近年來，全球人工智慧（AI）競爭日趨激烈。部分評估報告強調美國的領先地位，而另一些觀點則認為中國正在削弱美國的主導優勢。相比之下，其他發達經濟體的進展卻鮮少受到關注。現有跨國比較主要依賴綜合指數—這類指數雖具基準參考價值，但受權重設定與聚合偏差影響，可能模糊人工智慧能力的關鍵維度。更清晰地把握各國AI實力，有助於更準確地解讀全球AI競爭格局。本報告通過整合關鍵指標的國際對比，評估各國在AI領域的相對準備度與表現。分析表明：美國在基礎設施（除電力相關設施外）、算力資源和投資環境方面仍保持重要優勢；發達經濟體在擴展算力規模和吸引投資方面面臨更大挑戰；中國在科研產出與應用落地領域進展迅猛，但其基礎支撐設施的完善程度尚待明晰。實體與數字基礎設施實體與數字基礎設施構成人工智慧應用的基礎支撐。實體基礎設施包括資料中心與高性能計算硬體，需要穩定的能源、通訊與製造能力作為保障。數字基礎設施則涵蓋雲端運算、資料訪問及支撐大規模模型部署的相關工具。如圖1所示，美國在計算裝置、軟體與資料庫領域進行了超前的大規模投資—1995至2021年間，這些領域的實際年投資額增長超十倍，遠超其他發達經濟體2-4倍的增長幅度。這些早期投入建構的算力網路與硬體基礎，為美國引領人工智慧領域的創新研發與技術擴散奠定了先發優勢。圖1. AI相關實體與數字基礎設施投資規模算力—即用於人工智慧訓練和推理的處理能力及網路資源—是衡量國家AI研發與應用能力最直觀的指標。資料中心、處理器（CPU與GPU）及更廣泛的計算系統共同支撐著現代AI工作負載日益增長的需求。過去十年間美國資料中心建設迅猛增長。截至2024年，美國擁有約4,049座資料中心，數量遠超歐盟（約2,250座）、英國（484座）和中國（379座）。僅2024年全年，美國新增資料中心容量達5.8吉瓦，同期歐盟與英國分別新增1.6吉瓦和0.2吉瓦。若以人均標準衡量，美國每千人口伺服器保有量達99.9台，顯著領先其他發達經濟體與中國（圖2A）。圖2. 算力指標對比高端計算—特別是AI超級電腦—對大規模模型訓練及近年興起的推理任務尤為關鍵。美國在AI超算總容量方面佔據主導地位，掌控全球約74%的高端AI算力，中國與歐盟分別持有14%和4.8%（圖2B）。能源基礎設施風險AI工作負載的快速增長正推動資料中心電力需求大幅攀升，這使得發電與輸電能力對AI基礎設施的支撐作用日益凸顯。蘭德公司預估到2028年全球AI電力需求可能達117吉瓦，國際能源署則預測至2030年全球資料中心耗電量將翻倍以上，其中美中兩國將貢獻80%的增量。中國早在十餘年前發電裝機容量已超越美國（圖3），目前總裝機容量約3200吉瓦，遠超美國的1293吉瓦和歐盟的1125吉瓦。僅2024年一年，中國淨新增發電裝機容量達429吉瓦，超過美國同期淨增量的15倍。圖3. 發電裝機容量對比美國發電與輸電能力能否跟上資料中心需求的快速增長尚存疑問。當前已建資料中心約佔美國平均能耗的8.9%，顯著高於歐盟的4.8%與中國的2.3%，這凸顯出美國需要大幅增加電力供應以支撐AI基礎設施的持續擴張。私人投資與研發投入美國在AI領域的私人投資規模遠超其他發達經濟體。圖4顯示，2013至2024年間美國AI私人累計投資額突破4700億美元，而歐盟國家總額約500億美元，英國280億美元，加拿大150億美元，日本僅60億美元。在AI基礎設施、基礎研究及資料管理處理領域，美國與其他發達經濟體的投資差距尤為顯著。此外，美國還吸納了全球AI資料類初創企業的大部分風險投資，以及生成式AI領域超75%的公開融資規模。圖4. AI私人投資對比企業層面對AI關聯領域的研發投入進一步鞏固了美國的領先地位。以研發支出佔銷售額比重衡量的研發強度顯示，美國企業在ICT硬體與軟體領域均保持最高水平（圖5）。歐盟在硬體領域稍遜一籌，軟體研發則遠落後於美國—儘管其過去十年增長顯著。中國企業硬體研發規模較十年前有所提升，但軟體研發強度不升反降，兩項指標均與美國存在較大差距。這一態勢與經濟合作發展組織最新發現相符：美國企業開展商用AI專項研發的比例顯著高於其他發達經濟體同行。圖5. 企業研發投入佔銷售收入比重人工智慧國內應用現狀跨國比較AI應用程度面臨多重挑戰。來自私營機構、企業和大學的調查資料顯示的AI應用率通常遠高於國家統計資料，這主要源於樣本中AI密集型行業的大型企業佔比過高（縱觀各國調查，大型企業的AI應用率普遍較高）。因此美國在史丹佛大學AI指數等調查中位居榜首並不意外。國家統計機構採用更具代表性的抽樣方法，覆蓋了更多因各種原因尚未採用AI的中小企業（詳見附錄C）。定義差異使跨國比較更趨複雜。例如美國人口普查局的雙周BTO調查統計過去兩周內的持續AI使用情況，而歐盟統計局年度報告的應用統計則未明確使用強度。正如Crane、Green和Soto（2025）指出，若在調查中納入就業權重考量，美國AI應用率將顯著提升，這表明僅依靠企業層面反饋可能低估AI技術的實際滲透程度。表2：AI應用率重點調查結果對比其他衡量擴散程度的指標—例如關注職場中AI相關技能的指標—顯示美國顯著領先於其他發達經濟體。以促進非AI崗位向AI崗位轉型（反映勞動力向AI技能提升與再培訓的指標，見圖6a）為例，僅法國在此項上超越美國。而在製造業生產流程的AI融合程度方面（圖6b），美國遠超發達經濟體同行，同時在教育、金融及科技服務領域的AI應用也保持領先（見表A3）。隨著企業和個人AI應用度量標準的持續完善與標準化，各發達經濟體在全經濟領域AI滲透程度方面的定位將愈發清晰。圖6. 勞動力市場AI滲透度重點指標結論本報告闡明，美國在AI能力的關鍵領域大多領先於其他發達經濟體，而中國的最大優勢在於能源基礎設施。附錄A：附加資料二、投資格局美國吸納了全球AI與資料類初創企業的大部分風險資本，在生成式AI初創企業已披露的私人風投中佔比超75%（見表A2）。截至目前，美國風投資金集中於資訊技術、媒體/行銷、醫療保健及金融領域，在這些方面相對中國及其他發達經濟體保持絕對優勢。中國在教育培訓類初創企業的私人風投方面略勝美國，同時在AI算力類初創企業的投資力度也大幅領先，是唯一在該領域風投規模接近美國水平的國家。相比之下，歐洲與日本在各領域的風投規模均與美國和中國存在顯著差距。 (Rick筆記)
