一种普遍的观点认为，美国的芯片出口管制或许并未减缓全球人工智能的发展，反而可能因祸得福，起到了加速作用。其核心逻辑在于，管制迫使中美两国各自专注于不同的资源优势进行技术创新。美国拥有更强的算力，而中国则在模型效率和人力优化上投入更多。这种被迫形成的技术路径多样化，加上知识最终会扩散共享，可能导致全球整体的 AI 进步速度比所有人都走同一条路时更快。
管制下的反常现象
一个公认的事实是，中国的 AI 公司比美国同行更注重单位芯片的效率。
- 像 Kimi 和 Deepseek 这样的模型，用远少于美国竞争对手的算力就取得了相当出色的成果。
- 原因不难理解：美国限制了对华出口高端芯片的种类和数量。尽管存在走私，但这并不能完全弥补劣势。
- 自 2022 年出口管制宣布以来，来自中国的、专注于节省算力的学术论文数量相对于美国显著增加。
为何管制可能加速发展？
本文旨在阐述一个理论模型，解释出口管制如何可能导致 AI 发展加速而非减速。这个模型基于一些简单且合理的假设。
核心观点是：让不同的公司持有不同的资源，会促使它们投资于不同的方法，从而加速整体的进步。
这个过程可以被理解为一个简单的经济模型：
- 两个玩家： 美国和中国，彼此无法交易，模拟了出口管制的环境。
- 资源禀赋： 美国拥有更多的算力，而中国拥有更多的人力（泛指工程师、数据标注员等劳动力资源）。
- 生产函数： AI 模型的产出需要算力和人力的结合。这两者是互补品，缺一不可。
差异化带来的“定向技术变革”
当资源不均衡时，理性的选择是提升你最稀缺资源的利用效率。这在经济学中被称为“定向技术变革”。
- 如果你的劳动力比算力多，那么提升劳动力效率的回报会很低，而提升算力效率（即用更少的算力做更多的事）的回报则很高。
- 反之亦然，如果你的算力比劳动力多，你就会专注于提升劳动力的效率。
因此，在这种模型下：
- 中国由于算力稀缺，会集中研发投入以提升算力效率。
- 美国由于算力充足，其相对稀缺的是人力，因此会投资于提升人力效率的工具或方法。
最终，双方在不同的技术路径上取得了进展。由于知识最终会扩散（例如通过论文、开源项目等），一方的发现会惠及另一方，从而使整体的技术前沿被更快地向前推进。
对称的困境：为何资源均衡反而更糟？
如果美国和中国拥有完全相同的资源（算力与人力都均等），情况会怎样？
它们将无法进行有效的分工合作，因为这会陷入一种“囚徒困境”。
即使双方口头约定分工合作（例如，美国专注算力，中国专注人力），但从自身利益出发，最佳策略总是“背叛”，即在所有领域都进行投资，以确保短期内不落后。
这种对称的竞争导致了重复和低效的研发投入，因为双方都在解决同样的问题。出口管制通过人为制造资源的不对称，恰好打破了这种僵局，迫使双方走向了不同的、但最终互补的创新道路。
模型的局限与启示
必须强调，这只是一个理论模型，而非现实证明。它包含了一些关键的简化假设：
- 它假设全球总算力是固定的，而现实中算力的生产与利润相关。
- 它将资源禀赋固定和镜像化，忽略了企业间复杂的动态博弈。
尽管如此，这个模型提供了一个有价值的视角。所有的假设都合情合理，我们确实观察到知识在不同实验室之间传播。
既然研发方法的多样性能够加速进步，那么一个能增加多样性的政策，为什么不能做到同样的效果呢？