转发2020年8月乔治城大学安全与新兴技术中心网络人工智能项目主任Ben Buchanan发表在《外交事务》杂志上的一篇文章：“美国的人工智能对华竞争错到离谱：算力而非数据，才是技术主导权的秘诀”。近日一个偶然的机会发现这篇旧文，把美国政府对华芯片出口管制和中美人工智能竞争的关系，以通俗易懂的方式说得很清楚。虽然这篇文章发表两年多后，美国才出台了系统性地对华芯片出口管制。或许可以大胆假设，美国政府就是看到了这篇文章，才没有在后来和中国的人工智能竞争中“错到离谱”。文章里面还用很多篇幅讲了当时尚有些籍籍无名的OpenAI：
人工智能的发展曾经主要是一个技术问题，局限于学术界和体制外的实验室。今天，它是地缘政治竞争的舞台。美国和中国每年都投资数十亿美元来发展人工智能产业，提高未来武器系统的自主性和威力，并持续拓展可能性的边界。对两国之间人工智能军备竞赛的担忧比比皆是——尽管说的话经常超过技术现实，但不断升级的政治紧张局势意味着两国越来越将人工智能看作零和游戏。
尽管具有地缘政治的复杂性，但人工智能竞争可以归结为一个简单的技术三件套：数据、算法和算力。三件套的前两个元素受到了大量的政策关注。作为现代人工智能的唯一输入，数据经常被比作石油——从技术营销材料到总统初选，这种比喻无处不在。算法在政策讨论中也同样重要，它使得人工智能系统能够学习和解释数据。虽然不能夸大中国的能力，但中国在这两个领域都做得很好：其庞大的政府机构收集了大量数据，科技公司则在先进人工智能算法方面取得了显著进展。
但在政策讨论中，三件套中的第三个要素往往被忽视。算力——或者行业术语中的“计算能力”——被视为一种无聊的商品，不值得认真关注。这部分是因为在日常生活中，计算通常被视为理所当然。很少有人知道笔记本电脑中的处理器有多快——只是知道它很快。但在人工智能领域，计算默默无闻却至关重要。随着算法从数据中学习并将洞察力编码到神经网络中，它们执行数万亿或数万亿次单独计算。如果没有能够高速进行这种数学运算的处理器，人工智能的发展就会停滞不前。因此，尖端计算不仅是技术奇迹，也是国家之间强大的杠杆点。
认识到计算的真正力量意味着重新评估全球人工智能竞争的状况。与三件套中的另外两个元素不同，计算经历了一场由美国及其盟友领导的无声革命——这场革命使这些国家相对于中国和其他数据丰富、但在先进电子制造方面落后的国家获得了结构性优势。美国的政策制定者可以在寻求保持技术优势的基础上再接再厉。为此，他们应该考虑增加研发投资，并限制某些处理器或制造设备的出口。在保持美国的技术领先方面，这个选择具有重大优势——这些优势往往被低估，但又太重要而不能忽视。
计算的革命
人工智能的计算能力在过去十年间经历了根本转变。根据研究实验室OpenAI的数据，用于训练顶级人工智能项目的计算量在2012年至2018年间增加了30万倍。为了方便理解，可以想象如果一块手机电池在2012年可以续航一天，并且其寿命以与人工智能计算相同的速度增加，那么这块电池的2018年版本将能够续航800多年。
更强大的计算能力使人工智能取得了令人瞩目的突破，包括OpenAI的GPT-3语言生成器，它可以回答科学和琐事问题，修复糟糕的语法，解读字谜，并在语言之间进行翻译。更令人印象深刻的是，GPT-3可以生成原创故事。给它一个标题和一句话的摘要，就像一个有写作提示的学生一样，它可以召唤出人类读者难以识别为机器生成的连贯文本段落。GPT-3的数据（近万亿字的人类写作）和复杂算法（运行在一个拥有1750亿参数的巨大神经网络上）吸引了最多的关注，但如果没有该程序巨大的计算能力——足以每秒运行3,640万亿次计算一天——两者都将毫无用处。
OpenAI和其他公司所利用的计算技术的快速发展在一定程度上是摩尔定律的产物。摩尔定律规定，由于处理器工程的改进，尖端芯片的基本计算能力每24个月翻一番。但同样重要的是“并行化”的快速改进——即多个计算机芯片同时训练人工智能系统的能力。这些芯片也变得越来越高效，可以针对特定的机器学习任务进行定制。这三个因素共同增强了人工智能的计算能力，提高了其解决现实世界问题的能力。
这些发展都不便宜。例如，随着工程问题变得更加困难，新的计算机芯片工厂的生产成本和复杂性会增加。摩尔不太为人所知的第二定律说，建造计算机芯片工厂的成本每四年翻一番。新设施的建造和配备芯片制造机器的成本超过200亿美元，有时每台机器的运行成本超过1亿美元。机器日益并行化也增加了成本，使用专门为机器学习设计的芯片也是如此。
计算杠杆
计算的成本和复杂性不断上升，使美国及其盟友比中国更具优势。在人工智能三件套的这一领域，中国仍然落后于竞争对手。美国公司主导着设计计算机芯片所需软件的市场，美国、韩国和台湾拥有领先的芯片制造设施。三个国家——日本、荷兰和美国——在芯片制造设备方面处于领先地位，控制着全球90%以上的市场份额。
几十年来，中国一直试图缩小这些差距，有时还抱有不切实际的期望。1977年，当中国政策规划者决定建立国内计算机芯片产业时，他们认为中国可以在几年内具备国际竞争力。北京在这个新领域进行了大量投资。但技术壁垒、缺乏经验丰富的工程师以及糟糕的中央计划体制致使中国芯片几十年后仍然落后于竞争对手。到20世纪90年代，中国政府的热情已经大大消退。
然而，2014年，十几名头部的工程师敦促中国政府再试一次。中国创建了国家集成电路基金——通常被称为“大基金”——以投资有前途的芯片公司。其长期计划是到2030年满足中国芯片需求的80%。但尽管取得了一些进展，中国仍然落后。该国仍有84%的计算机芯片从国外进口，即使在国内生产的芯片中，也有一半是由非中国公司制造的。即使在中国的制造设施中，西方芯片设计、软件和设备仍然占主导地位。
美国及其盟友目前享有的优势——部分源于计算机日益增长的重要性——为有兴趣限制中国人工智能能力的政策制定者提供了机会。通过出口管制扼杀芯片供应或限制芯片制造设备的转移，美国及其盟友可以减缓中国的人工智能发展，并确保其对现有生产商的依赖。美国总统唐纳德·特朗普的政府已经在这些方面采取了有限的行动：2018年成功地向荷兰施压，阻止期向中国出口一台1.5亿美元的尖端芯片制造机器。
对芯片或芯片制造设备的出口管制很可能会导致边际收益递减。从长远来看，缺乏来自西方技术的竞争可能只会帮助中国建立自己的产业。因此，限制中国获取芯片制造设备的可能是最有前途的方法，因为中国不太可能自行研发这些设备。但这个问题具有时间敏感性和复杂性；政策制定者有一个行动的窗口，它可能正在关闭。他们的首要任务必须是确定如何最好地保持美国在人工智能领域的长期优势。
除了限制中国获得芯片或芯片制造设备外，美国及其盟友还必须考虑如何支持自己的芯片产业。随着计算机的建设和部署成本越来越高，政策制定者必须找到方法确保西方公司继续推动技术的边界不断拓展。在几届总统任期内，美国未能在电信行业保持领先，将该行业的大部分份额让给了其他国家，包括中国的华为。当涉及到芯片、芯片制造设备和更广泛的人工智能时，美国不能承受同样的命运。
如果要确保这种情况不会发生，就部分意味着需要让学术研究人员可以使用计算资源，这样他们就可以继续培训新的专家并为人工智能的发展做出贡献。已经有一些人工智能研究人员抱怨说，计算的高昂成本限制了他们研究的速度和深度。很少有学术研究人员能够负担得起开发GPT-3所需的计算。如果这种能力对学术研究人员来说过于昂贵，更多的研究将转移到大型私营部门公司，排挤初创企业并抑制创新。
谈到美中竞争时，经常被忽视的教训是算力很重要。数据和算法至关重要，但如果没有算力的支持，它们就毫无意义。通过利用在这个领域的天然优势，美国及其盟友可以保持其在人工智能领域抗衡中国的能力。
