过去几十年，中美打交道有一条朴素的观察：当一方相对实力占优时，更倾向依托既有规则推进博弈；当原有规则难以达成目标，就会动用单边限制手段；当单边手段代价持续上升，双方往往会转向建立危机管控沟通渠道。

今年这两场会谈，就体现出这样的变化——美方主动提出搭建沟通机制、开通通报渠道，双边对话的姿态较之前出现明显调整。

按照过去美国的操作方式，芯片出口管制、技术限制、实体清单这类举措，大多直接落地，较少提前深度协商。

今年5月的外交消息值得关注：外交部发言人郭嘉昆5月19日在例行记者会上介绍，特朗普总统访华期间，两国元首就人工智能问题开展建设性交流，同意开展人工智能政府间对话，相关内容有官方通报。

更受关注的是9月的磋商。9月20日到23日，中美经贸团队在纽约和华盛顿举行第八轮磋商，双方同意在中美经贸磋商机制框架下设立人工智能对话。

何立峰副总理与贝森特财长作为双方牵头人，完成首轮对话，并约定在今年11月底前继续会谈。

本次磋商一项重要共识：双方同意建立人工智能相关重大事件的沟通渠道。

英国《金融时报》报道，美方提议搭建针对重大人工智能安全事件的通报机制。美方提出的理由是：AI技术如果应用在军事、情报领域，可能生成虚假信息，存在大国误判的风险。

从大国博弈角度看，拥有技术优势的国家，通常更倾向维持现有技术格局；当技术格局发生变化，各国都会关注对手的技术进展。

这套机制的核心定位是风险管控，不等于全面技术信息共享。

后续机制落地后，交换信息的范围、边界，仍需要双方进一步谈判确定。

同一轮磋商中，双方还达成多项共识，包括大熊猫租借相关安排、推动两军尽快签署加强危机沟通的谅解备忘录。

美方愿意把AI安全通报机制和其他双边议题一同推进，反映出美方希望为前沿技术领域的大国竞争设置“护栏”。

一个问题随之而来：为什么此前没有优先推动这类沟通渠道？本质是双方技术格局、风险考量发生了变化。

理解美方态度转变，需要从算力硬件的发展历程说起。

早在2006年，美国就推出可用于AI计算的通用GPU，2012年起大规模用于AI模型训练，配套软件、工具链、工程师生态逐步成熟。

国内到2021年，才有第一款可量产、支持AI训练的自研算力芯片落地。

今年5月，黄仁勋随团来华，是伴随特朗普访华的重要商业事件，外界普遍认为，美方希望借助定制版芯片，在对华芯片市场维持商业收益。

后续市场变化逐步显现。2025年4月美国收紧H20对华出口限制，英伟达当季计提约45亿美元相关损失；2026财年第二季度，英伟达没有向中国客户交付H20芯片，后续H20停产，转而研发替代型号。

H200获准少量对华出口，但在最新财季，对华H200销售收入占英伟达数据中心业务收入不足1%，企业在业绩前瞻指引中，不再纳入中国数据中心市场预期。

受限定制芯片存在短板：相比旗舰型号算力缩水，采购成本依旧较高，同时存在供应链与安全层面顾虑，国内市场采购意愿明显下降。

国内算力芯片研发同步推进。

9月17日华为全联接大会上，轮值董事长汪涛披露昇腾960芯片研发进度超出预期：960DT较原定计划提前三个季度，预计2027年一季度就绪；960PR提前一个季度，预计2027年三季度就绪。

昇腾系列保持迭代节奏，上一代昇腾950超节点已经进入规模商用阶段。

多卡集群是算力建设可行路径。

AI训练卡部署在机房内，不像手机芯片受体积、功耗严苛限制，单卡算力不足时，可以通过多卡组网并行计算提升整体算力。

集群工程方案可以在一定程度上缩小可用算力差距，但芯片制造工艺、底层IP、EDA工具、基础软件生态，依然是需要长期攻关的领域。

硬件决定算力上限，算力能不能高效利用，取决于算法优化。

可以用一个通俗比喻：算力芯片如同大马力卡车，标称最大马力是理论参数；实际运行会受调度、负载等因素影响，很难持续满负荷运转。算法就相当于调度与优化能力。

同样硬件条件下，优秀的算法可以减少无效计算，提升硬件利用率；硬件性能强，如果调度、适配不足，算力也会浪费。

美国AI产业过去长期走“大模型、大算力”路线，不断提升芯片性能与模型规模，但这条路持续推进的成本快速抬升，芯片、电力、机房投入持续走高，边际效益逐步下降。

国内研发方向更注重硬件利用效率，在控制成本的前提下挖掘算力价值。

AI落地应用的数据值得参考。摩根士丹利今年9月调研显示：中国受访者中每周至少将AI用于个人用途占80%，美国为54%；职场受访者中，每周工作场景使用AI的中国占77%，美国54%。该调研样本为国内1–4线城市18–59岁人群，并非全国人口普查，仅作参考。

企业端数据同样有参考意义。IDC调研显示，国内工业企业应用大模型及智能体的比例，从2024年9.6%增长至2025年47.5%；可在研发、制造、供应链多环节同步落地应用的企业，从1.7%提升至35%。

MIT《TheGenAIDivide》报告指出，美国大约95%企业生成式AI试点，没有实现可量化财务回报，仅约5%试点产生实际商业价值。

工信部公开数据显示，截至2026年6月，我国日均词元调用量突破500万亿，两年增长超千倍；2026年3月，国内AI大模型周调用量连续三周超过美国；多家机构测算，同等使用效果下，国内大模型调用成本显著低于美国同类产品。

美国科技巨头正在投入巨额资本布局AI。

高盛预计，Alphabet、亚马逊、微软、Meta四家企业，2026年资本开支合计将达7250亿美元，相比2025年增长77%；穆迪测算，六家美国科技巨头2026年资本支出约7850亿美元，2027年有望接近1万亿美元。

统计显示，截至2026年5月，全球头部AI企业累计投入约1.4万亿美元，总营收约6130亿美元，其中相当部分流向英伟达。

高盛测算，六大云厂商2026至2027年合计约1.73万亿美元AI算力资本投入，需要在2028–2030年累计创造1.42万亿美元收入，才能实现15%的投入资本回报率。

高额投入与商业化回报压力，是美国科技行业面临的现实难题。

美国国内对AI发展路线也存在明显分歧。

而特朗普的表态是，不能在AI领域落后于中国。

一边担忧前沿AI风险，呼吁适度管控；另一边，各方都不愿主动放缓研发，这是当前美国内部的矛盾状态。

AI技术具备“在使用中迭代”的特点，业务场景落地、真实数据积累，持续推动模型优化。

国内正在形成场景落地、数据积累、模型迭代、商业变现再投入研发的产业闭环。但客观来看，国内不少基础模型、算力基础设施依旧保持持续大额投入，产业整体仍处在投入和商业化并行阶段。

大国在前沿技术领域搭建危机沟通渠道，是管控冲突风险的手段。当技术格局发生变化，博弈双方都会主动寻求建立护栏。

美方主动提议建立AI事件通报机制，是多重因素共同作用的结果，包括中国AI产业快速追赶带来的格局变化、美方对误判风险的担忧，还有本国科技企业商业利益考量。

大国之间谈判姿态的变化，背后是双方综合实力对比持续调整。

外交姿态从来不是单一因素决定，但前沿AI领域的竞争格局，确实已经和几年前完全不同。