从顶尖高校与科研院所构筑的创新网络，到开源生态推动的技术普惠，再到对人工智能治理和教育改革的深度思考，中国的人工智能发展路径正在重新定义全球科技发展与创新格局。海外学者在接受本报记者采访时表示，这不仅体现出中国技术实力的跃升，更代表了一种将国家战略、教育体系与产业需求深度融合的发展智慧。以DeepSeek为代表的中国人工智能产业正在为如何进一步优化人工智能技术的伦理框架、提升技术创新的可持续性，以及加强国际合作、守护人文温度，提供一份充满智慧的答卷。

　　开启中国自主创新的新篇章 

　　全球科技领域的竞争一直较为激烈。自今年1月起，DeepSeek的成功已然成为国际关注的热点，国际学者们在“解码”中国人工智能成功崛起的过程中，对过去的很多陈旧观点提出了质疑，对中国的科技产品给予高度评价。

　　4月21日，美国斯坦福大学胡佛研究所发布该研究所高级研究员、斯坦福大学政治学教授艾米·泽佳特（Amy Zegart）与斯坦福大学国际政策专业研究生埃默森·约翰斯顿（Emerson Johnston）合著的报告《深入探析“深度求索”的人工智能人才结构及其对美国创新的启示》。报告考察了杭州深度求索人工智能基础技术研究有限公司（以下简称“深度求索公司”）的人工智能人才结构特征，据此提出中国已建立起一个强有力的本土人工智能人才培养机制。

　　2024年1月至2025年2月，深度求索公司在学术论文开放存取平台“arXiv”上发布了5篇基础研究论文。这5篇论文共有223位署名作者，泽佳特和约翰斯顿分析了其中211位作者的教育背景、职业路径和国际流动情况。报告指出，DeepSeek研发团队并非外界所认为的“青涩”或“非资深”。平均来看，上述211位作者每人发表过61篇论文，被引量超过1000次。“核心团队”（即参与了全部5篇论文撰写的作者共31人）人均被引量约为1500次。在211位论文作者中，111位从未离开中国学习或工作，仅有4位从未在中国学习或工作过。这表明，中国独立培养具有世界领先水平的本土人工智能人才的能力在增强。截至报告形成时，有171位作者任职于中国内地机构，只有15位任职于美国机构，其余分布在澳大利亚、加拿大、英国、新加坡等地。

　　报告还指出，在中国机构中，中国科学院扮演着关键角色，有53位作者任职于中国科学院及其下属机构；任职于北京大学、清华大学、中山大学、南京大学等著名高校的作者接近100人。这说明中国通过制度基础设施支持人工智能发展，形成了以中国科学院为中心、以顶尖高校为支点的人才网络。泽佳特和约翰斯顿认为，吸引和长期留住全球顶尖人才曾是美国技术领先的基石，但在21世纪，这一优势正在减弱。中国采取的战略性人力资本发展政策，将本土人才海外获取先进知识视为一种国家战略性投资，而非简单的人才流失。

　　美国《财富》杂志网站近期刊文表示，中国高校正在培养大批充满热忱的本土技术人才，为中国人工智能产业发展作出了巨大贡献。一些观察人士认为，“90后”中国科技创业者与其前辈在创新态度上存在显著差异。早期创业者多认可“先复制再改进”，而新一代科研人员则认同开源理念，坚信中国具备创新能力，不应局限于模仿。《财富》杂志进一步分析认为，从更系统的层面而言，中国得以在全球科技竞争中多次实现追赶，得益于这些持久且强有力的因素：庞大的制造业基础、积极借鉴外国先进经验、丰富的人才储备以及一个能够同时扮演投资者、支持者和监管者角色的政府。中国政府在利用规模优势方面发挥着关键作用，通过政策、监管和补贴，构建了一个“国家协调”的创新体系，私营部门围绕这一体系的优先项展开布局。

　　英国伦敦政治经济学院教授金刻羽提出，相较于美国，中国的创新者可能更专注于“量身定制式的问题解决方式”。这种有针对性的、“够用就好”的创新模式使中国能够大规模生产价格亲民的技术产品，包括像DeepSeek这样前沿的人工智能模型。在西方企业高管还在担心如何承担人工智能发展的高昂成本时，中国或许不久后就能将全球所需的产品投向市场。

　　推动人工智能民主化 

　　DeepSeek的开源特性掀起了关于如何加速前沿科技在全球的普及以使其更易于理解和运用进而惠及更多人群的热烈讨论。加拿大圣托马斯大学政治学系教授兼系主任肖恩·纳林（Shaun Narine）对记者表示，虽然DeepSeek-V3的训练成本显著低于GPT-4、Llama3.1等同类海外大模型，但其表现毫不逊色，人工智能的使用更加经济实惠、更具可及性。

　　美国路易斯维尔大学计算机科学与工程学副教授罗曼·V.扬波尔斯基（Roman V. Yampolskiy）推测，DeepSeek的广泛部署将推动人工智能商业化，降低各行业应用门槛与风险，为初创企业和小企业创造机遇。这标志着人工智能民主化向前迈进了一步，其高训练效率和开放架构为“全球南方”国家的科技进步、社会经济发展和人民福祉提升开辟了新道路。“这意味着相对贫困的国家可以大幅提升与富裕国家竞争的能力。例如，港口运营不再仅仅是富裕国家的专利。如果人工智能能够帮助较贫穷的国家更高效地利用资源，将带来巨大的经济利益。”纳林对DeepSeek带动的人工智能民主化趋势充满期待。

　　巴西马拉尼昂联邦大学法律和地缘政治全职教授卡修斯·吉马雷斯·柴（Cássius Guimarǎes Chai）观察到，大部分“全球南方”国家在以较好的成本效益比（Benefit cost ratio）开展人工智能研发，但面临着一系列挑战。首先，基础设施不足成为一大瓶颈。高性能计算资源匮乏和互联网连接不稳定严重限制了人工智能技术的开发与应用。其次，专业人才的短缺也是一大难题。缺乏受过系统训练的人工智能专业人员，使得这些国家在创新和有效实施人工智能解决方案时力不从心。此外，数据获取的困难也不容忽视。本地化、高质量数据的稀缺，严重影响了模型的训练效果。最后，监管和伦理框架的缺失也带来了诸多隐患。如何确保人工智能的伦理实践以及有效保护公民的基本权利，成为“全球南方”国家亟待解决的问题。

　　“尽管人工智能民主化的前景令人期待，但各国不应高估其技术效用。一个国家使用的技术越多，就越需要配套发展本土人才来维护和改进技术。这需要完善的教育基础设施，而许多国家却缺乏这些完备条件。因此，尽管人工智能技术可以发挥更大作用，但它只能作为一种工具，帮助提升国家能力，且必须与其他必要且可持续的改革和发展相结合。”纳林如此评论道。

　　增强人工智能全球治理的效力 

　　纳林提出，西方公众对人工智能崛起多持怀疑态度，这种怀疑需通过谨慎的咨询、科普教育以及对人工智能的持续分析来缓解。如果人工智能的使用缺乏国际标准和监管，其陷入更具竞争性动态的风险将加剧。扬波尔斯基也表示，要平衡人工智能的创新性与安全性，严格的审计和监管合规等保障措施不可或缺。随着开源模型的本地化及多场景部署的推进，各国需建立具有透明性、伦理性和动态风险管理的新监管框架，以应对新的监管挑战。

　　以环境挑战为例，扬波尔斯基表示，DeepSeek备受关注的原因之一是其训练和运行过程中的能源消耗明显低于同类其他模型，这说明能源效率将成为未来人工智能研发中的核心考量，针对人工智能企业设立环保标准是人工智能治理的重要组成部分。DeepSeek的“节能”效果显著，但也引起了人们对“杰文斯悖论”（Jevons paradox）的担忧：模型成本效益比的改善可能导致对这些模型的需求增加，最终造成更多的资源消耗。对此，扬波尔斯基呼吁各国应通过制定适应性扩展政策和完善监管措施缓解“杰文斯悖论”带来的潜在风险。

　　针对提升人工智能治理国际合作效果，柴提出了三点建议：首先，在伦理层面建立统一的伦理准则框架至关重要。这将确保人工智能的发展能够遵循全球普遍认可的伦理标准，从而在不同国家和地区之间实现公平与透明。其次，在数据流动方面跨境数据的合理共享是训练强大人工智能模型的基础，而协调一致的政策能够有效保障隐私安全，促进数据的负责任使用。此外，在风险应对上通过国际合作制定风险缓解策略，可以共同应对人工智能带来的全球性挑战（如网络安全威胁和经济动荡），从而为技术发展营造一个更安全、稳定的环境。

　　“虽然现有的法律框架在某些方面，如知识产权法和数据保护法规等方面，能够为应对人工智能相关挑战提供一定的基础，但人工智能技术的独特性也意味着需要制定更为专业的法律框架。”柴以欧盟2021年通过的《人工智能法案》为例，认为该法案针对人工智能的特定风险和应用确定了较为全面的法规，展现了前瞻性思考，为全球人工智能立法提供了有益的借鉴。