综合考虑AI技术对各国的重大战略意义，以及DeepSeek等颠覆式创新的不断涌现，我认为，未来全球AI发展将表现出“短期竞争加剧与长期竞合共生”的趋势变化。
短期内，大国竞争导致各国基础设施割裂加剧。考虑到A技术已经成为影响全球发展与安全的重要因素，各国均致力于在本轮科技竞争中抢占先机，掌握国际话语权。因此，短期内的全球AI竞争加剧将成为必然。在基础设施领域，预计发达国家将持续通过芯片出口管制、数据本地化政策等手段构筑行业壁垒;而发展中国家为避免技术“卡脖子”也将大力投资基础设施建设，争取关键领域自主可控。
例如，特朗普于 2025年1月在白宫发布会上宣布了“星际之门”AI基础设施投资项目，计划未来四年累计投资5000亿美元发展AI，以确保美国的全球领先地位。美国将建设多个大型数据中心，形成覆盖全国的AI计算网络，并配备数百万专用服务器芯片。各大科技公司也纷纷加大AI基础设施领域的投资计划。面对DeepSeek的冲击，美国科技巨头微软、亚马逊、谷歌和Meta近日陆续表示将在 2025年进一步加大投资,预计在AI技术和数据中心建设上的总投入为3200亿美元远超过2024年的2300亿美元。2月24日，阿里巴巴集团CEO吴泳铭宣布，未来三年阿里将投入超过3800亿元，用于建设云和AI硬件基础设施，总额超过去十年总和。
中长期，成本与能源压力倒逼区域性集群建设。伴随着各国及企业全力扩张AI基础设施投资全球基础设施领域可能出现较为严重的重复建设，持续推高全球AI产业链成本，造成一定的资源浪费。这种“各自为政”的投入方式在中长期或将难以为继，这主要是由于重复建设造成的经济不可持续性。一是成本高昂:随着AI大模型参数不断增长，其训练成本也将大幅增加，这种增速是单一国家或企业无法长期承担的。尽管 DeepSeek的成功为我们指引了一条在短期内以低成本模型绕开算力限制的道路，但随着A技术持续迭代与行业应用加速落地，长期内各国对算力的需求仍将十分庞大。二是能源瓶颈:随着数据中心规模与数量持续增加，各国终将受到能源消耗的制约。国际能源署(IEA)2024年预测，未来两年全球数据中心的耗电量将比 2022年翻一番，到2026年约达到1000太瓦时。考虑到全球可持续发展及“碳中和”目标，各方必将寻求能效协同以减少排放。
在此背景下，区域内的合作伙伴将开始协同合作，通过共享A基础设施来降低建设成本、减少能源消耗、从而形成数字基建集群的区域性堡垒。一是算力方面:预计将会形成北美、东亚、欧洲三大阵营，其他经济体可能被迫“选边站”。三大区域联盟将各自平行建设AI基础设施，在区域内实现部分资源共享，在区域外以限制与竞争为主。二是数据方面:预计各区域联盟将构建数据主权圈，促进区域内的数据跨境流通，强化区域外的数据主权保护。数据治理可参考欧盟《通用数据保护条例》形成的区域数据治理标准，以及当前正在构建的东盟跨境数据流通框架等。
短期内，大国科技博弈导致技术发展加速分化。与基础层相似，AI技术层同样受到大国竞争的影响。特别是 DeepSeek-R1模型推出后，对美国等发达国家构成了直接冲击，动摇了其技术垄断优势。因此，技术突破在短期内可能引发技术民族主义情绪抬头，导致封锁加剧。美国等技术领先国家可能会采取更加严格的遏制措施，从而保护其既有的技术优势。例如，美国参议员提出《美中人工智能能力脱钩法案》，内容包括终止 AI技术流动、停止研发合作、切断AI投资等，试图推动中美 AI“全面脱钩”
中长期，科学技术发展将趋于开源协同，合作研发成为必然。区别于数字基础设施的本地部署特征，科学技术传播是广泛而迅速的。通过推动底层模型开源，可以减少在科研方面的重复投入，协同全球优秀人才共促技术进步。目前，开源模式已成为全球科技与产业创新的重要模式，全球开源项目数量持续稳定增长。在 AI领域，开源模型社区一直没有缺席，在 Meta的开源大型语言模型LlaMa及 LlaMa2的支持下进行着密集的科研和工程迭代。据全球最大的代码托管平台 GitHub数据显示，2024年Github平台上通用生成式AI项目总数约13.7万个，较2023年同比增长 98%。
DeepSeek-R1作为开源模型,其带来的绝非仅是经济价值,更具有深刻的技术贡献与社会意义未来，开源模式还将吸引更多的全球开发者贡献代码，共同促进技术迭代，实现开源协作与知识共享。OpenAI首席执行官山姆·阿尔特曼坦言，DeepSeek的崛起削弱了 OpenAI的技术领先优势并承认公司的闭源策略是“站在了历史错误的一边”。
根据 AI技术的应用场景、目标用户及商业模式等，可将其划分为消费级AI与企业级AI。我们认为，AI应用层的发展态势将在消费市场与企业市场之间存在较大差异。
消费市场将加速渗透与融合。AI技术天然具有跨境属性，特别是教育、娱乐等消费级AI应用具有较高的互通性，不断拓展跨国应用场景。基于以下原因，消费级AI能够在应用层实现更广泛的融合。一是规模效应驱动:消费级AI通常追求用户体验的规模化，同一产品所服务的用户数量越多，边际成本越低，规模效应越显著。因此，消费级AI供应商有更强烈的动机推动全球化发展，以覆盖更广泛的客户群体。在此过程中，通过海量数据积累使AI自我迭代效率倍增，实现“用户越多、模型越准确、市场规模越大”的正向反馈。二是数据敏感性较低:消费级 AI依赖于海量的用户行为数据，而用户日常消费数据(如娱乐、购物、观影等)通常属于非涉密属性的常规个人信息。跨境流动限制较低。加之当前去标识化技术已较为成熟，通过对用户个人数据进行脱敏，进一步降低了数据敏感性。
例如，随着短视频社交媒体在全球范围内迅猛发展，字节跳动旗下TikTok已成为全球第五大最受欢迎社交平台。截至2025年2月，美国成为TikTok受众最多的地区，月活跃用户数达1.36亿人。尽管 TikTok在美国仍面临被封禁风险，但可见用户对消费级AI跨境应用场景拥有庞大的共性需求。
企业市场可能进一步分化与割裂。相较而言，企业级AI在应用过程中更为复杂。数据方面，企业级AI需要使用行业专有数据，对数据质量提出了更高要求;模型方面，企业级AI往往根据实际需求采用高精度定制模型，难以规模化应用:监管方面，企业级AI涉及的敏感性较高，开发及应用过程中需符合行业监管。总体而言，企业级AI存在数据壁垒与定制化需求，受地缘政治及技术封锁的影响也更强，因此在全球范围内更可能呈现相对割裂的本地化发展趋势。但企业市场的分裂并非绝对，倘若开源社区实现跨阵营渗透，技术进步突破区域壁垒，或是全球经济发展倒通合作场景，则可能助推企业级AI的跨国联盟与融合
短期内，技术标准碎片化，伦理标准难以统一。由于各国在AI技术领域的激烈竞争，势必也将形成各自主导的技术标准体系。叠加各经济体在文明价值观等方面存在分歧,AI发展理念不尽相同这将导致全球 AI标准碎片化，各国在军事、伦理、社会规则等方面难以兼容。例如，前文所述中、美、欧针对数据跨境流通的监管理念有较大差异，这些分歧在短期内或许难以调和。
中长期，各国强调风险共担与标准共建，实现分层治理。人工智能作为一项战略性技术，具有改变全球格局和人类发展进程的潜力。因此，人工智能治理也是一项全球性议题，关系着每一个国家的技术与经济社会发展，应当超越地缘政治的干扰与束缚，实现全球共同的安全与发展。未来全球必将针对AI伦理、安全威胁等开展跨国联合研究，推动多边框架，避免技术对立。我们认为.最终全球AI领域将形成分层治理体系，在许多关键领域形成全球标准的同时，也不可避免在具体实施细则上仍存国别差异。一是核心层:在基础模型、算力网络等方面，为了形成统一的技术标准与架构，须由国际组织制定全球性协议，形成全球标准，这有助于整体生态建设。二是应用层:在AI行业化应用方面，可以更大限度地保留国家或区域的自主权，允许在全球最低标准的基础上进行本地化调整。
综上所述，最终全球AI发展既不会完全实现世界统一，也不会彻底陷入技术封建主义，而是会在涉及国家主权安全等“高政治”领域保持相对割裂，在涉及商业与民生等“低政治”领域实现有限融合，这种分裂与融合本质上是全球化与国家利益博弈在AI时代的映射。未来，全球AI发展将保持竞争与合作共存，呈现“多极竞争、开源共治”的新格局，这也为中国进一步实现技术创新。场景拓展及规则治理指引了方向。
