内容摘要：以数据、算力与算法为核心的基础设施技术体系已深度嵌入全球经济社会发展，并通过生产资料控制、国际劳动分工、技术标准制定以及平台生态塑造等机制，系统性地改变全球经济、政治与文化格局。从国际政治经济学视角观察，传统的“中心—边缘”结构在人工智能时代呈现出延续与重构并存的复杂样态。美国通过强化对核心技术与关键资源的控制，巩固国际劳动分工中的不对称交换关系，并借助技术标准的单向输出与生态系统的路径依赖，在全球范围内复制和深化既有的“中心—边缘”格局；中国则通过技术开源与技术赋能、倡导多边协商制定标准以及构建替代性基础设施，探索突破路径。中国的替代性做法正推动全球人工智能基础设施体系在经济、政治、文化层面分别从不对称交换向多元供给、从单极主导向多中心制衡、从认知霸权向话语多元转型，有望形成超越传统“中心—边缘”二元对立格局的新型体系形态。
关键词：人工智能基础设施 世界体系理论 “中心—边缘” 去中心化
作者简介：鲁传颖，同济大学政治与国际关系学院副院长、教授，网络空间国际治理研究基地常务副主任；杨理伟，同济大学政治与国际关系学院博士后
当前，人工智能（Artificial Intelligence, AI）技术正处于由专用型技术工具向通用型基础设施形态转变的关键阶段。围绕AI基础设施的全球布局与控制，现有研究多借助世界体系理论分析数字时代的技术权力关系，强调通过算力垄断、数据殖民与规范输出来延续“中心—边缘”结构。另有部分研究关注中美AI技术竞争，认为中美围绕算力供应链、算法架构主导权与AI军事化应用的竞争，已成为影响国际权力格局与战略稳定的关键变量，凸显AI基础设施的安全属性与权力意涵。此外，也有研究从全球治理视角揭示国际社会围绕AI标准制定、规则协调与制度建构所展开的博弈。总体来看，现有研究反映了AI基础设施在国际竞争中的重要性，深化了对数字时代技术权力与世界体系关系的理解。但多数研究在讨论全球AI体系时，通常将技术中心国家视为战略趋同的整体，忽视了中心国家战略选择的异质性及其对体系结构的潜在影响。与此同时，关注中美AI技术竞争的研究多涉及一些具体议题，如算力管制、芯片供应链与标准制定权争夺，且聚焦于双边博弈，未能将战略差异纳入世界体系结构演进的框架中考察。而关于全球AI治理的研究虽揭示了规则协调与制度建构中的多元博弈，却较少关注不同治理模式背后的体系逻辑差异。
从国际政治经济学视角观察，AI基础设施化不仅是技术变革现象，更是全球生产关系与权力结构的再配置过程。AI通过算力、数据、算法及标准的跨国流动与再分配，重新定义了国家在国际体系中的位置与功能。在这一历史性技术变革中，中美作为全球AI发展的双引擎，正以截然不同的战略路径塑造着AI技术的全球扩散模式与治理架构。中美战略异质性不仅构成当前全球AI竞争的核心特征，更引出了一个根本性理论问题，当AI成为新型全球关键基础设施并深度嵌入国际体系时，中美差异化战略选择将如何影响世界体系的结构演进？AI时代的世界体系是对“中心—边缘”结构的数字化复制，还是正在孕育“去中心化”的新型体系形态？
一、AI基础设施化与世界体系
的结构性变迁
与历次技术革命不同，AI技术不仅改变了生产工具，更演化为深度嵌入经济社会运行的通用型基础设施，重塑着全球生产资料控制、国际劳动分工与价值分配机制。AI基础设施化进程既延续了自16世纪以来形成的“中心—边缘”结构，又因AI所具有的技术属性与扩散机制，对这一结构的稳定性构成冲击。
（一）AI基础设施化的内涵与特征
AI基础设施化是指由算力、数据、算法与技术标准等核心要素构成的技术体系，逐步从特定领域的应用工具，演化为支撑全球经济运行、社会治理的通用性底层架构的进程。这一进程的核心特征在于，AI技术突破了传统专用技术的适用边界，具备跨行业、跨场景与跨地域的广泛赋能特质，能够持续、稳定地为多元化的生产活动与社会实践提供基础性技术支撑。
从功能属性看，AI基础设施在当代世界体系中的地位可与20世纪后期的互联网基础设施类比。互联网通过标准化协议与开放式架构，为电子商务、社交媒体、在线教育等多种数字业态的形成提供了通用平台；而AI基础设施则通过大模型、开发框架与云计算平台，更深层次地介入认知决策、生产优化与知识创造，重构了价值生成的逻辑与组织形态。与互联网主要重构信息流动不同，AI基础设施直接介入判断、预测与决策环节，其对生产关系的影响具有更强的结构性和系统性。从生产资料角度看，算力、数据与算法在功能上类似于工业时代的能源、钢铁与交通网络，成为数字时代新的关键生产资料。这些要素决定技术创新的边界，也深度嵌入全球价值链的生产、分配与交换环节，成为塑造国际分工格局与比较优势的重要变量。
（二）AI基础设施化对“中心—边缘”结构的双重影响
AI基础设施化进程对世界体系结构产生了双重影响。一方面，它在新的技术条件下延续并强化了“中心—边缘”结构的运行逻辑；另一方面，AI的技术属性与扩散机制又对“中心—边缘”结构的稳定性构成实质性挑战。
从延续性看，AI基础设施化以数字化形式复制了世界体系的等级秩序。自16世纪以来形成的资本主义世界经济是一个以全球分工为基础、具有明确层级结构的统一整体，其基本形态表现为“中心—半边缘—边缘”的等级秩序。中心国家依托资本密集型与技术密集型产业占据高附加值环节，边缘国家被锁定在资源供给与劳动密集型生产领域，半边缘国家在结构上介于两者之间。在这一结构中，不平等交换是体系运行的关键机制。中心国家依托其在技术能力、工资水平与市场准入方面的优势使全球价值由边缘向中心转移。这一过程往往以国家权力、制度安排乃至强制性手段为支撑。
进入AI时代后，这一结构并未消失，而是通过新的技术形态得以复制。在技术控制上，高端算力资源、先进芯片制造能力与核心算法的高度集中，使少数技术领先国家占据新的制高点，并通过算法垄断、数据控制与规范输出，在数字空间中延续并深化传统的结构性不平等。在国际分工上，技术先进国家通过控制AI基础设施的关键环节，将其他国家限定在数据标注、算力租赁与应用适配等低附加值环节，形成新的分工“锁定”。在体系再生产上，技术先进国家通过知识产权保护、技术标准输出与平台生态的网络效应，不断巩固其结构性优势，使得体系具有自我再生产的特征。部分后发国家即便可以实现经济增长，也难以突破既有分工格局，进而陷入依附性发展的困境。
与此同时，AI基础设施化进程也蕴含着使“中心—边缘”结构松动的现实可能。首先，技术的可复制性削弱了垄断的持久性。与工业时代难以复制的物质性基础设施不同，AI模型与算法具有较强的可复制性与可扩散性，开源社区的“去中心化”协作以及国家通过技术学习、人才流动与逆向工程开辟能力追赶的路径，使技术先进国家对核心技术的绝对控制面临更大的不确定性。其次，AI基础设施运行的深度相互依赖降低了国际分工的固化程度。AI基础设施高度依赖跨国协作，其运行涉及分布于多国的数据中心、芯片制造、人力资源与应用场景。单一中心国家难以独立掌控完整技术链条。这种深度相互依赖为不同层级国家嵌入全球技术生态、重塑分工体系提供了制度与实践空间。再次，AI技术的跨国扩散特征为各国提供了差异化的战略选择空间。技术领先国家既可强化垄断延续既有结构，也可推动技术开放促进体系向分散化演进。
在现实层面，中美两国AI战略的差异化选择，根植于各自的国家战略目标、技术产业发展阶段与全球秩序构想。美国依托其在基础研究、高端芯片设计、超大规模模型训练与科技企业生态方面的既有优势，通过出口管制、技术联盟构建与规则排他性制度安排，将技术领先地位转化为地缘政治筹码，意在延续“中心—边缘”式的不平等结构。相较之下，中国作为追赶型技术大国，在面对外部技术封锁与国内发展转型的双重压力下，通过推动开源技术扩散、构建替代性算力网络、深化南南技术合作以及积极参与多边治理机制，探索对既有技术等级结构的解构路径。中美AI战略异质性，正在从经济、政治与文化等多个层面推动全球AI生态由单一中心主导向多中心、网络化结构演进。两种战略的并存与竞争，不仅构成了理解当前全球AI体系结构性变迁的关键线索，也对传统世界体系分析中隐含的“中心国家行为同质性”假设提出了经验性挑战。
二、美国的AI战略与“中心—边缘”
结构的数字化复制
在世界体系理论框架下，AI基础设施的全球扩展并非源于技术要素的自发扩散，而是一个由中心国家主导、以技术为载体的结构性权力再生产过程。作为当前全球AI领域技术与制度供给的中心国家，美国正通过系统化的战略布局，将资本主义世界体系中既有的支配逻辑嵌入数字技术范式中，在全球范围内推动“中心—边缘”结构的数字化复制与固化。
（一）生产资料的技术垄断与多层控制
在AI时代，算力、算法与数据既是核心生产资料，也是AI基础设施的底座，其生产与分配呈现高度集中化趋势。美国通过控制这些关键要素，构筑多层技术壁垒，旨在巩固其中心地位，将其他国家锁定于技术依赖的位置。
第一，美国将高性能算力基础设施视为国家战略资源，通过集中投资与长期布局确保其结构性优势。2025年1月启动的“星际之门”计划（Stargate Project），拟在四年内投资5000亿美元，在美国20个州建立算力基础设施网络。这种由政府主导、资本密集的算力投资模式，其本质是通过对关键生产资料的地理集中与制度控制，确保美国在AI能力竞争中的主导地位。从效果看，根据2024年国际超级计算大会（SC24）发布的“TOP500全球最强超级计算机”榜单，美国占据全球56.9%的算力份额，而多数发展中国家尚不拥有任何高性能计算设施。这种高度不对称的算力分布，使边缘国家在AI研发的起点即被排除在竞争之外，形成对美国算力基础设施的路径依赖。
第二，美国通过芯片管制构筑技术壁垒，将技术优势转化为排他性权力。英伟达（NVIDIA）、AMD等公司在图形处理器与统一计算设备架构领域的创新，已成为芯片设计的事实性标准。基于此，2022年美国政府出台《芯片与科学法案》，投入约527亿美元推动先进制程产能本土化，并联合盟友构建排他性技术联盟。与产业扶持并行的是日益严格的技术管制体系。2025年1月，美国商务部工业与安全局（BIS）发布芯片出口管制新规，建立了基于算力性能、用途与目的地的分层管制框架，将全球AI能力分布锁定在由美国主导的不平等结构中。这一管制的深层目的，在于从硬件层面对AI基础设施的供给源头实施控制，确保美国及其核心盟友长期处于AI价值链顶端。
第三，美国通过主导全球云计算市场，将算力、数据、算法整合为具备强锁定效应的服务形态。经济合作与发展组织（OECD）的研究指出，云服务商在数据迁移、平台切换环节设置的惩罚性费用，使用户被深度绑定于特定技术生态。亚马逊AWS、微软Azure与谷歌Cloud合计占有全球云服务市场超过65%的份额，形成高度集中的寡头格局。对美国而言，云服务的价值在于通过将算力与算法封装为标准化服务，使边缘国家在算力获取、模型调用等关键环节形成持续性、制度化的依赖。这种依赖一旦形成，便意味着边缘国家接入AI基础设施的通道被美国平台所控制。
（二）国际劳动分工的数字化与不平等交换
在对关键生产资料实施有效控制的基础上，美国进一步通过重塑全球劳动分工，将传统世界体系中的不平等交换关系嵌入AI产业链，其核心目的在于确保价值持续向美国集中，而将边缘国家锁定在低附加值环节。
第一，美国科技企业将AI基础设施运行链条中的低端环节外包至边缘国家，形成层级分明的数字劳动分工体系。大模型作为AI基础设施的核心组件，其运行高度依赖大规模、高质量的数据标注。然而，数据标注属于低附加值、劳动密集型产业，其技术门槛较低，单位产出价值有限，却需要大量人力投入。美国企业正是认识到这一特征，将这一必要但低端的环节外包给劳动力成本低廉的发展中国家。OpenAI在肯尼亚雇佣数据标注员进行模型内容筛查，雇员的时薪普遍低于2美元。与此同时，算法架构设计、核心模型训练等高附加值环节被保留在美国本土。AI基础设施产业链分工的本质在于边缘国家被嵌入运行链条，却被锁定于价值链底端，承担着维持AI基础设施运转的基础性工作，却无法分享AI基础设施所带来的核心收益。
第二，美国依托全球数字平台，通过低成本汲取边缘国家数据，形成“数字殖民”模式。数据是训练大模型、优化算法的基础性投入，没有持续、高质量的数据供给，AI基础设施便无法运行与迭代。美国通过平台控制，将数据这一关键生产资料纳入其主导的AI基础设施供应链。其主导的社交媒体、搜索引擎、电子商务与云服务平台，通过覆盖全球的网络基础设施，不断收集来自发展中国家用户的海量数据。这些数据经集中处理后，成为训练和优化大模型的关键投入要素。然而，当边缘国家试图基于本国数据发展本土模型时，却必须向美国公司支付高额的API调用费用。 数据的单向外流与技术服务的高价回流，构成了数字时代不平等交换的典型形态。
第三，美国通过强化知识产权与技术封锁，将AI基础设施的核心组件纳入垄断控制范围。大模型与深度学习框架是AI基础设施的核心组件，前者决定AI能力的上限，后者构成AI应用开发的底层平台。在政府层面，出口管制、实体清单等政策工具被频繁用于限制先进AI技术的跨境扩散。这意味着，即使边缘国家能够接入美国主导的AI基础设施，其所能获取的也仅限于被允许范围内的技术组件，核心能力始终处于美国的管控之下。值得注意的是，即便是美国企业的“开源”举措，也服务于其中心化目的。Meta的Llama系列模型虽宣称开源，但其许可协议对商业使用和用户规模进行了明确限制。这种以技术管制和知识产权为核心的制度化垄断，其深层目的在于将边缘国家的技术发展路径锁定于美国主导的AI基础设施之上，使其在基础设施的核心能力与演进方向上始终处于依附地位。
（三）技术标准的“中心”输出与“边缘”内化结构
在对关键物质资源与核心生产环节实现有效控制之后，美国进一步通过技术标准、治理规范与评估体系的全球扩散，将既有技术优势转化为制度性权力，从规范层面持续再生产全球AI治理中的“中心—边缘”结构。
第一，对AI基础技术范式的主导构成了美国规范性权力的起点。技术标准是AI基础设施的底层规则，决定着基础设施的架构设计与互操作方式。以谷歌提出的Transformer架构为例，该技术路径已被确立为大语言模型研发的通用基础，OpenAI的GPT系列、谷歌的BERT等主流模型均在此架构上展开。这一技术范式通过顶级学术会议、产业生态以及活跃的开源社区持续传播，逐步演化为AI研究与开发的默认路径。随着技术演进形成路径依赖，全球研究者与开发者为保持与前沿技术的兼容性，往往不得不遵循既定范式，由此美国主导的技术框架被广泛接受并内化为“中性”且“最优”的选择，从而在底层规则层面确立了美国对AI基础设施的技术主导权。
第二，美国通过域外立法与多边机制，将治理偏好转化为全球性制度安排。治理规范决定了AI基础设施的运行规则与数据流动秩序。2018年《澄清境外合法使用数据法案》（CLOUD Act）赋予美国执法机构调取存储于境外服务器数据的权力，展现了通过规则输出重塑全球数字治理秩序的制度性权力。在多边层面，美国借助七国集团（G7）数字技术部长会议、“印太经济框架”（IPEF）等机制，推广“数据自由流动”、反对数据本地化等治理理念。对边缘国家而言，拒绝接受这些规则意味着被排除在关键数字市场与技术合作网络之外，而全盘接受则可能削弱本国的数据主权。受到规则制定能力不足的现实制约，多数边缘国家被迫采取模仿与移植策略。其结果是美国主导的治理规范成为AI基础设施运行的全球性制度框架。
第三，美国通过主导国际标准化组织和AI性能基准测试体系，构建技术评估的隐性壁垒。评估标准构成了衡量AI基础设施能力的“度量衡”，直接影响技术研发的资源配置方向。在ISO/IEC JTC 1/SC 42人工智能分技术委员会中，美国主导制定了《人工智能管理体系》《人工智能概念和术语》等核心标准。与此同时，美国科研机构设计了ImageNet、GLUE等基准评测体系，成为AI性能评价的主流参照系。2025年美国《赢得竞赛：美国AI行动计划》明确提出，要让美国的硬件和软件成为全球AI创新的“标准”平台。这些标准体系在语言、文化与应用场景上高度依赖英语语境，深度契合欧美文化结构与商业需求。 边缘国家的研究者为了获得国际学术认可与技术合法性，被迫将研发议程导向美国界定的问题领域，而本土语言处理、文化特定应用等需求则被边缘化，从而形成对美国技术偏好的认知依赖，使AI基础设施的评价标准与话语权持续向美国集中。
（四）生态系统的锁定效应与依赖固化
美国AI战略的最终目标是构建一个以其技术体系与制度安排为核心、具有显著网络效应与路径依赖特征的全球性技术生态系统。这一生态系统本质上构成了全球AI基础设施的整体架构，一旦边缘国家被深度嵌入，其技术演进路径、产业结构选择乃至部分社会运行机制，均可能被长期锁定，从而难以摆脱依附关系。
第一，美国科技企业通过“有限开放”的开源策略，将全球创新资源吸纳进其主导的技术体系。深度学习框架是AI应用开发的底层基础设施，以PyTorch和TensorFlow等为例，尽管其源代码向全球开放，但底层架构设计、关键技术路线选择及版本演进节奏，始终由Meta、谷歌等美国科技巨头主导。这种“有限开放”的本质，是以开放之名行锁定之实。开源降低了全球开发者进入的门槛，但其技术路线与生态依赖却将边缘国家的创新活动深度嵌入美国主导的技术轨道。随着模型库、开发工具与社区解决方案在特定框架内不断累积，开发者转向替代框架的迁移成本呈现非线性增长，技术依附关系由此在“有限开源”中得以延续与固化。
第二，美国通过纵向整合构建覆盖从硬件、软件到应用的全栈式技术生态，增强系统性锁定效应。全栈式整合使AI基础设施的硬件、平台与应用层形成闭环体系。在硬件层，英伟达通过CUDA平台确立了GPU在通用计算与AI领域的行业标准；在服务层，AWS、Azure与Google Cloud提供基于英伟达芯片的算力租赁，并开发专有API与定制化工具链。在政策上，2025年美国启动的“创世纪计划”（Genesis Mission）将超大规模数据中心与OpenAI、微软Azure、甲骨文数据库及英伟达硬件深度整合，形成全栈式闭环系统。这种全栈整合的深层效果在于，一旦边缘国家企业在发展初期选择特定云平台，其数据资产、模型结构、开发流程与应用部署体系便与平台专有技术深度耦合，依附关系随之从资源获取层面的不对称，演化为技术体系层面的整体性锁定。
第三，美国将AI技术嵌入边缘国家的关键应用场景，成为巩固长期依赖的重要抓手。这种嵌入旨在使美国技术平台成为边缘国家社会运行的基础设施。2025年《赢得竞赛：美国AI行动计划》提出利用美国国际开发金融公司和进出口银行，支持美国技术在全球范围内的部署。由此，通过国家政策支持、技术援助项目、商业合作协议与数字能力建设计划，美国积极推动基于自身技术平台的AI解决方案进入边缘国家的公共治理、金融体系、医疗卫生、教育系统等核心领域。例如，微软的“AI for Good”项目在非洲、拉美推广基于Azure的AI应用。一旦相关系统投入运行，其底层数据结构、接口标准、算法模型便与特定美国技术平台深度绑定。边缘国家即使认识到技术依赖风险，也无力承担技术体系重构的经济成本与政治代价。由此，一个以美国为中心、层级分明且具有高度自我强化能力的全球AI基础设施生态体系得以持续巩固。
三、中国AI实践的“去中心化”路径
不同于美国以技术垄断与制度锁定巩固既有“中心—边缘”结构的战略取向，中国在全球AI发展进程中选择了差异性的实践路径。这一路径并非意在塑造新的技术“中心”，而是通过一系列“去中心化”的制度安排与技术实践，在结构层面使既有“中心—边缘”格局的根基弱化并松动。
（一）生产资料的去垄断化与开源共享
进入AI时代后，技术垄断逐渐转向对基础模型、算力资源与开发工具链的控制。中国在AI领域的“去中心化”实践，旨在推动对这些关键生产资料的开源共享与普惠供给，从生产源头减少技术垄断的结构性不平等。
第一，中国通过大模型的开源共享提升了高性能AI能力的全球可及性。2023年，中国在《全球人工智能治理倡议》中主张“共享AI知识成果，开源AI技术”，将技术开放确立为参与全球AI治理的重要原则。在实践中，“通义千问”等中国大模型体系开放训练代码、微调工具与部署框架。截至2024年，中国已备案生成式AI模型302款，其中包含大量开源模型，初步形成规模化的开放模型供给。开源模型支持本地化部署，意味着发展中国家可将AI基础设施的核心组件部署于本国境内，为使用国在数据安全、治理规则与应用选择方面保留了更大自主空间。
第二，中国通过国家级基础设施布局与跨国合作，推动全球算力供给更为均衡。通过“东数西算”工程，中国算力中心标准机架总规模达1085万架，智能算力规模达788百亿亿次/秒（EFLOPS），位居全球前列。在国际层面，依托“一带一路”倡议，中国加大与东南亚、中东、非洲等地区的网络通信与数据基础设施合作。面对美国芯片出口限制，中国加速推进国产AI芯片的研发和产业化进程。华为推出的“昇腾”系列AI芯片、寒武纪的MLU系列芯片在特定应用场景中实现功能替代，增强了技术替代能力。在此基础上，华为等中国企业正加速在海外布局算力基础设施，推动形成独立的“中国AI堆栈”（China AI Stack）。2025年，马来西亚推出东南亚首个由华为尖端Ascend GPU驱动的全栈AI中心。中国技术基建的出海模式，不仅为当地提供了不依赖美国技术体系的算力来源选择，而且在硬件层面构建了独立的AI生态体系，从供给侧削弱了单一中心对全球AI基础设施的垄断。
第三，在核心软件与工具链层面，中国着力构建开放、兼容且具现实替代性的技术生态。“百度飞桨”（Paddle Paddle）坚持开源发展，整体功能对标TensorFlow与PyTorch，在国产硬件适配、工业级部署方面形成差异化优势。该框架强调支持ONNX等开放标准与跨框架模型转换，降低技术迁移与系统重构成本。这种兼容性技术方案，使开发者能够在不被锁定于特定技术栈的前提下接入AI基础设施，为合作国提供在不破坏现有系统的前提下，探索逐步减少对美国主导的技术生态依赖的可行路径。
（二）国际劳动分工的去等级化与价值共创
长期以来，全球AI基础设施技术体系呈现出等级化的分工形态。知识生产与核心创新活动集中于中心国家，而边缘国家多被限定在技术应用及低附加值环节。中国通过推动AI领域的国际合作，尝试打破等级化的全球AI基础设施分工，推动更为平等的技术协作与价值共创。
第一，中国积极构建多节点、网络化的协同创新体系。在东南亚地区，中国科技企业与当地科研机构、产业主体共建联合实验室与产业园区，围绕当地应用场景开展联合研发。2024年10月，中国与东盟发布《关于推动建立可持续和包容性的数字生态合作联合声明》，明确提出推动双方在数字基础设施建设与人工智能领域的合作。2025年1月，双方通过《2025年中国—东盟数字合作计划》，决定共同制定未来五年合作行动方案，推动中国—东盟在云计算、算力与数据中心等新型基础设施建设领域的合作。制度化安排将当地科研人员纳入算法优化、模型训练与应用创新环节，使其从基础设施的被动使用者转变为参与建设与发展的生产者，从结构上削弱了“中心创新、边缘应用”的等级化分工格局。
第二，中国的AI出海实践注重能力内生化，旨在促进技术转移与当地能力建设。2024年《人工智能全球治理上海宣言》倡议“促进技术转移与成果转化，推动AI基础设施公平分配”。实践中，华为云在沙特利雅得开服，实现了从基础运维到应用开发的能力转移。2025年中国与埃塞俄比亚签署合作备忘录，加强电信基础设施和技术转移。可持续的技术转移模式使合作国在AI基础设施的后续发展中拥有更大自主性，避免对单一技术体系的长期依赖。
第三，在推动AI全球应用的合作中，中国探索将技术扩散与发展收益共享相结合，旨在重塑全球AI价值链中的收益分配结构。以2025年中国与老挝共同建立的AI应用合作中心为例，该平台推动AI在智慧城市、智慧旅游等领域的落地应用。在与发展中国家共建数据中心、云计算平台等数字基础设施项目中，合作国通常以土地、政策支持和市场准入等要素参与投资，中国则提供核心技术、关键设备、运营管理经验及部分资金。这种价值共创促使边缘国家从单纯的成本要素提供者和被动消费者，逐步转变为AI基础设施体系中的价值共创者。
（三）技术标准的“去中心”与多边协商
在AI时代，技术标准与治理规则是AI基础设施的制度底座，决定着基础设施的架构设计、运行方式与接入条件。中国通过倡导多边参与、协商共治与包容性发展的理念，致力于在制度层面对由少数技术强国主导的标准体系形成规范性制衡，推动全球AI治理结构的“去中心化”。
第一，中国将联合国视为AI全球治理的主渠道，倡导在联合国框架内开展多边协商。2023年《全球人工智能治理倡议》提出“支持在联合国框架下讨论成立国际AI治理机构”；2024年《人工智能全球治理上海宣言》则进一步倡导“支持联合国发挥主渠道作用，欢迎加强南北合作和南南合作”。2024年7月，联合国大会通过由中国提出的第78/311号决议，强调弥合AI能力鸿沟。通过支持联合国这一具有普遍性、代表性与权威性的国际组织，中国为发展中国家参与全球AI基础设施的规则制定提供了重要平台。
第二，在技术标准制定过程中，中国积极推动标准形成的多边化和程序开放。在国际电信联盟（ITU）、国际标准化组织（ISO）和国际电工委员会（IEC）等专业技术机构中，中国正从规则的被动接受者转向议程设置与规则共建的积极参与者。2025年3月，中国信息通信研究院牵头制定了《基础模型平台参考框架和技术要求》等3项AI国际标准，推动AI技术标准从算法性能评估拓展至网络基础设施、数据治理等多个领域。依托多边专业机构的协作路径，中国增强了AI基础设施技术标准制定过程的透明度与包容性，降低了发展中国家因能力差距和制度差异所面临的隐性准入障碍。
第三，中国提出一系列具有规范指向性的国际倡议，为发展中国家参与全球数字治理提供制度参照。2020年9月，中国发布《全球数据安全倡议》，在促进数据有序流动的同时，尊重各国依据本国法律管理数据的权利。2023年10月，《全球人工智能治理倡议》将主权平等、普惠发展与安全可控确立为全球AI治理的核心原则。 2024年7月发布的《人工智能全球治理上海宣言》进一步提出“尊重各国自主发展的权利，鼓励各国根据自身国情制定AI战略政策”。在具体合作中，中国与阿拉伯国家联盟发布《中阿数据安全合作倡议》、与东盟国家签署《中国—东盟关于建立数字经济伙伴关系的倡议》，将尊重数据主权作为合作基础。这些倡议在技术创新、风险防范与规则协调之间建立动态平衡，将尊重主权与包容发展确立为AI基础设施治理的规范性原则，为广大发展中国家参与全球AI治理提供了现实可行路径。
（四）生态系统的去依赖化与全球布局
“中心—边缘”结构的高度稳定性源于边缘国家在技术、产业与制度层面长期依赖中心国家主导的体系，形成了路径依赖。围绕AI这一关键技术，中国通过自主研发硬件、构建兼容性强的技术栈，并强化南南合作，为发展中国家提供了多元化、可替代的技术生态，减少对单一技术中心的依赖。
第一，芯片作为AI算力基础，是AI基础设施的核心硬件层。中国通过自主研发的AI芯片以及全球算力网络布局，提供了应对美国出口管制和云服务垄断的现实替代方案。以华为“昇腾”950芯片为基础的新型超节点，因其算力密度和系统扩展潜力，已具备跻身全球最强超节点之列的能力。2025年华为谋划在中东和东南亚地区部署“昇腾”芯片。这些举措从供给侧为发展中国家提供了多元化的算力基础设施来源。
第二，中国构建覆盖硬件、基础软件、开发平台及应用的完整技术栈，强调开放兼容与模块化设计。2025年国务院发布《关于深入实施“人工智能+”行动的意见》，明确将AI视为国际公共产品。当前，中国的技术生态已包括“昇腾”“寒武纪”等底层硬件，“飞桨”“昇思”等深度学习框架，以及文心、通义等预训练大模型。其中华为“昇思”MindSpore框架支持“端—边—云”多种部署形态，已在全球156个国家与地区建立了开发者社区。同时，华为通过CANN（Compute Architecture for Neural Networks）异构计算架构支持主流AI框架向“昇腾”平台的迁移，确保系统间的互操作性。模块化设计使合作国能够根据自身需求选择技术组件，逐步构建自主可控的AI基础设施体系。
第三，中国通过南南合作推动区域性AI创新平台建设。商汤科技在新加坡设立国际AI研发中心，不仅服务当地客户，还辐射整个东南亚地区。2024年7月，中国信息通信研究院成立“中国—金砖国家AI发展与合作中心”，启动金砖AI创新平台，推动南方国家之间的技术交流与知识共享。区域性平台和创新中心在既有技术生态之外构建了新的合作节点，推动全球AI基础设施格局由单中心向多中心、网络化的形态迈进。
在此基础上，中国企业的全球布局正从技术出海向生态共建升级。在东南亚，华为云已在马来西亚、新加坡等地设立数据中心，与当地政府合作建设数字基础设施。 在中东，华为云埃及开服，成为北部非洲首朵公有云，提供涵盖AI平台、数据平台在内的200余种云服务；在拉美，阿里巴巴、腾讯等企业通过云基础设施与当地产业深度融合，助力数字化转型。全球布局不仅输出硬件与算力，更将中国技术标准、开发框架和治理理念嵌入合作国数字底座，推动形成不依赖单一中心的多元技术生态，为发展中国家提供了在AI基础设施领域真正的选择权。
四、中美AI战略互动
与全球AI体系重构
根据世界体系理论的分析，“中心—边缘”结构之所以能够长期维持，根本原因在于中心国家在关键战略选择上的高度同质性。这种同质性使其能够在全球范围内协同主导生产要素配置、价值链分工与国际规范制定，从而将边缘国家锁定于依附地位。然而，AI时代呈现出与这一理论预期相悖的趋势。中美两国在AI战略路径上的根本差异，正通过复杂的战略互动，推动全球AI基础设施生态体系由单极垄断向多中心共存、由等级依附向网络协作、由认知霸权转向规范多元的新形态演进。这一演进也预示着“中心—边缘”结构在AI时代面临被超越的历史性可能。
（一）经济层面：技术供给分化与价值流动重构
不平等交换是维系“中心—边缘”结构的经济基础。在AI时代，这一关系能否延续，取决于算力、算法与数据等AI基础设施核心要素在全球范围内的配置方式。在这一关键问题上，中美在AI技术分配逻辑上的根本异质性，正从经济结构层面推动全球AI基础设施生态体系超越传统的“中心—边缘”模式。
第一，技术供给路径的分化削弱了中心国家的同质性垄断。在传统世界体系中，中心国家在技术路径上的高度一致，使边缘国家缺乏替代选项，只能被动接受高成本、低自主性的技术条件。中美AI战略的分化改变了这一结构性约束，边缘国家在AI发展路径上首次面对实质性的选择，其既可以选择美国的有限开源模式，也可以转向中国的开源共享方案；其既可依赖外部云服务，也可通过合作建设本地算力中心；其既可被动接受既有技术标准，也可参与多边平台的规则共建。这种选择空间的出现，使边缘国家获取AI基础设施从单一方式转向多元路径，也使单一中心主导的依附关系松动。
第二，全球AI市场权力结构由卖方垄断向买方议价转变。中国开源大模型的持续扩散，对美国有限开源垄断模式形成了竞争性压力。当边缘国家能够以零成本或低成本获得开源模型，美国企业维持高额API定价及严格使用限制的能力随之被削弱；当中国通过合作方式参与算力基础设施建设并提供替代性解决方案时，美国云服务商依托算力稀缺性攫取超额利润的空间被压缩。这一竞争格局的实质是AI基础设施的供给市场由单一卖方垄断向多元竞争转型。边缘国家逐步摆脱单向接受技术报价的被动地位，转而能够在不同技术范式与供给体系之间进行制度性比较与策略性选择。市场议价方式的转变，使得“中心—边缘”关系在经济交换中的不对称性被削弱。
第三，全球价值流动模式由单向汲取向多元互惠转变。美国主导的技术垄断在很大程度上延续了价值由边缘向中心集中的路径，而中国倡导的共享与共创机制推动了技术能力向边缘国家的扩散，使其在数据中心、云平台等数字基础设施项目中，由单纯的要素或资源提供者，逐步转变为收益分配与价值创造的参与主体。AI基础设施建设与运行中价值分配格局的重构，为边缘国家在全球AI价值链中的位置上升提供了现实可能。
（二）政治层面：治理权力分散与规则体系多元
“中心—边缘”关系在政治层面的核心表现是治理权力的结构性不对称。中心国家不仅拥有更为完整的主权实践能力，还能凭借其技术、经济和军事优势，通过技术依附、制度输出与单边制裁等方式，持续限制边缘国家的政策空间。在AI时代，权力不对称集中表现为技术依赖导致的政策自主权被侵蚀，以及规则制定权的垄断对边缘国家话语权的削弱。在美国以技术垄断与制度输出维系既有权力结构、中国以开源共享与多边协商推动治理权力分散化的战略互动下，全球AI基础设施的政治格局正呈现出权力结构多中心化、规则制定多边化、边缘国家自主权增强的新特征。
第一，AI基础设施的治理权力结构由单极主导向多中心制衡演进。美国的AI治理战略在很大程度上体现为对传统世界体系中中心控制机制的延续与强化，其权力运作呈现出双重路径。就技术依附而言，美国将边缘国家对其关键技术与平台的依赖，转化为可持续施加战略约束的结构性权力，使相关国家在形式上拥有主权决策权，实质上却丧失了对数据管辖、技术路线选择及制定产业政策的自主空间。在规则制定层面，美国通过主导OECD等多边机制及相关标准国际化的进程，将所谓“数据自由流动”“技术中立”等理念塑造为普遍性的规范，同时将边缘国家维护治理自主权的正当诉求，贴上“保护主义”或“市场壁垒”的标签。在此框架下，边缘国家即便名义上参与国际规则制定进程，实际上却难以形成实质性影响，只能被动接受既定制度安排。中国的AI治理实践对上述权力延伸机制形成制衡。在技术层面，中国通过推动开源模型的本地化部署以及自主可控算力基础设施的合作建设，为边缘国家提供了降低技术依赖、规避域外法权外溢影响的现实选择。在规范层面，中国相继发布《全球人工智能治理倡议》《人工智能全球治理上海宣言》，从原则上确认了各国技术治理自主权的正当性。中美战略互动的结果是，全球AI基础设施的治理权力由单一中心主导走向多中心共存、规则竞争与制度多样化并行的格局。
第二，AI基础设施的规则制定机制由中心输出向多方协商转变。美国凭借其技术先发优势，长期主导国际标准制定进程，将自身技术偏好与治理理念嵌入全球规则体系，形成事实上的标准垄断。中国则通过积极参与国际电信联盟等多边专业机构，推动标准制定从少数国家主导转向开放协商。中国牵头制定的多项AI国际标准，将发展中国家关切的技术可及性、数据治理等议题纳入标准框架。依托多边协作路径，技术标准不再仅仅是技术领先国单向输出的工具，而成为各方共同参与、协商共建的制度平台，规则形成机制由此从中心单向输出逐步转向多方协商共建。
第三，边缘国家在AI基础设施治理中的自主权由被动依附向能动选择转化。在传统世界体系中，边缘国家面对中心国家的政策约束往往无力抵抗。而在AI时代，中美战略的异质性使边缘国家获得了策略性维护自主权的制度条件。在数据治理中，边缘国家可通过本地化存储或与尊重数据主权的服务商合作，规避域外法权的直接适用；在技术体系上，开源模型与本地部署方案降低了平台锁定风险；在对外合作中，通过发展多元化伙伴关系，边缘国家可在不同供给体系之间进行权衡与组合，避免对单一技术来源形成过度依赖。边缘国家选择空间的出现，意味着在接入和运用AI基础设施时，同时拥有在不同技术体系与治理方案之间进行能动选择的能力，为全球AI基础设施治理结构的多极化演进提供了微观基础。
（三）文化层面：认知范式解构与话语体系多元化
在世界体系理论的深层逻辑中，相较于经济剥削与政治支配，更具持久性与隐蔽性的往往是文化霸权。中心国家通过长期主导知识生产、价值评判与话语体系，将既有权力结构自然化、普遍化，从而赋予其超越强制手段的合法性基础。在AI时代，技术话语逐渐演变为重塑全球认知结构与价值秩序的关键场域。在美国以算法文化体系维系认知霸权、中国以替代性价值叙事推动话语多元化的战略互动下，全球AI基础设施的文化格局正呈现出治理议程扩展、评价标准多元、发展路径多样化的新特征。
第一，AI基础设施的治理议程由“安全中心主义”向“发展与安全并重”扩展。美国依托英语语料优势与跨国数字平台的深度渗透，构建了以技术理性主义为内核的算法文化体系，实现了对传统文化霸权机制的技术化升级。其主导的AI治理叙事长期聚焦技术风险、算法偏见与隐私保护，而技术可及性、能力建设与发展权保障等发展中国家的关键关切则处于议程边缘。中国的价值叙事是对上述议程的修正。在“一带一路”数字合作框架及联合国等多边平台上，中国积极倡导以人为本、智能向善、共同安全、发展优先的价值理念，并通过推动第78/311号决议，使发展权与能力建设议题由话语体系的边缘进入全球治理议程的中心位置，推动AI基础设施的治理从只关注风险管控转向兼具风险管控与发展赋能的多元取向。
第二，AI基础设施的价值评判标准由单一化走向多元化。在美国主导的话语体系中，技术先进性往往被简化为算力规模、参数数量、资本投入与市场估值，这种标准实质上将硅谷模式普遍化，并预设技术竞争只能沿着高投入、高消耗的路径展开，从而在话语上将发展中国家先验性地定位为“追赶者”。中国的AI实践拓展了“技术价值”的界定边界，面向非英语环境、资源受限场景和具体发展需求的评测体系与应用实践不断涌现。技术对可持续发展目标的贡献、在低资源环境下的可部署性与可维护性以及对本地产业升级和创造就业的实际效应，开始与传统性能指标并列，成为衡量技术价值的重要标准。中美战略互动的结果，使AI基础设施的价值评判标准由单一中心界定转向多元情境下的开放性解释。
第三，AI基础设施的发展路径由单一模式预设转向多样化自主选择。传统文化霸权不仅体现在技术垄断之中，而且通过将中心国家的发展经验塑造为现代化的唯一道路，使技术成功与特定制度模式绑定。中国的AI发展实践对上述预设路径提出了经验性质疑。技术进步不存在单一路径，各国可基于自身国情、发展阶段与治理目标，探索差异化发展道路。这一事实在认知层面使特定意识形态对AI基础设施发展路径的垄断性解释受到挑战，也使全球AI发展模式的演进呈现出更为多样和开放的趋势。发展中国家由此获得了在技术路线、治理模式与发展节奏上进行自主选择的认知合法性。
结 语
全球AI体系的形态本质上是世界体系在新技术范式下的结构性再生产过程。以算力、数据、算法与技术标准为核心的AI基础设施，已超越传统的技术支撑功能，转化为重构全球权力关系与国际分工结构的关键载体。这一转化过程并非价值中立的技术扩散，而是围绕生产关系重组、权力结构再配置与发展路径选择而展开的深层博弈，其演进逻辑集中体现了数字时代世界体系变迁的内在机理。
当前，中美AI战略的异质性构成了全球AI基础设施体系形态塑造的核心驱动力。美国的AI战略延续并强化了传统世界体系的逻辑，在数字空间中复制并巩固“中心—边缘”的等级秩序。与此不同，中国通过开源共享、能力建设与多边治理等“去中心化”实践，在结构上阻断了美国战略的全球扩张，逐步削弱了传统的“中心—边缘”结构在AI基础设施领域的自动再生产。中美AI战略异质性修正了世界体系理论中“中心国家战略同质性”的隐含假设。当中心国家在技术供给、治理理念上呈现根本性分歧时，既有的等级秩序便失去了结构性支撑，世界体系由此进入转型期。与此同时，这一转型催生了超越传统“中心—边缘”二元结构的AI基础设施新形态，即全球AI基础设施生态体系向多中心共存、网络协作、规范多元的形态演进。
展望未来，构建更加平等、开放、包容与互利的全球AI基础设施体系，不仅是对历史性不平等结构的批判性超越，更是数字时代探索人类共同发展路径的必然选择。
