人工智能的發展曾經是一個主要的技術問題，僅限于學術界和私營部門的實驗室。今天，它是地緣政治競爭的舞臺。美國和中國每年都在發展自己的AI產業，增加未來武器系統的自主性和力量以及推動可能性前沿方面投入數十億美元。兩國之間對AI軍備競賽的恐懼比比皆是-盡管這種言論經常超過技術現實，但政治緊張局勢的加劇意味著兩國都越來越將AI視為零和游戲。

　　盡管存在地緣政治復雜性，但AI競爭可以歸結為一個簡單的技術三位一體：數據，算法和計算能力。三位一體的前兩個要素受到了大量政策關注。作為現代AI的唯一輸入，經常將數據與石油進行比較-從技術營銷材料到總統初選，到處都有這種說法。在策略討論中同樣重要的是算法，它使AI系統能夠學習和解釋數據。盡管重要的是不要夸大其在這些領域的能力，但中國在這兩個方面都做得很好：其龐大的政府機構徘徊在海量數據上，其技術公司在先進的AI算法方面取得了顯著進步。

　　但在政策討論中，三位一體的第三個要素往往被忽視。用工業術語來說，計算能力或計算機被視為一種無聊的商品，不值得認真關注。這在一定程度上是因為計算機在日常生活中通常被認為是理所當然的。很少有人知道他們筆記本電腦里的處理器有多快，只知道它足夠快。但在人工智能中，計算是必不可少的。當算法從數據中學習并將洞察編碼到神經網絡中時，它們會執行數萬億或萬億的單獨計算。如果沒有處理器能夠高速處理這些數學問題，人工智能的發展就會陷入停滯。因此，尖端計算機不僅僅是一個技術奇跡；它是一個強大的國家間杠桿作用點。

　　認識到計算機的真正威力意味著重新評估全球人工智能競爭的狀況。與“三位一體”的其他兩個要素不同，計算機行業經歷了一場由美國及其盟國主導的無聲革命，這場革命使這些國家相對于中國和其他數據豐富但落后于先進電子制造業的國家具有結構性優勢。美國政策制定者可以在尋求保持技術優勢的基礎上建立。為此，它們應考慮增加研發投資，限制某些加工者或制造設備的出口。在保持美國的技術優勢方面，這些選擇具有實質性的優勢，而這些優勢往往被低估，但又太重要而不能忽視。

　　計算革命

　　在過去十年中，人工智能的計算能力發生了根本性的變化。根據研究實驗室OpenAI的數據，用于訓練頂級AI項目的計算量在2012年至2018年之間增加了300,000倍。要算上這個數字，如果手機電池在2012年使用了一天，并且其使用壽命增加了以與AI計算相同的速度，該電池的2018年版本將持續800多年。

　　強大的計算能力實現了AI的重大突破，其中包括OpenAI的GPT-3語言生成器，該生成器可以回答科學和瑣事問題，修復不良語法，對字謎進行解讀并在語言之間進行翻譯。更令人印象深刻的是，GPT-3可以產生原始故事。給它一個標題和一個句子的摘要，就像有寫作提示的學生一樣，它可以使連貫的文本段落變幻，人類讀者將很難識別這些段落是機器生成的。GPT-3的數據（幾乎一萬億字的人類文字）和復雜的算法（在具有1750億個參數的巨型神經網絡上運行）吸引了最多的關注，但是如果沒有程序的強大計算能力，那么兩者都將無用，足以運行相當于每天每秒每秒3,640個萬億次計算。

　　認識到計算能力的重要性意味著重新評估全球AI競爭的狀態。

　　OpenAI和其他公司利用的計算技術的飛速發展部分是摩爾定律的產物，該定律表明，由于處理器工程技術的改進，尖端芯片的基本計算能力每24個月翻一番。同樣重要的是“并行化”的快速改進，即多個計算機芯片同時訓練AI系統的能力。那些相同的芯片也已經變得越來越高效，并且可以針對特定的機器學習任務進行定制。這三個因素共同增強了AI計算能力，提高了其解決現實問題的能力。

　　這些發展都不是便宜的。例如，隨著工程問題變得越來越難，新的計算機芯片工廠的生產成本和復雜性就會增加。摩爾鮮為人知的第二定律說，建造工廠生產計算機芯片的成本每四年翻一番。用于建造和配備芯片制造機的新設施成本高達200億美元，有時每臺設備的運行成本超過1億美元。越來越多的機器并行化也增加了費用，就像使用專門為機器學習設計的芯片一樣。

　　計算杠桿

　　計算成本和復雜性的不斷提高使美國及其盟國比中國具有優勢，而中國在人工智能三位一體這一要素上仍落后于競爭對手。美國公司在設計計算機芯片所需的軟件市場中占據主導地位，而美國，韓國和中國臺灣地區則擁有領先的芯片制造設施。日本，荷蘭和美國這三個國家在芯片制造設備方面處于領先地位，控制著全球90％以上的市場份額。

　　幾十年來，中國一直試圖縮小這些差距。當中國計劃者于1977年決定建立國內計算機芯片產業時，他們認為中國可能在幾年內具有國際競爭力。北京在新領域進行了大量投資。但是，技術壁壘，缺乏經驗豐富的工程師以及糟糕的中央計劃，意味著中國芯片在幾十年后仍然落后于競爭對手。到1990年代，中國政府的熱情已基本消退。

　　但是，在2014年，十幾位主要工程師敦促中國政府再試一次。中國官員創立了國家集成電路基金（通常稱為“大基金”），以投資有前途的芯片公司。它的長期計劃是到2030年滿足中國對芯片需求的80％。盡管取得了一些進展，但中國仍然落后。中國仍然從國外進口 84％的計算機芯片，即使在國內生產的計算機芯片中，有一半是由非中國公司生產的。即使在中國制造工廠中，西方芯片設計，軟件和設備仍然占主導地位。

　　美國及其盟國目前享有的優勢（部分是由于計算的重要性日益增強）為那些有意限制中國AI能力的決策者提供了機會。通過限制出口控制的芯片供應或限制芯片制造設備的轉讓，美國及其盟國可能會減緩中國的AI發展并確保其對現有生產商的依賴。美國總統唐納德·特朗普政府在這方面已采取了有限的行動：在某種可能的預兆下，2018年，它成功地向荷蘭施壓，要求其禁止向中國出口1.5億美元的尖端芯片，制造機器。

　　美國及其盟國必須考慮如何發展自己的計算機芯片產業。

　　芯片或芯片制造設備的出口管制很可能會減少邊際收益。長期以來，缺乏西方技術的競爭只會幫助中國建立自己的產業。因此，限制對芯片制造設備的訪問可能是最有前途的方法，因為中國不太可能自行開發該設備。但是問題是時間敏感和復雜的。政策制定者有一個行動的窗口，而且可能會關閉。他們的優先事項必須是確定如何最好地保持美國在AI方面的長期優勢。

　　美國及其盟國還在考慮如何發展自己的芯片產業。隨著計算的構建和部署成本越來越高，決策者必須找到確保西方公司繼續推動技術前沿的方法。在數個總統府中，美國未能保持電信業的優勢，將許多領域割讓給了其他領域，包括中國的華為。在芯片，芯片制造設備和AI方面，美國再也無法承受同樣的命運。

　　確保不發生這種情況的一部分將意味著使學術研究人員可以訪問計算，以便他們可以繼續培訓新專家并為AI開發取得進展做出貢獻。一些AI研究人員已經抱怨說，計算的高昂成本限制了他們的研究速度和深度。很少有學術研究人員能夠提供開發GPT-3所需的計算能力。如果這種能力對于學術研究人員來說太昂貴了，那么更多的研究將轉移到大型私營公司，擠占創業公司并抑制創新。

　　在美中競爭中，經常被忽視的教訓是計算能力至關重要。數據和算法很關鍵，但是如果沒有計算來備份它們，它們的意義不大。通過利用其在這一領域中自然領先的優勢，美國及其盟國可以保持抵抗中國在人工智能方面的能力。