通用人工智能（Artificial General Intelligence，AGI）近年來重新成為人工智能研究與科技政策討論中的核心議題。不同於以往圍繞特定任務或應用場景展開的“弱人工智能”，AGI通常被理解為具備跨領域學習、推理和適應能力的通用智能系統，其潛在影響被認為將超越單一產業或技術範疇，深刻重塑經濟結構、社會治理乃至國際權力格局。正因如此，AGI不再只是一個工程問題或學術問題，而逐漸演變為一個具有高度戰略意義的政治經濟學議題。
當前關於AGI的討論，主要被兩種主導性敘事所塑造。第一種是由技術社群主導的“技術可行性”敘事，強調從認知建模、學習機制等基礎層面重新理解智能的本質；第二種是由產業界推動的“工程可行性”敘事，主張通過不斷擴大模型規模、算力和數據，依託既有深度學習範式逐步逼近AGI。這兩種敘事在學界與產業界均擁有重要支持者，例如圍繞“大模型是否能夠通向AGI”，楊立昆與戴密斯·哈薩比斯之間的分歧，便生動體現了這一爭論。
然而，這兩種看似對立的敘事實際上共享一個隱含前提：AGI的發展主要是一個由技術內在邏輯與產業激勵所驅動的過程，國家的作用更多體現在“支持”或“監管”層面。這一假設在弱人工智能階段或許尚能成立，但在AGI這一高度不確定、投入巨大且外部性極強的領域中，卻顯得日益不足。AGI面臨的並非單一技術瓶頸，而是技術路徑不確定、實現時間不可預測、社會影響難以評估等多重不確定性疊加。在此條件下，單純依賴市場機制，不僅容易導致技術路徑鎖定和資源配置失衡，也難以應對由此產生的社會風險與政治壓力。
正是在這一背景下，AGI的發展必須被重新理解為一個戰略問題。AGI具有典型的公共品屬性和戰略屬性，其研發過程需要長期、高風險、跨部門的投入協調，涉及算力、數據、人才、資本以及治理規則的系統整合。國家的關鍵作用，並不在於替代市場進行技術選擇，而在於通過制度安排，在根本不確定性條件下，使技術探索在經濟上可持續、在政治上可接受、在社會層面風險可控。
從這一視角出發，中美兩國在AGI領域所呈現的路徑差異，便具有了重要的分析意義。作為當前全球人工智能發展的兩大引領者，中美不僅在技術能力和投入規模上處於前列，更在制度結構、國家—市場關係以及技術治理理念上存在顯著差異。這些差異並未停留在政策表述層面，而是逐步內化為不同的AGI推進方式，形成了兩種具有代表性的制度化發展道路。
美國方早在2016年奧巴馬政府時期發佈的《為人工智能的未來做好準備》就開始系統性布局AGI。特朗普第一任期《保持美國在人工智能領域的領導地位》行政令和《國家人工智能研發戰略計劃2019更新版》進一步強化了在AGI領域的技術領先戰略。2025年1月《推進美國在人工智能基礎設施領域領導地位的行政命令》以“星際之門”計劃為抓手，集中推進超大規模數據中心和算力樞紐建設，意在為下一代通用模型提供持續擴展的算力底座。2025年7月密集發佈的四項行政令構成了一個完整的政策組合，從《贏得競賽：人工智能行動計劃》到阻止“覺醒式”AI、加速數據中心建設、推動技術出口，既要確保前沿模型的突破性進展，又要通過基礎設施投資和出口管制維持技術代差優勢。11月發佈的《啟動創世紀任務》將前沿模型直接嵌入能源、材料、氣候與生命科學等國家級科研工程，意圖通過跨學科算力集成和模型協同應用，加快通用能力向科學發現與工程突破轉化。這種布局高度依賴少數頭部企業的技術能力，期待通過技術領先建立全球標準。
美國當前呈現出的，可以概括為一種“模型中心道路”。在這一模式下，AGI被視為技術創新的終極目標，制度性協調的核心在於集中資源推動模型能力的持續突破，並通過技術領先塑造事實性全球標準。政府在其中主要通過戰略規劃、基礎研究資助和安全監管發揮作用，而具體的技術探索和工程實現，則高度依賴少數大型科技企業。這種模式在短期內具有較強的突破潛力和國際競爭優勢，但其內在風險也同樣突出：技術路徑高度集中，容易形成鎖定；算力與數據資源高度集中，放大倫理與安全爭議；一旦關鍵技術路線遭遇瓶頸，其調整空間相對有限。
中國的戰略文件沒有明確提出AGI這個概念，並別在很多做法上與美國有異同之處。相同之處，都是重視人工智能的技術和產業發展，不同之處在於中國實現AGI之路更多是通過應用創新來引領發展，而非完全押注前沿模型能力提升抵達AGI這條路。2017年《新一代人工智能發展規劃》奠定了技術、產業、治理三位一體的基本框架，此後的政策演進始終圍繞這一框架展開。2022至2025年間發佈的一系列應用導向政策顯示出明確的基礎設施化取向，通過場景開放、算力網絡建設和跨部門協調，推動智能能力向實體經濟和社會治理領域的系統性滲透。2025年7月發佈的《人工智能全球治理行動計劃》和2026年1月的《人工智能+製造專項行動實施意見》，表明中國正在將AGI能力的培育嵌入到產業升級和全球治理議程之中。
這過程中，中國逐漸顯現出一種“通用基礎設施道路”。在這一模式下，AGI並非被理解為單一的技術終點，而是被視為一種需要嵌入國家發展體系的基礎性能力。不在於押注某一條技術路線的極限突破，而在於通過算力網絡、數據體系、應用場景和組織機制的系統整合，推動智能能力在更廣泛的經濟和社會系統中擴散與積累。國家在其中扮演着更為主動的統籌者角色，通過基礎設施建設、場景開放和跨部門協調，為多樣化技術路徑提供生存空間。
這兩種道路並非簡單的“國家主導”與“市場主導”之分，而是對同一問題的不同回應方式：在技術高度不確定、市場容易失靈的條件下，如何通過制度安排維持長期探索的可行性。美國的模型中心道路，更強調通過市場化競爭和技術集中來加速突破，其優勢在於創新效率和全球影響力，但風險集中於技術與治理層面的不穩定性；中國的通用基礎設施道路，則更強調通過系統整合和能力擴散來降低整體風險，其優勢在於穩定性和可控性，但也面臨協調成本上升和突破速度不確定的問題。
重要的是，這兩種道路並不存在簡單的優劣之分。它們反映的是不同國家在制度條件、發展階段和戰略目標約束下，對AGI這一高度不確定技術所作出的理性選擇。AGI的實現路徑並非唯一，其社會嵌入方式、風險分佈結構以及對國家能力的反向塑造，都將隨着制度性協調方式的不同而顯著分化。從更廣闊的視角看，中美在AGI領域的分化，不僅關乎技術競爭本身，也預示着未來通用技術如何被納入國家治理體系的不同可能性。AGI最終是否實現，固然仍有巨大的不確定性，但可以確定的是，其探索過程已經成為檢驗國家制度協調能力的重要場域。理解中美通向AGI的不同道路，不僅有助於把握人工智能發展的現實走向，也為思考前沿技術與國家制度之間的關係提供了一個關鍵窗口。