人工智能的发展曾经是一个主要的技术问题，仅限于学术界和私营部门的实验室。今天，它是地缘政治竞争的舞台。美国和中国每年都在发展自己的AI产业，增加未来武器系统的自主性和力量以及推动可能性前沿方面投入数十亿美元。两国之间对AI军备竞赛的恐惧比比皆是-尽管这种言论经常超过技术现实，但政治紧张局势的加剧意味着两国都越来越将AI视为零和游戏。

　　尽管存在地缘政治复杂性，但AI竞争可以归结为一个简单的技术三位一体：数据，算法和计算能力。三位一体的前两个要素受到了大量政策关注。作为现代AI的唯一输入，经常将数据与石油进行比较-从技术营销材料到总统初选，到处都有这种说法。在策略讨论中同样重要的是算法，它使AI系统能够学习和解释数据。尽管重要的是不要夸大其在这些领域的能力，但中国在这两个方面都做得很好：其庞大的政府机构徘徊在海量数据上，其技术公司在先进的AI算法方面取得了显着进步。

　　但在政策讨论中，三位一体的第三个要素往往被忽视。用工业术语来说，计算能力或计算机被视为一种无聊的商品，不值得认真关注。这在一定程度上是因为计算机在日常生活中通常被认为是理所当然的。很少有人知道他们笔记本电脑里的处理器有多快，只知道它足够快。但在人工智能中，计算是必不可少的。当算法从数据中学习并将洞察编码到神经网络中时，它们会执行数万亿或万亿的单独计算。如果没有处理器能够高速处理这些数学问题，人工智能的发展就会陷入停滞。因此，尖端计算机不仅仅是一个技术奇迹；它是一个强大的国家间杠杆作用点。

　　认识到计算机的真正威力意味着重新评估全球人工智能竞争的状况。与“三位一体”的其他两个要素不同，计算机行业经历了一场由美国及其盟国主导的无声革命，这场革命使这些国家相对于中国和其他数据丰富但落后于先进电子制造业的国家具有结构性优势。美国政策制定者可以在寻求保持技术优势的基础上建立。为此，它们应考虑增加研发投资，限制某些加工者或制造设备的出口。在保持美国的技术优势方面，这些选择具有实质性的优势，而这些优势往往被低估，但又太重要而不能忽视。

　　计算革命

　　在过去十年中，人工智能的计算能力发生了根本性的变化。根据研究实验室OpenAI的数据，用于训练顶级AI项目的计算量在2012年至2018年之间增加了300,000倍。要算上这个数字，如果手机电池在2012年使用了一天，并且其使用寿命增加了以与AI计算相同的速度，该电池的2018年版本将持续800多年。

　　强大的计算能力实现了AI的重大突破，其中包括OpenAI的GPT-3语言生成器，该生成器可以回答科学和琐事问题，修复不良语法，对字谜进行解读并在语言之间进行翻译。更令人印象深刻的是，GPT-3可以产生原始故事。给它一个标题和一个句子的摘要，就像有写作提示的学生一样，它可以使连贯的文本段落变幻，人类读者将很难识别这些段落是机器生成的。GPT-3的数据（几乎一万亿字的人类文字）和复杂的算法（在具有1750亿个参数的巨型神经网络上运行）吸引了最多的关注，但是如果没有程序的强大计算能力，那么两者都将无用，足以运行相当于每天每秒每秒3,640个万亿次计算。

　　认识到计算能力的重要性意味着重新评估全球AI竞争的状态。

　　OpenAI和其他公司利用的计算技术的飞速发展部分是摩尔定律的产物，该定律表明，由于处理器工程技术的改进，尖端芯片的基本计算能力每24个月翻一番。同样重要的是“并行化”的快速改进，即多个计算机芯片同时训练AI系统的能力。那些相同的芯片也已经变得越来越高效，并且可以针对特定的机器学习任务进行定制。这三个因素共同增强了AI计算能力，提高了其解决现实问题的能力。

　　这些发展都不是便宜的。例如，随着工程问题变得越来越难，新的计算机芯片工厂的生产成本和复杂性就会增加。摩尔鲜为人知的第二定律说，建造工厂生产计算机芯片的成本每四年翻一番。用于建造和配备芯片制造机的新设施成本高达200亿美元，有时每台设备的运行成本超过1亿美元。越来越多的机器并行化也增加了费用，就像使用专门为机器学习设计的芯片一样。

　　计算杠杆

　　计算成本和复杂性的不断提高使美国及其盟国比中国具有优势，而中国在人工智能三位一体这一要素上仍落后于竞争对手。美国公司在设计计算机芯片所需的软件市场中占据主导地位，而美国，韩国和中国台湾地区则拥有领先的芯片制造设施。日本，荷兰和美国这三个国家在芯片制造设备方面处于领先地位，控制着全球90％以上的市场份额。

　　几十年来，中国一直试图缩小这些差距。当中国计划者于1977年决定建立国内计算机芯片产业时，他们认为中国可能在几年内具有国际竞争力。北京在新领域进行了大量投资。但是，技术壁垒，缺乏经验丰富的工程师以及糟糕的中央计划，意味着中国芯片在几十年后仍然落后于竞争对手。到1990年代，中国政府的热情已基本消退。

　　但是，在2014年，十几位主要工程师敦促中国政府再试一次。中国官员创立了国家集成电路基金（通常称为“大基金”），以投资有前途的芯片公司。它的长期计划是到2030年满足中国对芯片需求的80％。尽管取得了一些进展，但中国仍然落后。中国仍然从国外进口 84％的计算机芯片，即使在国内生产的计算机芯片中，有一半是由非中国公司生产的。即使在中国制造工厂中，西方芯片设计，软件和设备仍然占主导地位。

　　美国及其盟国目前享有的优势（部分是由于计算的重要性日益增强）为那些有意限制中国AI能力的决策者提供了机会。通过限制出口控制的芯片供应或限制芯片制造设备的转让，美国及其盟国可能会减缓中国的AI发展并确保其对现有生产商的依赖。美国总统唐纳德·特朗普政府在这方面已采取了有限的行动：在某种可能的预兆下，2018年，它成功地向荷兰施压，要求其禁止向中国出口1.5亿美元的尖端芯片，制造机器。

　　美国及其盟国必须考虑如何发展自己的计算机芯片产业。

　　芯片或芯片制造设备的出口管制很可能会减少边际收益。长期以来，缺乏西方技术的竞争只会帮助中国建立自己的产业。因此，限制对芯片制造设备的访问可能是最有前途的方法，因为中国不太可能自行开发该设备。但是问题是时间敏感和复杂的。政策制定者有一个行动的窗口，而且可能会关闭。他们的优先事项必须是确定如何最好地保持美国在AI方面的长期优势。

　　美国及其盟国还在考虑如何发展自己的芯片产业。随着计算的构建和部署成本越来越高，决策者必须找到确保西方公司继续推动技术前沿的方法。在数个总统府中，美国未能保持电信业的优势，将许多领域割让给了其他领域，包括中国的华为。在芯片，芯片制造设备和AI方面，美国再也无法承受同样的命运。

　　确保不发生这种情况的一部分将意味着使学术研究人员可以访问计算，以便他们可以继续培训新专家并为AI开发取得进展做出贡献。一些AI研究人员已经抱怨说，计算的高昂成本限制了他们的研究速度和深度。很少有学术研究人员能够提供开发GPT-3所需的计算能力。如果这种能力对于学术研究人员来说太昂贵了，那么更多的研究将转移到大型私营公司，挤占创业公司并抑制创新。

　　在美中竞争中，经常被忽视的教训是计算能力至关重要。数据和算法很关键，但是如果没有计算来备份它们，它们的意义不大。通过利用其在这一领域中自然领先的优势，美国及其盟国可以保持抵抗中国在人工智能方面的能力。