黃仁勳認為，美國面臨的真正危險不是人工智慧系統失控，而是未能廣泛普及本國技術並在全球範圍內維持一套美國主導的人工智慧技術堆疊。他是對的。
上個月，兩家中國企業發佈了新的人工智慧（AI）模型：月之暗面的Kimi K3和阿里巴巴的Qwen3.8-Max。在可供公開核驗的產品性能證據完全公佈之前，市場就已經作出了反應。
在隨後幾周裡，全球晶片類股暴跌，市值蒸發約3兆美元。
這種反應值得關注。長期以來，人們一直認為性能最強大的系統必然價格昂貴，並且由美國製造和主導。大量投資組合都基於這種假設。但如今，情況已經發生變化。
華盛頓的本能反應是收緊政策：限制准入、擴大出口管制、築起更高的壁壘。對此，輝達首席執行長黃仁勳認為，美國面臨的真正危險不是人工智慧系統失控，而是未能廣泛普及本國技術並在全球範圍內維持一套美國主導的人工智慧技術堆疊。他是對的。
主張實施限制措施的人認為，美國的優勢地位可以依靠技術封鎖來維持。而主張加速人工智慧發展的人認為，美國的優勢正被監管扼殺。然而，爭議雙方都搞錯了美國人工智慧發展面臨的真正阻礙。
監管缺失並非癥結所在。儘管近期有人提議效仿金融監管局的模式建立一個前沿人工智慧模型的自我監管機構，但美國目前尚無成文的聯邦人工智慧法規。實際上，幾乎沒有什麼能夠阻止美國的醫院、保險公司或汽車工廠部署人工智慧系統。
但這些機構並沒有部署人工智慧系統，這背後的原因是一些枯燥乏味、難以登上新聞頭條的現實狀況：同一家醫院的不同科室之間無法互通患者病歷；採購周期以季度為衡量單位；合規部門擁有否決權卻沒有批准權；放射科醫生不願為未經監管機構認證的人工智慧系統分析的影像報告擔責；中層管理者被要求推進業務自動化，而這些業務恰恰是其崗位存在的理由。
以上種種都不是技術難題，而是管理問題，是任何出口管制措施都無法解決的問題。
美國工廠在19世紀90年代便開始使用電力，但此後數十年間生產率幾乎沒有得到提升；只有當工廠圍繞電氣化進行徹底重組——重新安排機械裝置、重構工作流程、拆除老舊傳動軸之後，電力帶來的效益才得以顯現。一個世紀之後，電腦領域重演了這一滯後效應。
通用技術只有在機構自身完成重組後（而非在新技術問世時），才能帶來收益。
正因如此，那些易於複製的低成本模型的影響巨大。從德國巴登-符滕堡州的中型製造商，到雅加達的銀行，再到香港的資產管理公司，都不需要購買美國的閉源人工智慧模型。他們完全可以下載中國的開源模型，在自己的伺服器上運行，並把資料保存在本地。對世界上大多數國家而言，問題已不再是使用那種模型，而是基於那種模型進行二次開發。
這既是商業機遇，也是戰略挑戰。每一個選擇中國開源模型的機構，都會沿用中國的設計，並最終採用中國的標準。華盛頓無法通過限制美國人工智慧系統的獲取途徑來解決這個問題。把使用者推向別處的，正是這種刻意製造的稀缺。
因此，真正實用的政策議題是具體而枯燥的。公立醫院能否在一年內完成人工智慧系統採購？聯邦機構保存的資料是否足夠優質，可以供人工智慧系統使用？是否存在一套對人工智慧模型進行驗證的國家標準，可以證明採用某個模型是合理的，而不會帶來職業風險？
對高度敏感的晶片實施精準管控是有必要的，但全面封鎖是不可行的。
有關出口禁令的爭論，焦點往往是誰能打造出性能更優越的系統。然而，決定國家優勢的從來都不是這場競賽。英國之所以引領工業革命，並不是因為它發明了蒸汽機，而是因為它在此基礎上重塑了整個經濟體系。最先圍繞新技術完成自我重構的國家，才能佔據優勢地位，發明新技術的國家並不具備天然的先發優勢。
我們總是提醒自己，人工智慧的問世是為了拓展人類能力的邊界，而不是約束人類。人工智慧模型或許永遠無法做到完全免費，但至少我們應保持其開放性。 (牛彈琴)