当“放慢一点”成为最响亮的建议，普通人真正该问的是什么：AI 会更快带来机会，还是更快带来风险？又会由谁来决定风险的标准？
9月14日，北京。中国外交部例行记者会上，发言人郭嘉昆回应近期围绕人工智能前沿发展的争论。此前，有美国企业家公开建议相关企业放慢前沿模型推进速度，并把中国在AI领域的进展描述为安全压力。郭嘉昆表示，人工智能发展关乎全人类共同福祉，各方应共同推动AI开放包容、普惠向善；散播各种威胁叙事、搞对抗和恶意竞争，只会干扰人工智能全球治理进程，不符合任何一方利益。
[IMG:1]这场争论看似发生在实验室、董事会和听证会之间，实际却落在普通读者的日常关切上：算力会不会更贵，模型会不会更难获得，跨境数据服务会不会收紧，AI安全审查会不会变成新的贸易门槛，发展中国家还有没有机会接入下一代技术。争议的核心因此不是“要不要AI”，而是“由谁设定边界、按什么成本分配收益、在冲突升级时谁来兜底”。
从历史看，AI竞争并非单纯的技术赛跑，而是标准权、芯片供给、能源约束与军事民用融合能力的叠加。冷战后的半导体分工曾让创新全球化；近年出口管制、投资审查和模型分级监管抬头，又把技术链条推回阵营化。技术史反复说明，封锁能延缓扩散，却难长期垄断学习曲线；安全化措辞能凝聚短期共识，也可能抬高全球研发成本，迫使中间国家选边。
[IMG:2]多方立场并不一致。美国产业界内部存在分裂：一类声音强调能力跃迁太快，要求前置安全评估与暂停高风险训练；另一类担心放缓意味着把市场、人才和生态拱手让人。美国***近年更倾向以“小院高墙”方式限制高端芯片、先进制造设备与部分资本流向，同时推动盟友协调。欧盟则以风险分级路径监管应用，强调基本权利、透明度和责任追溯，但也被企业抱怨合规负担偏重。
全球南方国家的关切常被放在次要位置。对许多经济体而言，AI首先意味着公共医疗、教育、农业气象和中小企业降本增效的可得性；若前沿能力只被少数国家、少数云厂商和少数基金会定义，普惠会变成口号。联合国层面已讨论治理机构与能力建设项目，非盟、东盟和拉美国家也更频繁主张把数字基础设施、数据集代表性和算力接入纳入全球议程。分歧在于：安全是通向共享繁荣的门槛，还是被用来固定既有优势的门禁。
[IMG:3]中国官方此次表态延续其一贯框架：强调发展是治理的基础，安全不能脱离发展阶段，反对把科技问题阵营化。对北京而言，真正压力不只在模型参数，而在高端算力、先进制程、EDA工具、人才流动和海外市场准入的受限环境。中国市场的优势在于应用场景完整、工程化速度快、制造与消费数据闭环强；短板则在原创理论、底层生态、全球标准话语和部分高算力供应链。
未来一到两年，观察点有三。其一，前沿模型能力是否会继续超预期，导致自愿性承诺失效，倒逼强制披露与算力登记。其二，芯片管制是否从“限制卖给谁”升级为“限制用于何处”，使云算力租赁、模型微调服务和开源权重都成为监管对象。其三，全球治理能否走出“原则多边、执行单边”的困境，形成可核查的安全评估、事件通报和能力建设机制。
[IMG:4]对读者而言，判断风向不必追逐耸动标题，而应盯住三组指标：高端GPU与先进封装的可得性，跨境数据与模型服务的合规成本，AI在医疗、制造、教育中的实际渗透率。若安全叙事最终抬高了所有人的使用成本，却没有降低事故概率，那就是治理失败；若开放合作被无限竞争吞噬，创新同样会失血。
这场争论还没有终局。马斯克等人的放缓呼吁，欧盟的规则实验，美国的出口管制，中国强调的普惠发展与反对抗叙事，共同构成一个不稳定三角：速度、控制、共享。答案也许不在“更快”或“更慢”，而在能否建立可验证的安全底线、可负担的算力分配和不被阵营逻辑***的标准制定。AI的全球治理，考验的不是谁的模型更响，而是谁能在不确定性中守住合作的最低成本。
本文由AI辅助生成
