成员国/组织进行罚款，并强制采取纠正措施[94]。中国或可参考欧盟人工智能法案的经验，在相关贸易规则中引入受各方认可的争端解决和违规处罚机制，推动软法的“硬化”。
增强与欧美科技界的联系，尝试吸引更多海外AI人才回国。近年来，在美国“去风险化”的政策导向下，中国学者和企业与美国交流面临一定障碍。对中国而言，可坚持扩大开放，积极尝试通过更多渠道加强与美国等发达国家科技界、研究界等群体的接触和交流。此外，根据MacroPolo智库的研究，2022年全球AI人才中有约38%本科毕业于中国，但这些人才在研究生阶段和工作阶段大量流向美国、欧洲等其他国家[95]。有鉴于此，也可针对性创设AI国际人才的引进计划，打造具有国际竞争力、与国际一流机构联系密切的就业环境，吸引更多本土优秀人才回国创业工作。
（二）国内层面：优化公共资金投入，调动企业积极性，加强抵御AI公平和安全冲击的社会保障
优化公共资金的投入方式，增强应对国际竞争的能力。首先，可适度提升公共部门对AI研发和应用的资金支持力度，撬动更多AI私人投资，通过公私合作共同为AI技术进步奠定基础。其次，在兼顾安全的同时，公共资金的投入可适当关注效率导向。以地方政府的智慧城市投入为例，市县两级地方政府每年采集大量人工智能相关的产品和服务，沉淀了大量未充分开发的数据资源，可针对这些数据进行盘活、利用，从而更好的发挥中国作为大国所拥有的数据规模优势。
改善AI领域的国内生产关系，释放大型科技公司等主体的创造力。回顾历史上因技术进步引发的国际竞争，公共资金投入固然是一国生产力发展的基础，与技术进步伴随的生产关系也同样重要。例如，在美苏冷战中，美国在技术转化等方面比苏联更可持续，从而更好的将威望技术优势扩散到通用和战略技术优势[96]。在20世纪70年代的美日半导体竞争中，美国半导体研究联盟更具创新活力，而日本的Keiretsu模式过度追求数量、轻视基础创新，难以适应半导体生产方式的快速转变[97]。实际上，当前的AI竞争与历史上的大国竞争存在一定的类似。从创新成果看，全球主要大模型由中美创造[98]，与美苏、美日等科技竞争中的情形类似。现阶段，美、中、欧等大国的应对态度和生产关系已部分反映到AI发展上：美国对内的AI监管较松，对外通过G20人工智能原则、G7广岛AI声明等方式实现了较多的国际合作，最终使得美国的大模型广泛扩散到世界各国。欧洲内部AI监管较严，因此主要使用其他国家的大模型。中国的AI监管较深，大模型主要服务本国居民[99]。往前看，中国可参考美欧的成熟监管经验，进一步调动企业、个人、高校等不同主体参与AI的积极性，通过优化生产关系将市场中更多的创造力释放出来。以数据流动为例，中国对数据流动的限制较强。根据ITIF等机构的估算，中国对数据跨境流动监管的严格程度在世界排名前列，且随时间推移愈发突出[100]。虽然一定的数据流动限制是维护国家安全的必要选项，但监管过强或不利于其他国家获取中文语料、以及国际合作的开展等。相反，如果允许企业与政府进行协商，或能形成更符合经营需要的AI经贸规则，有助于其他国家认可、接受中国方案。
加强就业、公共服务等社会保障体系建设，避免国际竞争冲击本国经济、社会和政策主权。随着AI的发展和全球推广，国家主权的概念可能随之改变[101]。一些小国可能在欧美大型科技公司的影响下遭遇“算法殖民”，导致持久的经济和安全冲击。从人口规模、经济规模等角度来看，中国均是一个大型国家，相比小国更能够抵御AI带来的不利冲击。但正如前文所指出的，AI国际竞争的影响可能是非对称的，大国的部分地区、人群和企业同样可能遭受较强冲击。首先，根据中国政府网的数据，截至2023年底中国共有10.92亿网民[102]，意味着仍有三亿多人无法接入网络并直接使用AI工具，这其中有相当比例是位于农村、偏远地区的老年人。对此，公共政策可着力改善这些人群的养老、医疗、就业等问题，避免“数字鸿沟”在AI时代继续令弱势群体受损。其次，AI发展在冲击原有劳动力市场的同时，也带来了数据标注等新兴产业。根据科技日报的数据，中国2019年可能已有超1000万人从事数据标注行业[103]。数据标注是典型的平台经济产业，存在着劳动者保护不足、劳动者话语权较弱、工作不稳定等平台经济通病。对此，可将数据标注员与网约车司机、外卖送餐员等主流平台经济职业统筹考虑，逐步建立起以平台劳动者为核心的劳动力市场制度，保护其合法权益。
[
