域外之见 “加速扩散、全栈创新、监管轻触”：美国人工智能行动计划速览及启示

　　当地时间2025年7月23日，《美国人工智能行动计划（2025年7月）》（以下简称“”）由白宫正式发布，系特朗普政府第二任期在科技领域的首个系统性文件。自特朗普政府上台以来，美国AI政策经历了系列调整，一方面硅谷科技领袖的政治立场发生明显回调，反映出美国科技行业从风险审慎向竞速优先的战略调整，另一方面强调政府与产业的有效协同，对于风险和安全注重协作治理，总体政策呈现出重大转向（详见阿里研究院公众号文章）。

　　行动计划在14179号行政令的基础上，以OSTP征求意见、国会听证等为依据，提出美国AI政策的三大支柱原则：一是“加速扩散”，以更快的创新和扩散赢得全球竞争，强化开源生态，建设与创新相适配的国内国际环境；二是“全栈创新”，以模型能力为AI全栈技术核心拉动创新资源投入，通过环境审批豁免、电网扩容、芯片制造回流、高安全数据中心和技工培养，解决算力与能源瓶颈，扩大联邦场景应用和夯实人才-制造-科研链条；三是“监管轻触”，通过联邦财政间接抑制各州AI立法，强调以能力保安全，聚焦实践中的具体安全威胁。

　　（一）以AI技术全栈扩散打造全球事实标准，鼓励开源开放、构建美国主导的全球AI联盟

　　以废止《人工智能扩散规则》为标志，美国此前的AI全球战略体现出从限制扩散走向促进扩散和赢得扩散的倾向，以更多维度的商业合作替代单方面的出口管控限制，通过技术和应用的全球扩散获取更大的竞争优势。一方面，重视技术扩散的经济价值，以模型能力为平台中心建立全球竞争优势，并向应用、算力等技术栈上下游延伸，满足全球对AI基础设施、技术和应用的需求，形成网络效应。另一方面，充分考虑出口管制对全球合作和国际信任的负面影响，摒弃非必要的管制措施，以赢得商业竞争的方式扩展合作生态，也在考虑制定和推进国际标准，带动全球对美国AI技术体系的信任和依赖，以此形成全球领导力。

　　此次行动计划在开篇即强调，谁拥有最大的AI生态系统，谁就能制定全球AI标准并获得广泛的经济和军事利益。第一，采取“开源生态+标准先行”策略，进一步聚拢全球开发者资源，并形成全球事实标准。计划行动强调开源可能成为全球商业与学术研究领域的通用标准，因此开源开放具有地缘战略价值。具体措施包括完善算力金融市场，以保障初创企业与学术界能够获取足够的算力资源使用开源模型，同时通过美国国家电信与信息管理局推动中小型企业采用开源模型等。第二，精准化加强AI先进计算出口管制，通过合作伙伴和盟友关系网促使其“朋友圈”遵循美国的管制措施，建立美国主导的AI全球联盟。包括探索利用先进AI计算设备上的位置验证功能，与情报界官员合作并建立新机制，加强全球芯片出口管制执法，同时提出技术外交战略计划以打造其AI全球联盟，协调美政府各部门的激励措施和政策杠杆，促使关键盟友在整个全球供应链中采用与美国互补或相同的AI保护系统和出口管制措施。第三，明确提出向美国AI全球联盟的国家出口其完整的AI技术栈。AI技术栈以模型能力为中心，模型作为平台层的核心组成部分，向上构建应用全球网络、向下打造基础设施的规模效应。具体而言，美国的AI全球联盟将由美商务部选定，由美国经济外交行动小组、贸易和开发署、进出口银行、国际开发金融公司等对外机构具体执行，促成符合美国安全要求和标准的交易。

　　（二）提高数据可及性、松绑政策限制以促进市场化算力建设、鼓励“先行先试”，推动AI技术与产业发展

　　在数据层面，以促进AI发展为目标提升数据的可及性，清除前置性的政策和规则堵点。第一，增强科学数据供给。设立用于AI训练的科学数据最低质量标准，由国家科学技术委员会牵头，联合美国农业部、能源部、国立卫生研究院、国家科学基金会、内政部及合作生态系统研究单位合作开发科学数据资源，并以开放性作为联邦资助标准，激励科学研究项目数据集公开。第二，进一步开放政府数据。行动计划要求美国管理和预算办公室（OMB）颁布“数据默认可访问”规则，扩大政府机构间的安全访问权限，以及要求美国国家科学基金会和能源部为AI调用受限联邦数据提供安全计算环境。第三，消除版权规则堵点。在行动计划发布后，特朗普公开表示支持在AI训练中扩大合理使用，结合6月底Meta、Anthropic两案中法官认可AI训练构成“转换性使用”、符合合理使用原则的判断，美国正在持续消除版权侵权带来的禁令风险、避免版权数据“断供”。

　　在算力层面，不断为数据中心建设松绑，激发建设数据中心的动力，保障电力供应体系，加速半导体本土制造。第一，明确美国政府本身并不建设智算中心，而是为智算建设提供更为底层的基础设施和政策扶持，通过环境审批豁免、税收减免、联邦土地优惠、政府采购倾斜等手段，简化数据中心、芯片工厂及能源设施的许可流程，开放联邦土地用于建设，美方实质降低了本土企业的建设和运营成本，并吸引全球资本在美集中布局，激发数据中心的建设动力。第二，在建设大规模的算力集群过程中电力成为核心障碍，因此不断放松绿电限制、对碳排放宽松化监管、放缓绿电建设投产计划，并延长煤电、燃气等老电厂的寿命，批准传统能源大幅扩张产能等，以此打破能源供给不足对AI发展的束缚。行动计划专门提出升级国家电力系统，确保资源充足和发电能力，以建设与AI相匹配的电网。诚如谷歌前CEO埃里克·施密特（Eric Schmidt）曾表示“我们没法再训练下一个 AI，不是因为技术跟不上，而是我们国家的电不够用了。”能源层面不断松绑的重要性被不断提升。第三，为确保芯片供应的安全而鼓励恢复美国芯片本土制造，简化半导体制造的法规、取消针对芯片制造资助项目的额外政策要求，并确保拨款和研究项目投入到推动半导体本土制造的领域。

　　在应用层面，明确提出制约人工智能潜力释放的瓶颈并非模型、工具或应用的稀缺，而在于技术应用的有限性与滞后性，尤其在大型成熟机构中表现突出。第一，明确以市场为主导力量发展和应用AI技术，深入反思美国在关键领域因技术不信任感、复杂监管环境等因素所导致的应用进展缓慢，为美国私营部门不断松绑、摆脱限制，具体措施包括撤销各项阻碍技术发展的行政令，并由联邦通信委员会、贸易委员会、管理和预算办公室评估、复审有碍于AI发展的政策条例。第二，不同于我国逐行逐业进行政策规划的纵向模式，强调以技术栈的维度进行横向划分。行动计划从电力-算力-模型-应用等维度针对性提出不同产业政策，并在全国范围内建立监管沙盒，不同于我国国内模式，美国的监管沙盒通过实验性的放松监管，分析技术应用与风险管控之间的合理平衡点，但并不要求企业全量向监管披露信息。第三，提出政府须“先行先试”的应用要求。包括在联邦机构如食药监局、证监会等率先开展应用专项计划，并由国防部、情报局定期统计对比全球 AI 应用水平，同时通过首席AI官委员会进行跨机构统筹，建立AI人才交流计划、统一的政府AI采购工具箱以及机构间先进技术和应用案例转移机制，全方位加速AI在政府内部的部署与能力共享。第四，明确提出以AI推动下一代制造业发展，重点布局规划无人机、自动驾驶汽车、智能机器人等领域，以在美国本土发展和恢复制造业，并推动制造业的转型升级。

　　行动计划也将人才作为基础设施，以“增量就业、技能升级、终身学习”为主线，提出了“联邦-州-企业”协同的“五个一批”AI人才培养方案。第一，梳理一批紧缺岗位，涵盖数据中心、芯片制造、电网升级所需电工、暖通、先进制造技师等职业；第二，建设一批培训通道，对因AI导致岗位变化的劳动者实施6-12周模块化再培训并对接企业；第三，打造一批学徒制示范，劳工部简化注册程序，鼓励半导体、云计算、机器人企业把2-3年制学徒岗位直接纳入生产流程，联邦按每名学徒每年最高1万美元给予税收抵免；第四，培养一批早期人才，教育部将AI基础课程嵌入K-12阶段，并与社区学院、技术学院合作，提供双学分课程，实现“高中毕业—行业证书—企业入职”无缝衔接；第五，搭建一批数据平台，劳工部设立“AI劳动力研究中心”，与普查局、经济分析局共享企业用工微观数据，按季度发布岗位替代、新增及薪酬变化报告，为政策迭代提供实时依据。

　　（三）继续推进“轻触式监管”，通过联邦财政间接抑制各州AI立法，强调以能力保安全，聚焦实践中的具体安全威胁

　　第一，在联邦直接禁令尝试失败的情况下，通过联邦财政约束间接清除各州的“碎片化”监管立法，传递明确信号、避免重复监管。此前特朗普政府计划通过在“美丽案”（One Big Beautiful Bill Act）中打包AI监管联邦优先权条款，禁止各州在十年内立法监管人工智能，不得出台任何“限制、约束或以其他方式监管AI的法律或法规”。但该禁令条款受到州议员联盟、消费者权益组织、内容创造产业等利益主体的反对，最终在7月1日被参议院否决，在7月4日签署发布的法案版本中被删除。而此次行动计划仍能看到特朗普政府在此方向的不懈努力：承诺不干涉各州通过不过度限制创新的审慎法律，但不允许联邦政府将与AI相关的联邦资金流向设有繁琐AI法规的各州，具体由OMB协调，确保拥有AI相关自主资金项目的联邦机构，在法律允许范围内将各州AI监管环境纳入资金决策考量，并对可能影响资金使用效能的州级监管制度限制拨款，从而通过控制联邦财政流向，间接抑制各州AI监管。截至2025年6月，美国共48个州都提出了与AI相关的监管法案，其中已有26个州成功将这些提案变成了正式法律或措施。各州的法案所涉领域不同、颗粒度各异，这种碎片化的法律环境使企业合规和拓展全国市场变得困难，而行动计划则旨在建立统一的联邦标准水位，消除对技术发展的监管阻碍。

　　第二，大幅提高监管政策的风险容忍度，否定拜登政府全面安全保障及全流程风险管理的事前AI治理框架，更多关注国家个体利益较敏感的具体领域。此前特朗普政府已撤销前总统拜登出台的第14110号行政令——“关于安全、可靠和值得信赖的人工智能开发和使用的行政令”，否认了拜登行政令尝试构建的一个全面的AI治理框架，并在其随后发布的新行政令（EO14179）中表示愿意接受更高程度的潜在风险。而在6月3日美国商务部也宣布将拜登行政令下设立的人工智能安全研究所改名为人工智能标准与创新中心，将此前强制评估的要求调整为开展自愿性的评估与合作，重点关注网络安全、生物安全和化学武器等具体领域。

　　此次行动计划延续此AI安全理念，采取“以能力保安全+聚焦关键领域+推动多方协同”的思路，对AI风险的认知和评估更理性务实，而非感性泛化并进行事前体系定义，治理重点聚焦应用实践中的实际安全挑战和基础设施安全等，重视技术可解释性等基础技术研究，并强调政府机构间的信息共享、政研多方主体间的协同合作，以提高整体安全水平：一是重视AI基础安全能力研究突破，提出投资AI可解释性、控制力与鲁棒性研究，并将其列为OSTP《国家人工智能研发战略计划》优先方向；二是构建政产学研信息共享、风险联防联控机制， 要求美国国防部、能源部、商务部等相关政府部门与学术机构合作，召集学界精英测试AI系统安全性，要求国防部、国土安全部、网络安全和基础设施安全局等安全机构牵头，与顶尖AI开发者合作，帮助私营部门积极防范恶意网络行为、内部威胁等安全风险；三是重视基础设施安全及应用侧具体安全，制定高安全级别AI数据中心的技术标准，加强关键基础设施网络安全，促进关键基础设施部门间AI安全威胁情报共享，同时关注生物投资等场景下的实际安全，风险防范聚焦深度伪造、虚假/恶意输入、网络攻击及CBRNE武器开发等具体安全威胁；四是提升联邦政府AI事件响应能力，鼓励跨部门合作负责任地共享人工智能漏洞信息，确保治理能力与技术发展同步。

　　第一，促进共同发展，推动模型全球造、全球用，以事实影响力打造生态护城河。推动体系化输出以模型能力为核心的AI技术栈，凭借技术生态的天然粘性，吸引全球开发者自发构建衍生模型、工具链及应用框架，形成事实标准与用户依赖，构建强韧的全球技术及应用生态网。该网络衍生的规模效应与引领作用，将直接转化为抵御“被动脱钩”的反制威慑力——任何主动割席将使其被孤立于全球生态网络之外，从而损害其自身利益。更深层地，这种根植全球社群的“事实影响力”，将静水流深地转化为国际合作与规则制定的话语主动权。

　　第二，在“成本效率竞赛”之下，需从“模/芯/算/电/碳“一体协同的角度完整设计与推出促进政策，以实现全链条整体的规模和效率竞争力最优。一是在模芯协同领域，模型能力已成为我国大模型技术与产业发展最大的变量和可控量，芯片的架构设计和性能优化愈发需要匹配模型的演进路线，需推进“以模带芯、软硬协同”的协同优化策略，“两条腿走路”缺一不可。二是在算力集群领域，需充分激发市场化力量开展算力集群建设，政策上应避免出台类似“算力一体化调度”等干预市场运行的措施，而应聚焦为市场化建设的智算中心提供环评审批、能耗管理、碳证机制、电力保障、土地供给和税收优惠等方面的系统性政策支持。三是在算电协同领域，国产芯片能效比的差距，使得单位算力的能耗与成本是国外的3-5倍，需推进“以电养算、算电协同”的发展策略。考虑到我国东西部在算力和电力上的资源禀赋差异，可在全国范围以“三级纵深”策略推进算电协同布局：第一级用户最为集中的长三角/珠三角地区，以传统电能和核电直供，为推理为主的智算中心提供供给。第二级至胡焕庸线，以绿电+传统电能供给为主。第三级在内蒙新疆西藏等西部地区，以绿电为主，为训练为主的智算中心提供供给。四是在电碳协同领域，我国对智算中心的考核正在从“能耗双控”向“碳双控”转变，绿电使用通常被视为零碳排放，然而绿电与碳排放的挂钩核算在不同地区存在差异。如广东的绿电+核电，在可再生能源消纳权重考核绿电绿证被计算在内（发改委和能源局层面），但在强制减排碳市场中还未被认定为零排放（生态环境厅层面）。电力交易和碳排放权交易两个市场体系在环境权益的核算、数据互通、统一认证等方面需要进行有效的政策统筹衔接。

　　第三，数据政策应以激励前沿技术创新为目标提高数据可及性，鼓励版权方与模型方采用合作而非对抗的方式解决争议，从而扩大对人工智能可利用数据的持续、有效供给。数据政策需支持以大模型为代表的前沿技术创新，政策着力点需从事前向事中事后转移，减少前置性监管及规则对于模型获取数据的阻碍；同时将服务人工智能前沿数字技术发展和应用拓展作为公共数据政策的重要中长期目标，政府主动判断并加强人工智能可利用数据的标识和开发利用，定期进行更新和维护。此外，使用版权数据进行模型训练符合合理使用原则成为趋势，为进一步实现模型数据供给的良性循环，建议在AI版权问题上回归扩充公共知识、激励创作创新的制度目标，以实现多方共赢为原则，鼓励版权方与模型方探索合理的市场化授权与合作形式，同时重视AI对内容创意所带来的正向价值，实现文化与技术的共同增长和携手并进。

　　第四，在AI安全与监管方面，坚持构建发展导向的人工智能安全观，由事前体系化监管转向事中事后敏捷治理，并推动中国安全治理实践被国际接纳。我国没有碎片化监管或严格统一立法的困境，通过事前和事中事后两套办法+标准很好地管控了模型风险，AI发展所需的社会秩序基本就绪。在此基础上需要推动进阶版的AI安全概念：一是聚焦核心风险划定不可逾越的监管红线，为技术创新和应用探索保留充足弹性空间；二是寻求市场秩序和社会秩序的有效平衡，通过政-企-社会的共同努力让单向的AI治理走向合作的AI安全，在标准制定中优先吸纳市场验证的事实标准，以开发者共识和用户选择替代单向规制，实现秩序维护与创新活力的有机统一；三是强化国际叙事能力，向全球输出我国的AI安全实践经验而非仅安全概念，增强全球对中国AI治理模式的认知认同，让更多国际用户从理解到信任并走向选择。

　　第五，以AI发展需求为导向，协同多方力量优化培养机制，提前布局AI人才培养储备。AI数字技术体系全栈发展和应用生态快速拓展对AI人才培养提出了更为体系化和紧迫性的要求。一是人才培养与技术发展同向并行。AI快速发展在一定程度上弱化了我国在数字技术工程方面的人才储备优势，需要根据AI技术的特点出发，培养具备逻辑思维能力，能够在复杂任务中更好利用、控制、管理AI的综合性技术人才，让AI技术人员能够从全局角度综合利用各类AI技术和工具，将AI技术能力转化为生产力。二是推动跨学科跨领域知识融通创新。AI重构了知识生产和创新的范式，为我国基础科学研究的突破性创新带来了新的机遇，AI技术应用发展突破了以学科系统为基础的知识体系边界，AI从方法、工具转变为科学本身，AI人才培养也需要突破知识垂类的藩篱，利用AI对世界知识规律进行高维总结并推动突破性创新。三是AI人才培养周期从院校向企业延伸。AI时代需要更多具有实践经验、有综合判断能力和资源协调能力的高级人才，传统科研院校的毕业生需要进一步在产业侧接受将理论知识转化为实践技能的职业培训，一方面需要以财政、税收、项目等手段进行支持和引导企业参与职业人才培养，另一方面也要将职业培养与实际就业脱钩，尊重企业对人才的实际需求和自主判断。

　　美国人工智能行动计划体现了美国科技产业界和政策制定者对AI技术发展规律的基本认知，也勾勒出了美国对AI国际竞争的核心策略。对于全栈技术的政策分层推进、全球化的资源开放和生态拓展、基础设施和要素投入方面的政府和企业的有效协作、风险安全的循证判断和合作治理，美国人工智能行动计划与我国的AI发展与治理理念不谋而合，也为未来的协调合作提供了认识基础。在此基础上，我国可以进一步发挥资源调动和要素储备方面的优势，通过更大的合作开放、软硬协同、多方协作的产业政策，以及向善向上、普适普惠的监管措施，让更多人信任AI、更多企业用好AI，也让我国的AI走向海外，服务更多的用户，推动全球共同发展。

　　视野决定高度，本板块将放眼全球，通过追踪和分析国际竞争合作的最新动向、各国科技创新的战略布局、全球技术治理的前沿经验，为读者提供一个更广阔的全球视角。同时，我们依托于阿里巴巴广阔的国际商业和全球合作版图，分享我们所观察到的AI国际发展现状与海外市场的最佳实践，解析跨国跨区域合作的成功经验，以及阿里巴巴在全球化进程中积累的数据洞察与战略思考。