通用人工智能（Artificial General Intelligence，AGI）近年来重新成为人工智能研究与科技政策讨论中的核心议题。不同于以往围绕特定任务或应用场景展开的“弱人工智能”，AGI通常被理解为具备跨领域学习、推理和适应能力的通用智能系统，其潜在影响被认为将超越单一产业或技术范畴，深刻重塑经济结构、社会治理乃至国际权力格局。正因如此，AGI不再只是一个工程问题或学术问题，而逐渐演变为一个具有高度战略意义的政治经济学议题。
当前关于AGI的讨论，主要被两种主导性叙事所塑造。第一种是由技术社群主导的“技术可行性”叙事，强调从认知建模、学习机制等基础层面重新理解智能的本质；第二种是由产业界推动的“工程可行性”叙事，主张通过不断扩大模型规模、算力和数据，依托既有深度学习范式逐步逼近AGI。这两种叙事在学界与产业界均拥有重要支持者，例如围绕“大模型是否能够通向AGI”，杨立昆与戴密斯·哈萨比斯之间的分歧，便生动体现了这一争论。
然而，这两种看似对立的叙事实际上共享一个隐含前提：AGI的发展主要是一个由技术内在逻辑与产业激励所驱动的过程，国家的作用更多体现在“支持”或“监管”层面。这一假设在弱人工智能阶段或许尚能成立，但在AGI这一高度不确定、投入巨大且外部性极强的领域中，却显得日益不足。AGI面临的并非单一技术瓶颈，而是技术路径不确定、实现时间不可预测、社会影响难以评估等多重不确定性叠加。在此条件下，单纯依赖市场机制，不仅容易导致技术路径锁定和资源配置失衡，也难以应对由此产生的社会风险与政治压力。
正是在这一背景下，AGI的发展必须被重新理解为一个战略问题。AGI具有典型的公共品属性和战略属性，其研发过程需要长期、高风险、跨部门的投入协调，涉及算力、数据、人才、资本以及治理规则的系统整合。国家的关键作用，并不在于替代市场进行技术选择，而在于通过制度安排，在根本不确定性条件下，使技术探索在经济上可持续、在政治上可接受、在社会层面风险可控。
从这一视角出发，中美两国在AGI领域所呈现的路径差异，便具有了重要的分析意义。作为当前全球人工智能发展的两大引领者，中美不仅在技术能力和投入规模上处于前列，更在制度结构、国家—市场关系以及技术治理理念上存在显著差异。这些差异并未停留在政策表述层面，而是逐步内化为不同的AGI推进方式，形成了两种具有代表性的制度化发展道路。
美国方早在2016年奥巴马政府时期发布的《为人工智能的未来做好准备》就开始系统性布局AGI。特朗普第一任期《保持美国在人工智能领域的领导地位》行政令和《国家人工智能研发战略计划2019更新版》进一步强化了在AGI领域的技术领先战略。2025年1月《推进美国在人工智能基础设施领域领导地位的行政命令》以“星际之门”计划为抓手，集中推进超大规模数据中心和算力枢纽建设，意在为下一代通用模型提供持续扩展的算力底座。2025年7月密集发布的四项行政令构成了一个完整的政策组合，从《赢得竞赛：人工智能行动计划》到阻止“觉醒式”AI、加速数据中心建设、推动技术出口，既要确保前沿模型的突破性进展，又要通过基础设施投资和出口管制维持技术代差优势。11月发布的《启动创世纪任务》将前沿模型直接嵌入能源、材料、气候与生命科学等国家级科研工程，意图通过跨学科算力集成和模型协同应用，加快通用能力向科学发现与工程突破转化。这种布局高度依赖少数头部企业的技术能力，期待通过技术领先建立全球标准。
美国当前呈现出的，可以概括为一种“模型中心道路”。在这一模式下，AGI被视为技术创新的终极目标，制度性协调的核心在于集中资源推动模型能力的持续突破，并通过技术领先塑造事实性全球标准。政府在其中主要通过战略规划、基础研究资助和安全监管发挥作用，而具体的技术探索和工程实现，则高度依赖少数大型科技企业。这种模式在短期内具有较强的突破潜力和国际竞争优势，但其内在风险也同样突出：技术路径高度集中，容易形成锁定；算力与数据资源高度集中，放大伦理与安全争议；一旦关键技术路线遭遇瓶颈，其调整空间相对有限。
中国的战略文件没有明确提出AGI这个概念，并别在很多做法上与美国有异同之处。相同之处，都是重视人工智能的技术和产业发展，不同之处在于中国实现AGI之路更多是通过应用创新来引领发展，而非完全押注前沿模型能力提升抵达AGI这条路。2017年《新一代人工智能发展规划》奠定了技术、产业、治理三位一体的基本框架，此后的政策演进始终围绕这一框架展开。2022至2025年间发布的一系列应用导向政策显示出明确的基础设施化取向，通过场景开放、算力网络建设和跨部门协调，推动智能能力向实体经济和社会治理领域的系统性渗透。2025年7月发布的《人工智能全球治理行动计划》和2026年1月的《人工智能+制造专项行动实施意见》，表明中国正在将AGI能力的培育嵌入到产业升级和全球治理议程之中。
这过程中，中国逐渐显现出一种“通用基础设施道路”。在这一模式下，AGI并非被理解为单一的技术终点，而是被视为一种需要嵌入国家发展体系的基础性能力。不在于押注某一条技术路线的极限突破，而在于通过算力网络、数据体系、应用场景和组织机制的系统整合，推动智能能力在更广泛的经济和社会系统中扩散与积累。国家在其中扮演着更为主动的统筹者角色，通过基础设施建设、场景开放和跨部门协调，为多样化技术路径提供生存空间。
这两种道路并非简单的“国家主导”与“市场主导”之分，而是对同一问题的不同回应方式：在技术高度不确定、市场容易失灵的条件下，如何通过制度安排维持长期探索的可行性。美国的模型中心道路，更强调通过市场化竞争和技术集中来加速突破，其优势在于创新效率和全球影响力，但风险集中于技术与治理层面的不稳定性；中国的通用基础设施道路，则更强调通过系统整合和能力扩散来降低整体风险，其优势在于稳定性和可控性，但也面临协调成本上升和突破速度不确定的问题。
重要的是，这两种道路并不存在简单的优劣之分。它们反映的是不同国家在制度条件、发展阶段和战略目标约束下，对AGI这一高度不确定技术所作出的理性选择。AGI的实现路径并非唯一，其社会嵌入方式、风险分布结构以及对国家能力的反向塑造，都将随着制度性协调方式的不同而显著分化。从更广阔的视角看，中美在AGI领域的分化，不仅关乎技术竞争本身，也预示着未来通用技术如何被纳入国家治理体系的不同可能性。AGI最终是否实现，固然仍有巨大的不确定性，但可以确定的是，其探索过程已经成为检验国家制度协调能力的重要场域。理解中美通向AGI的不同道路，不仅有助于把握人工智能发展的现实走向，也为思考前沿技术与国家制度之间的关系提供了一个关键窗口。