ai产业链
AI正在增强美国，旧秩序为何反而失灵？
信源：Invest Like the Best｜Patrick O’Shaughnessy 对谈 Walter Russell Mead｜2026年9月8日。
美国科技企业越来越强，为什么美国主导的世界却越来越不稳定？历史学者 Walter Russell Mead 在这场访谈中提出了一个区分：美国创造技术和财富的能力，与它通过贸易规则、联盟和政治承诺组织世界的能力，可以朝不同方向变化。信息革命强化前者，旧制度失灵与政治冲突则可能削弱后者。
这个判断比“美国会不会衰落”更值得追问。AI 能否支撑新一轮长期优势，取决于一条完整的转化路径：创新进入生产和公共服务，形成普通人可以获得的收益；这些收益维持社会对变革的支持，再通过全球市场与合作关系放大技术回报。模型能力增长得再快，中间任何一环卡住，都会出现科技繁荣与社会失序并存的局面。
这种失序并非由 AI 单独造成。Mead 特别强调，互联网与社交媒体放大了个人政治，特朗普则借助注意力和不可预测性扩大权力。在他的判断中，这种做法增加了短期行动空间，却削弱了联盟和长期承诺赖以维持的稳定预期。信息技术既改变财富的生产方式，也改变权力的组织方式；AI 进入的，是一个已经发生这种变化的世界。
Mead 用荷兰、英国到美国的历史解释这套机制。在他的框架里，开放社会吸引人才、允许试错，技术和金融创新催生商业优势，全球贸易扩大收益，安全与制度网络又吸引更多国家参与。参与者获得增长，也产生对网络的依赖，商业优势由此转化为政治影响力。这套解释的要点是：一个国家的力量，既来自自己创造了多少，也来自它能组织多大的合作网络。
AI 正在改变这张网络的组织方式。Mead 所说的“科技汉密尔顿主义”，指向科技企业与国家利益的重新结合：企业需要稳定的算力供应、知识产权保护和海外市场，政府需要企业的技术转化为经济与安全能力。双方开始共同面对竞争，也共同决定技术如何进入大型组织。
这已经有了具体的部署形态。2026年8月31日，美国军方宣布 ChatGPT Mil 上线 GenAI.mil，获得处理受控非密信息的相应安全认可，支持规划、政策、后勤和行政等文档工作。官方将其称为2025年合作的“采用阶段”。这个变化值得关注：从签下合作，到建立安全环境、接入文件与项目、嵌入日常工作，模型才获得发挥作用的渠道；上线本身尚不能证明生产率提升了多少。
但国家与科技企业靠近，也会产生内在矛盾。保护技术需要边界，扩大技术收益又需要市场、人才与合作伙伴。AI 的研发和训练投入需要足够大的需求来支撑，海外客户还提供不同语言和工作场景中的反馈。过度收缩全球联系，可能同时削弱创新的收入来源与学习机会。Mead 对美国孤立主义的担忧，恰好来自他对美国技术优势的信心。
这也意味着，不能把技术竞争简化成美国负责原创、其他国家负责复制。斯坦福《2026 AI Index》回顾2025年初至2026年3月的模型表现时，记录了美中模型在相关比较中多次交替领先。访谈把中国 AI 进展较多归因于蒸馏，解释得过于单一。即便部分能力可以低成本扩散，持续研发、推理基础设施和大规模应用仍需建设。技术扩散会削弱某些先发优势，也会让更多国家参与创新与应用。
更深的约束来自国内。在 Mead 看来，信息革命正在瓦解工业社会中劳工、企业管理层与专业官僚之间的旧协调结构。技术实力上升，未必伴随集体决策能力增强。因此，他把讨论转向了一个容易被科技叙事忽视的问题：普通人拥有什么？
Mead 认为，美国曾依靠“所有权社会”维持人们对制度的支持：独立农民拥有土地，铁路与宅地政策把更多人接入全国市场；进入工业社会后，郊区住房又让一部分雇员能够积累资产。技术和基础设施扩张，曾与家庭财富增长形成联系。
这段历史并非人人同等受益，但它揭示了一个重要机制：人们支持变革，需要在自身生活中看见上升通道。当科技企业估值不断增长，年轻人却难以获得住房和稳定预期，宏观财富增长就难以自动转化为社会认同。AI 若主要表现为企业利润增长和岗位压力，推动技术部署所需的政治支持也会受到侵蚀。
因此，Mead 提出的远程办公与自动驾驶，实际上是在讨论技术如何重新扩大生活选择。减少到岗次数、降低通勤负担，可以让人们考虑距离就业中心更远的住房。他举例将通勤半径从40英里扩大到75英里：按理想圆形计算，覆盖面积变为约3.5倍。当然，几何面积不会直接变成可建住宅，规划、供水、道路和公共服务必须跟上。这恰好说明，技术提供可能性，制度决定它能否转化为可负担的生活。
组织方式确实可以创造可见收益。2024年发表于《Nature》、针对携程1,612名员工开展的随机试验发现，每周两天居家办公使离职率下降约三分之一，绩效评价未受损。这项特定企业的研究不能证明远程办公能解决住房问题，却说明：改善生活与维持工作表现，可以通过重新设计工作安排同时实现。
Mead 为这类配套提出了“infosstructure”一词，可以理解为信息时代的制度基础设施：让新技术有效运行所需的法律、监管和组织安排。医疗 AI 就是很好的例子。更强的模型要变成更便宜、更及时的服务，还需要医院改变流程、确定数据使用方式、明确责任，并建立相应的支付与评价机制。仅仅提高诊断或研究能力，并不会自动降低患者账单。
这使 AI 的竞争边界大幅扩大。芯片、模型与数据中心决定能力的供给；组织能否使用它们，决定能力的产出；收益能否进入家庭生活，又决定社会愿意支持多大规模的继续建设。如果建设负担与转型成本先落到普通人身上，收益却长期集中于少数主体，阻力就会回头延缓部署。反过来，医疗更可及、办事更方便、小企业经营成本更低，会扩大社会对技术投资的支持。
军事技术提供了同一问题的另一种检验。Mead 在乌克兰看到的，是战场反馈推动无人机设计持续调整。这里值得提炼的是学习速度：装备数量和预算规模，必须通过快速试验、采购、训练和更新，才能维持有效优势。持有最多旧装备的国家，也可能承担最大的转换负担。这个逻辑同样适用于企业——拥有强模型，却让工作流程多年不变，很难获得相应的生产率优势。
而学习更快，也不代表所有决策都应更快。访谈设想，把部分威慑决策交给 AI，可以使对手更相信报复会发生。但承诺更自动化，也可能减少纠正误判和阻止升级的空间。技术可以改善信息处理，却无法替一个国家解决目标、责任和信任问题。旧秩序的不稳定，正出现在能力快速变化、行为规则来不及调整的交界处。
这场访谈仍然提供了充分的科技乐观理由。AI 有机会加速研究、降低专业服务的交付成本，让过去稀缺的知识与能力被更多人获得。Mead 对医疗进步的期待，指向一种比科技公司市值更广泛的繁荣。能把这些能力稳定嵌入真实机构、缩短交付周期，并把效率改善传递给使用者的企业，也更有机会获得持续需求。
美国能否延续优势，需要在这些地方接受检验：大型机构是否更快采用有效技术，生产率收益是否走出科技行业，普通人能否以更低成本获得更好的服务。若前沿能力不断增强，这些结果却迟迟不出现，技术领先就还没有完成向持续国力的转化。AI 已经打开了扩大繁荣的可能性，下一阶段的竞争，将越来越取决于谁能把这种可能性变成大多数人的日常生活。