美AI領先中國優勢並不大四巨頭吁國會放開管制

2025-05-09 | 來源: 財聯社 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

中國媒體財聯社報道：美東時間周四，美國科技行業的四位高管共同赴美國國會山作證詞，探討人工智能行業面臨的最大機遇、風險和需求。

這四位高管分別是OpenAI首席執行官薩姆·奧爾特曼（Sam Altman）、微軟副董事長兼總裁布拉德·史密斯（Brad Smith）、半導體制造商AMD的首席執行官蘇姿豐，以及人工智能雲計算初創公司CoreWeave的聯合創始人Michael Intrator。

幾位高管聲稱，在全球人工智能競賽中，美國相對於中國的領先優勢並不大，未來存在被追上的可能性。他們敦促美國國會和聯邦政府為此放寬對美國人工智能行業的監管立場，並鼓勵推動人工智能基礎建設。

高管們還警告稱，美國的出口管制最終可能會迫使其他國家采用中國的人工智能技術。

美國對中國的領先優勢並不大

這場聽證會主題為“贏得人工智能競賽：加強美國的計算和創新能力”。在三個多小時的會議中，這四位美國科技行業的領袖向美國參議院商業、能源和科學委員會的議員們闡述了他們的想法，內容主要圍繞美國如何在人工智能競賽中保持領先。

奧爾特曼警告稱，在人工智能領域，美國現在仍處於領先地位，但對於中國的領先優勢並沒有那麼大。

“我們相信，美國的模型，包括OpenAI、谷歌等公司的一些模型，是世界上最好的模型。”奧爾特曼在聽證會上表示，“很難說我們領先了多遠，但我認為我們領先的時間不會太長。”

“我們相信，美國的模型，包括OpenAI、谷歌等公司的一些模型，是世界上最好的模型。”奧爾特曼在聽證會上表示，“很難說我們領先了多遠，但我認為我們領先的時間不會太長。”

國會參議員們在提問時普遍保持冷靜，且一致表示，擔心美國未來能否繼續保持其在人工智能領域的主導地位。

應調整出口管制規定？

幾位科技高管警告稱，美國的出口管制最終可能會迫使其他國家采用中國的人工智能技術。

“作為一個行業，我們完全理解國家安全的重要性，”蘇姿豐說道，可假如“我們的技術無法在世界其他地方普及，也會有其他技術取而代之。”

她表示，盡管其他國家的技術目前還不夠先進，但隨著時間的推移，它們會逐漸成熟，“它們可能不如我們今天的技術好，但說實話，經常使用確實能促進創新。”

中國下一個大危機已初現端倪(圖

正式亮相中國操作系統實現重大突破

中國積極推動現代版朝貢體系絕不能心存幻想

CoreWeave的聯合創始人Michael Intrator則在證詞中表示：“保持美國的領導地位也意味著確保我們的技術能夠輸出至全球市場。我們可以調整出口管制和貿易協定，使其既解決國家安全風險又支持美國AI技術的全球分布。”

今年4月，川普政府宣布，將限制英偉達H20芯片和AMD的MI308芯片向中國銷售。英偉達表示，出口管制收緊將使公司額外損失55億美元。AMD在本周公布季度業績後表示，未來幾個月該公司將面臨15億美元的收入損失。

奧爾特曼還將美國向全球銷售產品的能力與國家安全和國際影響力直接聯系起來。他表示：

“iPhone成為人們最想要的移動設備，谷歌成為全球人們最想要的搜索引擎，這為美國帶來了巨大的優勢和力量。我們可能較少談論人們有多想使用美國開發的芯片和其他基礎設施，但我認為這同樣重要，我們應該致力於讓全世界盡可能多的國家采用美國的全部技術。”

“iPhone成為人們最想要的移動設備，谷歌成為全球人們最想要的搜索引擎，這為美國帶來了巨大的優勢和力量。我們可能較少談論人們有多想使用美國開發的芯片和其他基礎設施，但我認為這同樣重要，我們應該致力於讓全世界盡可能多的國家采用美國的全部技術。”

呼吁放寬監管

雖然這場聽證會涉及了從人工智能的能源使用到模型中的歧視等各種話題，但總體而言，科技高管和國會議員們都認為，應該對人工智能采取較為寬松的監管態度。

“中國希望到2030年在人工智能領域引領世界，”參議院商務、科學和運輸委員會主席泰德·克魯茲（Ted Cruz）在開幕致辭中表示，“在這場競賽中，美國正面臨一個岔路口。我們是應該走一條秉承我們創業自由和技術創新這條傳統道路？還是應該采用歐洲的指揮和控制政策？”

克魯茲表示：“對人工智能采取寬松的監管方式，需要國會與總統一起努力……我們需要推進促進人工智能長期增長和創新的立法。”

克魯茲還批評了歐洲對於人工智能行業嚴格監管的立場，警告稱這“扼殺了歐洲的科技”。

科技領袖們對此表示贊同，同時指出，他們仍將支持聯邦層面簡化的方式，以明確規則並加快發展。

奧爾特曼說：“一個我們能夠理解的、低幹預性的聯邦框架，使我們能夠以當前所需的速度行動，這似乎是重要和積極的。”他後來還指出，各州對於人工智能的監管給企業帶來的負擔更重。

為了保持美國的領先優勢，上述四位高管還呼吁國會優先考慮數據中心等人工智能基礎設施，培訓工人來幫助制造這些產品，以及開放和廣泛獲取公共數據的必要性。