當前，人工智能（AI）正以前所未有的速度重塑國際競爭格局。在全球科技競爭與地緣政治壓力不斷加大的背景下，數據跨境流動成為各國監管的敏感點。尤其在中美關係中，數據安全與數字主權日益政治化、國家安全化，然而，以安全為名的限制措施若被濫用或泛化，就極易演變為技術脫鉤的工具，損害中美乃至全球AI發展的長期利益。

隨着AI發展，數據成為訓練模型、優化算法和商業決策的關鍵資源。特別是近年來，美歐等主要發達國家以數據主權、安全審查等為由，頻繁制定和升級AI相關的數據安全規則。各國紛紛通過本地化數據立法強化對數據資源的掌控，截止2023年，全球已有40個經濟體實施了96項數據本地化措施，且2/3以上措施不僅要求數據本地化存儲，還禁止數據跨境流動。這種碎片化規則加劇了發展中國家的困境，跨國科技公司通過雲服務與算法平台輸出技術框架，也可能侵蝕發展中國家的數字主權。此外，各國在個人數據保護標準上也存在差異，這種割裂的數據治理體系阻礙着AI所需的全球數據流通。

近年來，美國不斷通過法律法規、技術出口禁令、投資限制、供應鏈切割等手段，強化數據與AI系統“去中國化”和產業鏈脫鉤的進程。

首先是來自法律和政策層面的限制。2023 年起，美國陸續升級出口管制，明確將“核心模型”、“訓練算力”等關鍵能力要素納入管控範圍，強調防止其外流，尤其針對中國等“戰略競爭者”。2025年1月，美國商務部工業和安全局修訂《出口管理條例》，發佈《人工智能擴散框架》，旨在加強對先進芯片和AI模型的出口管制，構建美國及其盟友可信賴的生態系統，保護國家安全與外交政策利益，同時促進AI技術負責任擴散。美國外國投資委員會審查範圍規定，涉及AI數據相關企業或與AI關鍵技術相關的中資併購、技術許可、數據合作項目，可能被攔截或否決。

其次是來自於技術層面的限制。目前，OpenAI、英偉達等拒絕向中國開放高質量訓練數據和應用編程接口（API），並強化大模型核心資源的戰略壟斷。中國大模型需作出透明說明並通過本地審查方能入境。

第三是來自數據本地化與分區存儲的要求。如，美國鼓勵盟友實施“可信國家數據圈”，阻止與中國的數據互聯互通，同時與歐盟、日本建立數據互信區，強化“技術聯盟”數據壁壘。

上述限制性措施意味着中國AI技術及相關企業不僅將面臨“硬技術封鎖”，更必須面對“軟規則歧視”。美國在制度上將AI數據流動等同於國家安全風險，而中國被預設為風險對象，從而使雙邊AI合作氛圍持續惡化，並將給全球AI合作帶來深遠影響。

一是高質量訓練數據的國際獲取難度上升。在全球數據流動管控日趨嚴格的背景下，AI模型訓練趨向本地化。中國AI模型如無法訪問全球醫療影像、學術文獻、英文語義數據，其在科研類、多語種任務中的能力將受到巨大限制。

二是AI產業鏈的全球協作能力將受損。AI企業全球化布局依賴數據自由流動、算法共享與算力基礎設施的互聯互通。當前，全球數據壁壘不僅影響模型訓練，也阻礙AI雲服務的全球交付能力。同時，AI安全標準和認證要求的差異化，也將使產品出海路徑更加複雜。例如，歐盟《AI責任法案》要求算法可解釋性和“高風險AI”清單，而美國側重企業自律和透明度評級，這導致同一產品需進行多套合規設計。

此外，“可信數據同盟”也將進一步加劇全球AI版圖分裂。近年來，以“可信數據流通”為名，美國聯合歐盟、日本、澳大利亞等構建“民主數據聯盟”，全球數據跨境流動從“自由”走向“可信”。從未來發展趨勢看，數據跨境流動將在國家安全、倫理審查、算法可控基礎上實現“有條件的互通”，或不得不通過第三方可信中立數據樞紐實現數據合規轉運。

AI發展本質上依賴開放性、協同性與數據共享，將數據跨境流動泛安全化、政治化，不僅會限制AI模型的準確性與泛化能力，也將阻斷中美在醫療、教育、氣候建模等全球公共利益領域的合作。儘管中美之間存在制度差異與價值觀差距，但在AI標準建設、算法倫理、模型安全、濫用風險防範等方面卻有着廣泛共同利益。例如，在生成式AI內容的標註、深度偽造治理、自動駕駛數據分享等領域，建立可信、有限、透明的數據交換機制將使雙方受益。

由此，數據跨境流動限制不應成為阻礙中美AI合作的障礙，數據不應成為分裂全球AI發展的邊界，而應成為連接未來合作的基礎。唯有如此，才能避免AI技術在割裂中走向閉環，真正達成全球範圍內的技術倫理共識與人工智能福祉共享。