AI正在成为国家级基础设施

这场在美国北卡罗来纳州教堂山举行的会议，最重要的信号并不是某个新模型亮相，也不是一项完整的国际监管条约，而是一种战略判断：AI基础设施正成为国家经济能力的重要组成部分。

英伟达首席执行官黄仁勋敦促各国建设支撑本国AI产业的数据中心及相关系统；OpenAI首席执行官萨姆·奥尔特曼则从应用和部署角度，加入了推动投资、采用AI的讨论。

换句话说，一个国家要发展AI，不能只购买聊天机器人服务或调用模型API。它还需要算力、电力、技术人才，以及能够开发和商业化AI应用的产业生态。

每个国家都要拥有自己的AI能力

黄仁勋的主张是，各国不应把AI长期视为可以完全外包的服务。政府需要判断，AI产业链中哪些环节应当在国内建设——从计算基础设施，到使用这些基础设施的企业、人才和技能体系。

数据中心是这一主张的核心。黄仁勋将其视为本国AI经济的基础；会议相关报道则将数据中心与就业、投资及更广泛的经济活动联系起来。

奥尔特曼的参与进一步突出了AI部署的重要性。会议第二天的讨论涉及AI应用、经济增长、劳动力需求、网络安全，以及这项技术不断上升的能源需求。

这也意味着，所谓“AI竞争力”并不只是模型性能的竞争，更是建设能力的竞争：谁能更快获得算力、接入电网、培养人才，并让企业把模型转化为实际产品，谁就更可能把AI带来的经济价值留在本国。

“卡罗来纳原则”主张少设新规、快推动应用

特朗普政府借这场部长级会议推介“新兴技术卡罗来纳原则”（Carolina Principles for Emerging Technology）。这套框架强调创新和部署，反对一开始就采取大范围、针对特定技术的限制。14

其主要方向包括：

• 加大对基础研究的投入；
• 强化技术开发和商业化路径；
• 在适用的情况下使用现有行业监管规则，推动值得信赖的AI采用与部署；
• 只有在现有监管无法应对真正新问题时，才考虑制定新的规则。4

这一框架也反对建立新的、广泛的AI专门监管机构。13

不过，“轻监管”并不等于AI完全不受约束。美国提出的逻辑是：能用现有法律解决的问题，就不必另起炉灶；只有当新技术带来现有制度无法处理的新风险时，才增加监管措施。

黄仁勋：应监管已经发生的危害，而非假设中的风险

黄仁勋在教堂山传递的另一层信息，是区分可以证明的现实危害与假设性的未来情景。相关报道显示，他主张政府应针对已经发生、能够观察和验证的实际伤害制定规则，并警告，如果政策主要围绕想象中的风险展开，各国可能错过AI带来的发展机会。

这正是当前AI治理争论的核心分歧。

支持宽松规则的人认为，过早的预防性监管可能在AI收益尚未充分显现前，就压低投资和应用速度。批评者则担心，如果等到危害大范围发生后才行动，监管机构可能只能在损害已经造成时被动补救。

教堂山会议并没有解决这场争论，而是把两种立场并列呈现：一方面尽快建设基础设施、推动应用，并针对具体危害监管；另一方面，对于后果仍不确定的技术，则需要更谨慎地评估其影响。

“AI会消灭所有工作”的说法并未得到完整印证

劳动力需求也是会议议程的一部分。与会政策制定者和科技企业高管讨论了如何支持AI增长，同时应对劳动力短缺以及技术快速扩张带来的新要求。

黄仁勋更广泛的观点，是把AI视为改变员工和企业工作方式的技术，而不是简单地将其描述为“机器取代全部工作”。但目前公开报道并没有提供他在教堂山会议上有关就业问题的完整逐字记录。因此，更稳妥的结论是：劳动力准备被视为国家AI建设的一部分，与数据中心、电力和技能建设同等重要。

算力背后的硬约束：电力

“先建设再竞争”的议程面临一个立刻可见的瓶颈：电力。

AI数据中心需要大量电力。会议上的科技界人士强调，若要继续扩大AI基础设施，所需能源规模也会随之上升。

因此，AI政策同时也是能源和规划政策。一个国家即使希望增加本土算力，也必须解决发电能力、电网接入、场址选择，以及快速建设设施的能力。芯片和模型只是能力方程的一部分，电力供应同样可能决定新的AI容量能否真正上线。

AI基础设施也是地缘政治基础设施

教堂山会议举行之际，美中技术竞争正在加剧。另一个重要背景是开放权重模型影响力上升：这类模型的底层系统可以被下载、运行和定制。有关中国开放权重模型的报道显示，模型的访问方式和控制权已经不只是产品选择，也正在成为战略问题。18

因此，“建设本国AI基础设施”有两层含义。

从经济角度看，本国算力、数据中心和产业生态有助于留住AI创造的更多价值；从战略角度看，这也可能降低对外国计算资源、模型和技术供应商的依赖。美国试图在G20伙伴之间推动一套共同的、重视创新的框架，正是更广泛技术生态竞争和阵营协调的一部分。11

这场政策路线也隐含着与欧洲更积极、干预性更强的科技监管模式的对比。美国支持者认为，较轻的规则有利于创新；批评者则警告，快速部署可能超出科学界对风险的理解能力，也可能跑在公共机构和政府政策之前。会议没有消除这一矛盾。

为什么教堂山会议值得关注

9月1日至2日举行的G20创新部长级会议，是美国主办、旨在为2026年晚些时候迈阿密G20领导人峰会相关讨论定调的早期会议之一。68

它的意义不在于给出一份最终答案，而在于试图确定讨论的起点：各国是否应迅速建设AI能力，尽可能使用现有规则，并避免主要依据推测性危害来监管AI。黄仁勋和奥尔特曼则从产业角度，为投资和部署提供了理由。

接下来仍有几个关键问题没有答案：每个国家究竟需要多大规模的本土AI能力？数据中心和电力由谁投资？劳动者如何适应岗位变化？什么样的风险才算具体到足以触发新监管？

这些问题将决定“基础设施优先”最终会成为G20成员共享的方向，还是继续停留在美国提出、但仍存在争议的政策主张上。

AI正在成为国家级基础设施

这场在美国北卡罗来纳州教堂山举行的会议，最重要的信号并不是某个新模型亮相，也不是一项完整的国际监管条约，而是一种战略判断：AI基础设施正成为国家经济能力的重要组成部分。

英伟达首席执行官黄仁勋敦促各国建设支撑本国AI产业的数据中心及相关系统；OpenAI首席执行官萨姆·奥尔特曼则从应用和部署角度，加入了推动投资、采用AI的讨论。

换句话说，一个国家要发展AI，不能只购买聊天机器人服务或调用模型API。它还需要算力、电力、技术人才，以及能够开发和商业化AI应用的产业生态。

每个国家都要拥有自己的AI能力

黄仁勋的主张是，各国不应把AI长期视为可以完全外包的服务。政府需要判断，AI产业链中哪些环节应当在国内建设——从计算基础设施，到使用这些基础设施的企业、人才和技能体系。

数据中心是这一主张的核心。黄仁勋将其视为本国AI经济的基础；会议相关报道则将数据中心与就业、投资及更广泛的经济活动联系起来。

奥尔特曼的参与进一步突出了AI部署的重要性。会议第二天的讨论涉及AI应用、经济增长、劳动力需求、网络安全，以及这项技术不断上升的能源需求。

这也意味着，所谓“AI竞争力”并不只是模型性能的竞争，更是建设能力的竞争：谁能更快获得算力、接入电网、培养人才，并让企业把模型转化为实际产品，谁就更可能把AI带来的经济价值留在本国。

“卡罗来纳原则”主张少设新规、快推动应用

特朗普政府借这场部长级会议推介“新兴技术卡罗来纳原则”（Carolina Principles for Emerging Technology）。这套框架强调创新和部署，反对一开始就采取大范围、针对特定技术的限制。14

其主要方向包括：

• 加大对基础研究的投入；
• 强化技术开发和商业化路径；
• 在适用的情况下使用现有行业监管规则，推动值得信赖的AI采用与部署；
• 只有在现有监管无法应对真正新问题时，才考虑制定新的规则。4

这一框架也反对建立新的、广泛的AI专门监管机构。13

不过，“轻监管”并不等于AI完全不受约束。美国提出的逻辑是：能用现有法律解决的问题，就不必另起炉灶；只有当新技术带来现有制度无法处理的新风险时，才增加监管措施。

黄仁勋：应监管已经发生的危害，而非假设中的风险

黄仁勋在教堂山传递的另一层信息，是区分可以证明的现实危害与假设性的未来情景。相关报道显示，他主张政府应针对已经发生、能够观察和验证的实际伤害制定规则，并警告，如果政策主要围绕想象中的风险展开，各国可能错过AI带来的发展机会。

这正是当前AI治理争论的核心分歧。

支持宽松规则的人认为，过早的预防性监管可能在AI收益尚未充分显现前，就压低投资和应用速度。批评者则担心，如果等到危害大范围发生后才行动，监管机构可能只能在损害已经造成时被动补救。

教堂山会议并没有解决这场争论，而是把两种立场并列呈现：一方面尽快建设基础设施、推动应用，并针对具体危害监管；另一方面，对于后果仍不确定的技术，则需要更谨慎地评估其影响。

“AI会消灭所有工作”的说法并未得到完整印证

劳动力需求也是会议议程的一部分。与会政策制定者和科技企业高管讨论了如何支持AI增长，同时应对劳动力短缺以及技术快速扩张带来的新要求。

黄仁勋更广泛的观点，是把AI视为改变员工和企业工作方式的技术，而不是简单地将其描述为“机器取代全部工作”。但目前公开报道并没有提供他在教堂山会议上有关就业问题的完整逐字记录。因此，更稳妥的结论是：劳动力准备被视为国家AI建设的一部分，与数据中心、电力和技能建设同等重要。

算力背后的硬约束：电力

“先建设再竞争”的议程面临一个立刻可见的瓶颈：电力。

AI数据中心需要大量电力。会议上的科技界人士强调，若要继续扩大AI基础设施，所需能源规模也会随之上升。

因此，AI政策同时也是能源和规划政策。一个国家即使希望增加本土算力，也必须解决发电能力、电网接入、场址选择，以及快速建设设施的能力。芯片和模型只是能力方程的一部分，电力供应同样可能决定新的AI容量能否真正上线。

AI基础设施也是地缘政治基础设施

教堂山会议举行之际，美中技术竞争正在加剧。另一个重要背景是开放权重模型影响力上升：这类模型的底层系统可以被下载、运行和定制。有关中国开放权重模型的报道显示，模型的访问方式和控制权已经不只是产品选择，也正在成为战略问题。18

因此，“建设本国AI基础设施”有两层含义。

从经济角度看，本国算力、数据中心和产业生态有助于留住AI创造的更多价值；从战略角度看，这也可能降低对外国计算资源、模型和技术供应商的依赖。美国试图在G20伙伴之间推动一套共同的、重视创新的框架，正是更广泛技术生态竞争和阵营协调的一部分。11

这场政策路线也隐含着与欧洲更积极、干预性更强的科技监管模式的对比。美国支持者认为，较轻的规则有利于创新；批评者则警告，快速部署可能超出科学界对风险的理解能力，也可能跑在公共机构和政府政策之前。会议没有消除这一矛盾。

为什么教堂山会议值得关注

9月1日至2日举行的G20创新部长级会议，是美国主办、旨在为2026年晚些时候迈阿密G20领导人峰会相关讨论定调的早期会议之一。68

它的意义不在于给出一份最终答案，而在于试图确定讨论的起点：各国是否应迅速建设AI能力，尽可能使用现有规则，并避免主要依据推测性危害来监管AI。黄仁勋和奥尔特曼则从产业角度，为投资和部署提供了理由。

接下来仍有几个关键问题没有答案：每个国家究竟需要多大规模的本土AI能力？数据中心和电力由谁投资？劳动者如何适应岗位变化？什么样的风险才算具体到足以触发新监管？

这些问题将决定“基础设施优先”最终会成为G20成员共享的方向，还是继续停留在美国提出、但仍存在争议的政策主张上。