人工智能（AI）已成为国家安全革命的核心，其中计算能力是关键。美国虽然可能在AI前沿技术上领先，但如果国防和情报部门不能借鉴海军上将里克弗（Rickover）那样的决心，将新技术快速应用于实战，仍可能在竞争中落败。政策的成功不仅依赖于制定，更依赖于强大的执行能力和技术理解，而美国在能源、执法和政府内部采纳能力等方面的短板，可能使其计算优势化为乌有。
AI成为国家安全的核心
在2021年，AI对国家安全的重要性以及计算能力的核心地位还只是一个假设。如今，这些假设已被证实，并且将在未来几年继续产生深远影响。
- 转折点： 2020年，关于缩放法则（scaling laws）的论文用数学证明了计算能力对AI性能的决定性作用。随后，GPT-3的发布进一步验证了大规模投入能带来机器能力的显著提升。
- 早期行动： 基于对计算能力重要性的确信，拜登政府在2021至2022年间，即在AI热潮席卷全球之前，就着手制定并实施了关键的出口管制措施。
政策制定：芯片管制之路
制定技术政策是一个复杂且漫长的过程，尤其是在芯片领域。
- CHIPS法案 vs. 出口管制： CHIPS法案本质上是一项供应链政策，旨在恢复美国国内的芯片制造业。而芯片出口管制则是一项纯粹的国家安全政策，其目标是限制对手在核武器、密码学建模等领域利用高端芯片，这些理由即便不考虑通用人工智能（AGI）也完全成立。
- 过程与权衡： 政策制定需要经过漫长的跨部门协调。尽管一些人主张采取更激进的措施，但决策者必须平衡各种复杂因素。限制一个价值数千亿美元的公司（如英伟达）向全球人口最多的国家出售技术，这样的决策不应草率行事。
政策的制定过程有时像一场“拉锯战”。理论上清晰的道理，在实践中需要通过繁琐但必要的程序来推行，以确保决策的稳健性。
“里克弗”的召唤：从发明到整合
AI是第一个几乎完全源于私营部门的革命性技术。这给国家安全部门带来了独特的挑战：如何将外部创新快速融入内部工作流程。
- 坦克的教训： 英国和法国发明了坦克，但未能有效运用于战术，反而是德国在二战初期将其威力发挥到极致。这个历史教训警示我们，仅仅发明技术是远远不够的。
我非常担心AI领域会重演这一幕：美国发明了这项技术，但其他国家却率先掌握了如何将其用于国家安全目的，从而对美国造成战略突袭。
- 寻找“AI界的里克弗”： 当务之急是找到一位像里克弗上将推动核海军那样的人物，强力推动AI技术融入军事和情报行动。这不仅是技术的更新，更是对整个工作流程、组织架构的范式转变。
三重竞争与不对称风险
与中国的AI竞争可分为三个层面，美国必须在所有层面都取得成功。计算能力的领先仅仅是开始，而不是结束。
- 前沿模型之争： 依赖计算能力和私营部门的创新，制造出最强大的AI模型。
- 全球影响力之争： 将AI能力推广到全球市场，赢得发展中国家的认可和使用。
- 国家安全应用之争： 将前沿技术真正部署到国防和情报任务中。
即使美国在前两项竞争中获胜，但如果在国家安全应用上落后，依然可能输掉全局。单纯依赖计算优势是危险的，因为对手总能采取非对称策略，例如攻击能源设施或数据中心。计算领先只能为我们争取时间，如果不能善用这段时间，优势将荡然无存。
AI重塑网络攻防
AI正在改变网络攻防的“杀伤链”，即攻击和防御的整个周期。
- 进攻端： AI开始被用于自动化发现零日漏洞，并能更快速、更大规模地执行网络入侵。有证据表明，一些国家的黑客已开始使用AI系统来辅助其网络操作。
- 防守端： AI在网络防御中的应用更为基础，例如垃圾邮件过滤和入侵检测系统早已实现自动化。理论上，如果能在代码发布前用AI检测并修复所有漏洞，网络世界将变得更加安全。
- 攻防平衡： 虽然AI可能暂时让攻击方更具优势，但长远来看，它也可能创造一个防御占优的环境。然而，在达到那个理想状态之前，我们将经历一个漫长的、充满风险的过渡期。
政策成功的关键与未来挑战
在技术政策领域，热情和游说远不如扎实的技术理解重要。能向决策者清晰解释复杂技术的能力，是推动正确政策的关键。
未来，美国在AI领域的领导地位面临多重挑战：
- 国家执行力： 即使有完美的政策，如果政府机构（如商务部工业与安全局）因资金不足而无法有效执行，政策也只是一纸空文。
- 能源基础： AI和数据中心是能源消耗大户。在能源生产方面，尤其是清洁能源项目上，美国的建设速度远不及竞争对手。
- 社会与监管： AI将对就业、社会关系乃至民主政治产生巨大冲击。政府的核心职责是管理尾部风险（如生物恐怖主义），而不是过度干预言论或政治观点。如何平衡创新与监管，将是未来数年持续的政治议题。