全球风向
AI 的账单不只写在算力采购单上，它同时写进你的电费和就业市场
IMF 警告 AI 双向赌注
IMF 给 AI 算了一笔账：2025 年它为美国 GDP 贡献了 0.5 个百分点，却没被写进官方预测。一个不被正式承认的增长引擎，同时被列为最大的上行希望和最危险的下行引信。所以，IMF 的态度可以浓缩为一句话：AI 可能是对的，但现在下注太早。
2026 年 4 月，国际货币基金组织发布《世界经济展望》。报告前言里，首席经济学家把 agentic AI 与“生活水平的终极驱动力”即生产率直接挂钩[1]。这是一句分量很重的话。从 IMF 的历史上看，它很少在前言中把一项尚未兑现的技术放在如此核心的位置。[2][3]
但翻过前言，进入正文，你会发现一个有趣的矛盾：AI 被承认为 2025 年全球增长韧性的关键解释项，却没有被写进基准预测。 IMF 的 reference forecast 明确声明“不直接计入 AI 对生产率的影响”[4]。换句话说，IMF 一边说 AI 拉动了增长，一边在预测模型里假装它不存在。
这种矛盾背后，是 IMF 对 AI 的根本判断：AI 是一场双向赌注，涨和跌同样可能，现在没有足够的数据判定哪一面会赢。
核心判断
- AI 是一场双向赌注，涨和跌同样可能，现在没有足够的数据判定哪一面会赢。
- 把两个情景放在一起看，IMF 传递的信号是：AI 上行的收益是温和的，下行的代价是剧烈的。+0.2% 对比 -1.5%，差距接近 8 倍。
- 对 AI 带来的增长保持适度怀疑，对 AI 带来的金融风险保持充分警觉。
一、0.5 个百分点：AI 对美国增长的实打实贡献
IMF 在 Box 1.1 中给出了一个关键数字：2025 年，AI 相关技术投资为美国 GDP 增长贡献了约 0.5 个百分点[5]。
0.5 个百分点是什么概念？2025 年美国 GDP 增速约 2.8%，如果拿掉这 0.5 个百分点，增速就降到 2.3% 左右。在 IMF 看来，这 0.5 个百分点不是来自 AI 提升了全社会的生产率，而是来自企业大量采购 AI 相关资本品，即芯片、服务器、数据中心设备。这些采购计入固定资产投资，直接拉动 GDP。
{
"id": "us-growth-ai",
"type": "dataset",
"title": "AI资本投入对2025年美国GDP增长的贡献",
"deck": "AI贡献0.5个百分点，约占美国2.8%增长的18%，但未计入官方预测。",
"badge": "数据图表",
"source": "数据与来源见本文参考文献。",
"sets": [
{
"label": "增长百分点",
"max": 3,
"rows": [
{
"label": "美国GDP总增速",
"value": 2.8,
"display": "2.8%",
"detail": "2025年美国GDP增速约2.8%。"
},
{
"label": "AI相关投资贡献",
"value": 0.5,
"display": "0.5pct",
"detail": "这部分主要来自芯片、服务器和数据中心设备采购。"
},
{
"label": "其余增长贡献",
"value": 2.3,
"display": "2.3pct",
"detail": "拿掉AI资本品投资贡献后，增速约为2.3%。"
}
]
},
{
"label": "占总增长比重",
"max": 100,
"rows": [
{
"label": "AI相关投资贡献",
"value": 17.9,
"display": "17.9%",
"detail": "0.5/2.8换算，AI资本投入约解释当年增长的17.9%。"
},
{
"label": "其余增长贡献",
"value": 82.1,
"display": "82.1%",
"detail": "其余因素约占82.1%。"
}
]
}
]
}
更重要的是扩散效应。IMF 指出，这类投资“进口密集度高”，大量资本品来自亚洲，因此AI 投资通过贸易渠道对亚洲经济体形成了显著扩散[6]。越南 2025 年出口增速约 16%，中国约 6%，背后都有 AI 相关技术产品需求的推动。
但 IMF 同时做了一个诚实的限定：这个 0.5 个百分点的估算，不包括其他企业采用 AI 后产生的一般性生产率提升[7]。也就是说，IMF 只算了“买设备”这部分，没算“用设备后效率提高”这部分。原因很简单：后者还没有足够的数据来量化。
二、两个情景：“AI 扩散加速”和“AI 热潮反转”
IMF 在 Box 1.3 中构建了两个 AI 情景，把双向赌注量化到了具体数字。
情景 A：AI 扩散加速
假设美国 AI 采用进一步扩散，触发新一轮企业投资潮。因为许多 AI 资本品来自新兴亚洲，美国投资的进口密集度上升。
{
"id": "imf-asymmetry",
"type": "stage",
"title": "AI上行与反转情景对宏观指标的影响",
"deck": "同一投资热潮的下行冲击远大于上行收益，风险和回报不对等。",
"badge": "数据图表",
"source": "数据与来源见本文参考文献。",
"nodes": [
{
"n": "↑",
"label": "AI扩散加速",
"sub": "美国+0.2%（2026）",
"title": "上行情景：温和扩张",
"copy": "AI扩散改善投资和生产率，但短期宏观增益并不巨大。",
"data": "美国GDP：2026 +0.2%、2027 +0.5%；全球产出2026–27 +0.3%。"
},
{
"n": "↓",
"label": "AI热潮反转",
"sub": "美国−1.5%（2026）",
"title": "下行情景：估值、投资与财富效应共振",
"copy": "利润预期下修触发科技股重估、投资下降、消费与跨境资本同步收缩。",
"data": "美股−20%；美国投资−3%至−4%；美国GDP−1.5%；全球活动−1.2%。"
},
{
"n": "8×",
"label": "收益/代价不对称",
"sub": "0.2 vs 1.5",
"title": "核心信号：短期下行幅度约为上行的7.5倍",
"copy": "乐观情景给2026美国GDP多0.2%，反转情景少1.5%，风险分布明显偏斜。",
"data": "1.5 ÷ 0.2 = 7.5，文中概括为接近8倍。"
}
],
"variant": "flow",
"center": "AI",
"centerSub": "cycle"
}
| 指标 | 相对基准预测的偏离 | 年份 |
|---|---|---|
| 美国 GDP | +0.2% | 2026 |
| 美国 GDP | +0.5% | 2027 |
| 全球产出 | +0.3% | 2026 至 2027 |
IMF 的判断是：AI 上行情景“温和扩张”，对美国有利，对全球也有正向扩散。但注意，即便在乐观情景下，2026 年美国 GDP 也只比基准高 0.2 个百分点。IMF 没有给出“AI 引发增长奇迹”的数字。
情景 B：AI 热潮反转
假设市场重新评估 AI 的生产率收益预期，技术部门实际投资急剧下降，伴随全球避险情绪升温。
| 指标 | 相对基准预测的偏离 | 年份 |
|---|---|---|
| 美国股市 | 下跌 20% | 2026 |
| 美国投资 | 下降 3% 至 4% | 2026 至 2027 |
| 美国 GDP | 下降 1.5% | 2026 |
| 全球经济活动 | 下降 1.2% | 2026 |
这个情景的冲击链条很清晰：AI 利润预期下修，技术投资骤降，科技股重估 20%，财富效应拖累消费，出口导向型科技经济体通过贸易渠道受冲击，跨境资本流动逆转，全球金融条件收紧。
把两个情景放在一起看，IMF 传递的信号是：AI 上行的收益是温和的，下行的代价是剧烈的。 +0.2% 对比 -1.5%，差距接近 8 倍。
AI 上行的收益是温和的，下行的代价是剧烈的。MAVERICK 判断
三、生产率悖论：微观有效，但宏观作用有限
IMF 对 AI 生产率的态度，可以用报告里的一句话概括：“AI 采用确实与各部门较快的生产率增长相关，但它对总量生产率提升的解释有限。”[8][9]
这是一个经典的“索洛悖论”新版。在企业层面、任务层面，AI 的效率提升有大量实证支持。但把这些微观收益加总到宏观经济层面，效果就变得模糊。IMF 的解释是“现在说 AI 已经驱动了美国生产率复兴可能为时过早”，随着行业扩散扩大，AI 未来可能成为主要力量，但目前还不是。
这也解释了为什么 IMF 不把 AI 生产率收益写入基准预测。在 IMF 看来，AI 的宏观生产率效应还处于“可能但未证实”阶段。如果现在就把它算进去，等于用一个未经证实的假设来支撑全球增长路径，风险太大。
四、金融稳定：AI 集中度进入执董会风险清单
IMF 执董会的讨论记录，把 AI 相关风险写进了金融稳定体系。具体表述是：“AI 投资热潮的潜在脆弱性、AI 相关领域日益增长的市场集中度风险、私人信贷脆弱性”[10]。
这里有三层风险值得注意。
第一层是估值集中度。 美股在 MSCI 全球指数中的权重达到 64%，创历史纪录。科技巨头长期盈利增长的隐含预期“远超近期历史基准水平”，风险溢价被压缩到新冠以来最低。投资者为承担同样风险所要求的价格补偿正在消失。
第二层是信贷端。 AI 相关企业债发行量急速膨胀。私募信贷基金对 AI 和 IT 领域的放款规模翻了四倍，占投资组合的 15%。面向零售投资者的直接贷款基金已开始面临赎回请求，这是流动性压力的早期信号。
第三层是影响路径。 如果 AI 投资回报不及预期，影响链条是：科技股估值修正，信用利差走阔，私募信贷基金承压，赎回潮涌现，信贷收紧向中小企业蔓延。IMF 把这条链条写进了下行风险章节，说明它认为这不是尾部风险，而是需要认真对待的现实路径。
五、IMF 没说但值得思考的
IMF 的政策建议部分有一段话值得细读：“数字化和 AI 可以加速生产率增长并扩大潜在产出。需要配套措施，包括技能、能源和数字基础设施投资、竞争性市场、以及健全的数据治理和网络安全体系。”[11]
这段话的核心逻辑是：AI 的生产率收益不会自动到来，它需要一整套互补性投资来承接。 技能、能源、数字基础设施、市场竞争、数据治理，缺一不可。IMF 还特别提到，受贸易或技术冲击集中的群体应获得“有针对性和有时限的调整援助”，包括培训、搬迁支持和工资保险，而不是长期保护主义。
独立判断
IMF 这份报告对 AI 的处理方式，体现了一个宏观预测机构面对高度不确定性技术时的典型策略：承认它的影响，但不把它写进预测；量化它的双向风险，但不押注任何一面。
这种策略的优点是稳健。如果 AI 真的带来生产率飞跃，IMF 的预测就偏保守，实际结果好于预期。如果 AI 投资泡沫破裂，IMF 的预测也没有依赖 AI 假设，不需要大幅下修。
但缺点也很明显：0.5 个百分点的贡献已经被实际数据证实，却仍然被排除在基准预测之外，这意味着 IMF 的基准预测本身就低估了当前增长的一个关键支撑因素。 如果 2026 年 AI 投资继续扩张，实际增长可能持续高于 IMF 预测；如果 AI 投资降温，实际增长可能突然低于预测，因为那 0.5 个百分点的支撑消失了。
所以，IMF 报告传递的最重要信息是那个差距：AI 上行情景的收益是 +0.2%，下行情景的代价是 -1.5%。 在一个不确定性极高的赌局中，下行赔率远高于上行赔率。这并不意味着应该看空 AI，但意味着对 AI 带来的增长保持适度怀疑，对 AI 带来的金融风险保持充分警觉。，是当前最理性的姿态。
参考文献｜International Monetary Fund. World Economic Outlook, April 2026[EB/OL]. 2026年4月14日. ↩︎
页边注｜双向赌注｜IMF给AI的定性，意思是AI既可能带来生产率上行收益，也可能触发投资泡沫破裂的下行冲击，两面都真实存在，目前数据不足以判断哪面会占上风。 ↩︎
页边注｜agentic AI｜能自主规划并执行多步骤任务的AI智能体，IMF首席经济学家把它与“生活水平的终极驱动力”即生产率直接挂钩，这是份量很重的一句话。 ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
页边注｜索洛悖论｜经济学家索洛提出的经典困惑，到处都能看到计算机，唯独在生产率统计里看不到，AI正在重演这个微观有效、宏观沉默的困局。 ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
参考文献｜International Monetary Fund. World Economic Outlook[EB/OL]. 2026年6月25日. ↩︎
AI 信用链断裂机制
一旦这个循环被打破，无论是因为GPU需求放缓，还是某个关键参与者的信用链断裂，冲击不会局限在科技行业内部，而会通过私募信贷和NBFI体系向实体经济扩散。
AI 正在成为发展鸿沟：马太效应的国家剧本
世界银行在 2026 年《全球经济展望》中提出了一个尖锐的问题：AI 可能逆转全球增长放缓，但前提是生产率收益“大、持续、同时广泛扩散”。现实是，全球 24 个最贫穷经济体加起来只占数据中心容量的不到千分之一。AI 的故事，可能是一个让富者更富、贫者更贫的故事。
双重夹击：AI 的能源软肋与金融暗链
OECD 在 2026 年《经济展望》中画出了 AI 的两条软肋。一条是能源：数据中心运营成本的 60% 是电费，中东冲突一旦推高能源价格，AI 基础设施首当其冲。另一条是金融：七巨头 2027 年资本开支将达 1.1 万亿美元，超过盈利增速，而 AI 公司之间的循环融资正在制造一个自我强化的收入幻象。AI 的故事，正在从“能不能赚钱”变成“能不能撑住”。
隐形账单：AI 的电费、就业与治理碎片
联合国在 2026 年《世界经济形势与展望》中算了一笔其他机构没算的账：到 2030 年，数据中心年耗电量将接近 1000 太瓦时，略超日本全国用电量；2025 至 2030 年间，仅数据中心发电就将新增约 17 亿吨温室气体排放。AI 的成本，不只是芯片和算力，还有电费账单、就业冲击和治理真空。
AI 泡沫时钟模型
时钟走到了哪里？时钟走到午后三点：太阳正烈，阴影已经开始拉长。
OECD 在 2026 年《经济展望》中画出了 AI 的两条软肋。一条是能源：数据中心运营成本的 60% 是电费，中东冲突一旦推高能源价格，AI 基础设施首当其冲。另一条是金融：七巨头 2027 年资本开支将达 1.1 万亿美元，超过盈利增速，而 AI 公司之间的循环融资正在制造一个自我强化的收入幻象。AI 的故事，正在从“能不能赚钱”变成“能不能撑住”。
中美博弈
中美必有一战？把叙事当事实，会让你在做投资和职业选择时犯错
AI竞赛中美必有一战？“修昔底德陷阱”的叙事幻觉
修昔底德陷阱被包装成客观规律，实际上只是好用的叙事工具。它有三个方法论硬伤，还翻转了责任归属，让中美强硬派各取半边。AI竞赛只是它找到的最新宿主，拆掉这层滤镜才能看清真实的风险与选择。
修昔底德陷阱16个历史案例的结果构成
刚刚过去的6月，中美AI对抗的新闻密度创了纪录。[1]
6月前后，能被公开一手材料确认的硬事实主要有两类：第一，美国商务部BIS近年的先进计算芯片出口管制持续围绕“中国相关最终用途、实体和第三国转运风险”扩围；第二，6月12日，Anthropic称美国政府按出口管制授权要求暂停外国人访问Claude Fable 5和Claude Mythos 5，随后公司在6月30日宣布相关限制解除，并在7月1日恢复Fable 5访问。[2][3]至于“国家网信办在6月1日正式禁止国内企业采购英伟达AI芯片”“英伟达在华份额2026年降到8%而华为升至50%”这类更具体说法，若来源只是投行或媒体转述，应写成市场估计或监管传闻，不能写成已公开发布的监管原文。[4]
模型侧的事实更清楚。Anthropic官方页面显示，Fable 5和Mythos 5在6月9日发布；6月12日，公司收到暂停外国人访问的政府指令；6月30日宣布出口管制解除；7月1日恢复访问。[3:1][5]智谱GLM-5.2、Code Arena排名和“盘中涨近48%”这组说法必须分开核验：模型发布要看智谱官方公告，榜单排名要保存发布日动态榜单快照，股价涨幅要看交易所或行情源；没有这三类一手材料时，不应把它们合并写成已核定事实。[6]
这背后，一边是美国“能力即武器”的管制逻辑，最前沿的模型连盟友和在美国境内的外国人都可能被临时挡在外面；一边是中国“开源和国产替代即武器”的扩张逻辑。但这些逻辑都指向同一套假设：这是必须要赢的战争，输掉的一方万劫不复，所以每一次收紧都是审慎的防卫，每一次反制都是必要的自卫。
这些论证来自不同阵营，服务不同目的，但共用同一个理论底座：修昔底德陷阱。崛起国挑战守成国，战争大概率不可避免。芯片管制的政策论证引用它，算力封锁的战略评论引用它，主张“不惜一切代价赢得AGI竞赛”的公开信也在引用它。
先说结论：修昔底德陷阱不是客观规律，是一个被包装成规律的叙事工具。它的研究有三个方法论硬伤，对原版理论做了一次180度的因果翻转，导致中美两边的强硬派各自只用它的半边。而这场AI竞赛，只是这个叙事工具找到的最新宿主。
它的流行，靠的从来不是正确，而是好用。
这篇文章把它拆开，一层一层看。
核心判断
- 修昔底德陷阱不是客观规律，是一个被包装成规律的叙事工具
- 崛起国和守成国之间，对抗是一种可能，远不是必然
- AI竞赛叙事在未来两年会继续升级，因为它对双方的强硬派、对要预算的机构、对要估值的公司都太好用了
这个概念是怎么来的
修昔底德陷阱的提出者是Graham Allison，哈佛肯尼迪学院教授，克林顿时期的助理国防部长。2011年前后，他正式提出这个概念。2015年，他发表在《大西洋月刊》的文章彻底引爆。在之后，2017年，他出版更有叙事张力的书籍，《注定一战》。[7]
概念核心来自古希腊历史学家修昔底德的一句话：“使战争不可避免的，是雅典实力的增长以及由此在斯巴达引发的恐惧。”Allison把它提炼成一种模式：崛起国的实力增长到威胁守成国地位时，双方极有可能滑向战争。[7:1]
{
"id": "thucydides-cases",
"type": "caseboard",
"title": "修昔底德陷阱16个历史案例的结果构成",
"deck": "12次战争是历史样本，不是中美必战的75%预测概率。",
"badge": "数据图表",
"source": "数据与来源见本文参考文献。",
"total": 16,
"war": 12
}
为了给这个判断找依据，Allison带哈佛Belfer中心做了案例研究：从1500年至今找出16个“崛起国挑战守成国”的案例，其中12个以战争结尾。由此得出那个被无限引用的数字：75%的战争概率。[8]
注意一个细节：Allison本人早就把这套理论移植到了AI上。2021年，他和Eric Schmidt等人在Belfer中心发布报告《The Great Tech Rivalry》，核心判断是中国可能在AI等关键技术上全面赶超美国。修昔底德陷阱和AI竞赛叙事的合流，不是媒体的自由发挥，是概念发明人所在研究网络亲自完成的。[9]
问题在于，这个75%从一开始就站不住。
三个绕不过去的方法论硬伤
第一个硬伤是定义模糊。什么算“崛起国”，什么算“守成国”，高度依赖主观判断。哈佛政治学者Joseph Nye指出，一战被归类为“崛起的德国挑战霸主英国”，但成因极其复杂：德国对俄国崛起的恐惧、奥匈帝国的衰落、同盟体系的连锁反应。把这么多因素压缩成非黑即白的对抗，等于用模型裁剪现实。历史学家Arthur Waldron也批评Allison对希腊史和若干现代案例的处理过于简化。[10]
第二个硬伤是选择偏差。Allison挑案例的标准本身就包含“一方挑战另一方”这个前提。他只选了已经存在对抗关系的大国，然后发现其中大多数打了仗。这个逻辑等于只研究进了急诊室的人，然后得出结论：进急诊室的人大多有健康问题。而且案例数字存在版本差异：Belfer中心正式案例文件列出16个案例、12个战争结局；同一项目页面又保留潜在增补案例，说明样本边界不是封闭统计总体。[8:1]
第三个硬伤是遗漏因素。16个案例横跨五个世纪，从16世纪的葡萄牙西班牙到20世纪的美苏冷战。这五百年里，核武器出现了，全球贸易网络形成了，经济相互依赖发生了质变。不控制任何时代因素，把拿破仑时代和核威慑时代放进同一个理论算“概率”，本质上不是统计分析，而是历史对比。
Allison自己也知道。他在项目说明中强调案例研究用于展示紧张关系如何走向战争、也展示战争如何被避免；但公共传播里，“16个案例12个战争”经常被压缩成准统计概率。[8:2]一边提醒读者这是案例文件，一边让数字承担概率暗示，这本身就是一种论证幻觉。
比方法论更深的问题：责任归属的翻转
方法论硬伤只是表层。真正关键的手术，发生在因果归因上。[11]
修昔底德陷阱有一个正式的理论前身，叫权力转移理论，A.F.K. Organski在1958年提出。原版逻辑是：崛起国接近守成国实力，只是冲突的结构条件，光有这个不够，还需要一个关键因素，就是崛起国对现有国际秩序的满意度。如果崛起国在现有秩序中受益良多，它没有动机推翻这个秩序，哪怕实力已经追上甚至反超。[12]
在原版理论里，主语是崛起国。是崛起国在做选择：我要不要挑战这个秩序。和平的钥匙握在崛起国手里。
Allison做了什么？他把满意度这个因素弱化了。回到修昔底德那句原话，雅典只需要“增长”就够了，不需要做任何有攻击性的事，冲突的触发机制是斯巴达的“恐惧”。主语换了，责任也就翻转了。
**原版理论问的是“崛起国想要什么”，Allison版本问的是“守成国害怕什么”。表面看是同一个现象，实际指向完全相反的政策结论。**如果问题出在崛起国的不满意，解决方案是给崛起国更多位置和发言权；如果问题出在守成国的恐惧，皮球就踢给了守成国，崛起国只需要继续增长，出了事都是对方过度反应。
记住这个翻转，后面看AI竞赛叙事的时候会用到。
历史根本不支持“必然对抗”
南加州大学的David Kang在《East Asia Before the West》里做了扎实的历史研究：从1368年明朝建立到1841年鸦片战争前夕，东亚长期存在以中国为中心的等级秩序，但并没有像欧洲近代体系那样持续爆发大国均势战争。[13]
Kang的核心发现是：修昔底德陷阱和整个权力转移理论，都是从欧洲经验里抽象出来的规律，然后被当成了普世真理。而东亚朝贡体系建立在等级制和合法性共识上，中国是体系中无可争议的主导力量，但邻国并没有不断挑战它，反而长期和平共存。决定大国关系走向的关键因素，是各方是否认可秩序的合法性，实力对比反而是次要的。[13:1]
Allison的16个案例全部来自1500年之后的欧洲及全球威斯特伐利亚体系，早期东亚案例没有进入样本。把东亚放进来，“崛起国挑战守成国就会打仗”连区域普遍性都不具备，更谈不上人类规律。[8:3][13:2]
普林斯顿的G. John Ikenberry在《After Victory》里补了理论层面的结论：霸权国可以通过制度设计管理权力转移，战争是制度设计失败的结果，不是权力转移的必然后果。最典型的案例就是美英交接：19世纪末到20世纪初，美国逐步取代英国成为全球主导力量，全程基本和平。[14]
所以那个最根本的问题，历史和理论给的是同一个答案：崛起国和守成国之间，对抗是一种可能，远不是必然。
那为什么AI竞赛叙事离不开它
一个学术上千疮百孔的概念，为什么在AI时代反而更火了？[15]
先看数据。Google Scholar上，“Thucydides Trap”和“China”同时出现的文献频率，在2010年代后明显上升；如果要使用“2013年接近零、2020年超过500次”这种精确说法，必须保存检索式、检索日期和结果截图，因为Google Scholar结果会动态变化。[16]而2023年之后，它的高频出现场景从贸易战换成了AI：芯片管制、算力封锁、AGI时间表，全部被装进“竞赛”理论。
{
"id": "rivalry-narrative",
"type": "stage",
"title": "修昔底德陷阱从学术概念到AI竞赛叙事的传播路径",
"deck": "概念被包装成必然规律后，容易成为强硬政策的动员工具。",
"badge": "数据图表",
"source": "数据与来源见本文参考文献。",
"nodes": [
{
"n": "2011",
"label": "概念提出",
"sub": "权力转移叙事",
"title": "2011前后：修昔底德陷阱正式提出",
"copy": "Allison把“崛起引发恐惧”包装为解释大国冲突的通用理论。",
"data": "概念提出约在2011年前后。"
},
{
"n": "2015",
"label": "文章引爆",
"sub": "大西洋月刊",
"title": "2015：公共传播爆发",
"copy": "文章把16个案例与12次战争浓缩成极具传播力的75%。",
"data": "《The Thucydides Trap》引发广泛引用。"
},
{
"n": "2017",
"label": "《注定一战》",
"sub": "书籍叙事",
"title": "2017：书名把“可能”推向“宿命”",
"copy": "更强的标题与故事结构，让概念超出学术边界。",
"data": "《Destined for War》出版。"
},
{
"n": "2021",
"label": "科技竞赛",
"sub": "中美技术 rivalry",
"title": "2021：理论被移植到AI与关键技术",
"copy": "《The Great Tech Rivalry》把AI纳入中美全面技术竞争。",
"data": "Allison与Eric Schmidt等发布报告。"
},
{
"n": "2025–26",
"label": "斯普特尼克时刻",
"sub": "芯片与模型管制",
"title": "2025–2026：DeepSeek与出口管制强化竞赛叙事",
"copy": "“AI斯普特尼克时刻”和模型访问限制把技术事件直接翻译为国家竞争。",
"data": "DeepSeek R1、芯片管制、Fable/Mythos访问限制。"
}
],
"variant": "timeline",
"center": "AI",
"centerSub": "cycle"
}
真正有意思的是，中美两边的强硬派在共用这个分析，但各自只取半边。
美国这边，强硬派用的是“崛起本身就是威胁”这半边。2017年美国国家安全战略报告确立“大国竞争回归”，之后的每一轮出口管制都在这个分析下获得正当性：2022年10月的先进芯片管制，2023年10月的升级版，再到后来对中国获取先进AI算力的持续收紧。[17]如果冲突是注定的结局，那么技术封锁就不是挑衅，是审慎的预防。2025年1月DeepSeek发布R1之后，投资家Marc Andreessen称之为“AI的斯普特尼克时刻”，这个类比在几天内传遍全球媒体。[18]斯普特尼克是什么？是冷战军备竞赛的起点。用这个词，等于直接宣布：我们已经在1957年了。
中国这边，叙事用的是另外半边：“守成国的恐惧在制造问题”。接受修昔底德理论，等于默认了一个前提：如果中美之间出了问题，根源在美国的恐惧和过度反应，不在中国做了什么。中国只是在发展，有什么错？这是一次预防性的责任归属。同时这个分析还内置了一个隐含前提：它预设崛起国已经是守成国的对等竞争者。引用它，就不需要自己论证“中国AI已经和美国平起平坐”，Allison替你论证了。这是一次免费的地位锚定。
而学术上更严谨的权力转移理论原版，因为要求同时审视双方的行为和意图，对任何一方都不好用，被两边同时冷落。
**AI竞赛叙事表面是预测，实际是动员。**它把“要不要管制、管制到什么程度、和谁谈、谈什么”这些需要逐项算账的政策问题，压缩成一个不需要论证的生存问题。一旦你接受“输掉AI竞赛就输掉一切”，任何代价都变得可以接受，任何追问都显得不识大体。
AI竞赛叙事表面是预测，实际是动员。MAVERICK 判断
事实之外的判断
好，现在回到最终判断中：
第一，修昔底德陷阱在学术上不成立：定义模糊、选择偏差、遗漏因素，三个硬伤任何一个单独拿出来都足以动摇那个75%的概率。它对原版权力转移理论做的最大改动，是弱化“满意度”、翻转责任归属。一个理论流行的原因如果是“对各方都好用”，这本身就是它不可信的信号。
第二，AI竞赛不在这个分析的解释范围之内，暴露了这个分析最弱的地方。AI技术的扩散路径、开源生态、供应链的相互嵌套，都不是1500年以来任何一个案例里存在过的因素。用以欧洲和前核时代案例为主的16个样本，去预测两个深度经济相互依赖的核大国在一项通用技术上的互动，这不是历史的教训，是历史的滥用。[8:4][13:3]
第三，给你一个判断工具。下次再看到“AI竞赛输了就完了”这类论述，问三个问题：这里的“输”有没有可检验的定义；这个判断成立的话，谁的预算、权力或估值会受益；有没有一个反例被这个叙事提前排除掉了。三个问题问完，叙事和分析就分开了。
最后是我自己的立场，以及它错在哪里会被看出来。我的判断是：AI竞赛叙事在未来两年会继续升级，因为它对双方的强硬派、对要预算的机构、对要估值的公司都太好用了。
观测指标有两个：
一是中美之间的AI安全对话机制，也就是2024年5月日内瓦那一轮是起点，是否走向实质化。如果双方开始就模型评估、事故通报这类具体问题建立常设机制，说明结构在松动，我的判断需要修正。[19]
二是美国出口管制政策文本中，“竞赛”“威胁”类措辞与具体技术评估的比例变化，动员话语持续压过技术论证，叙事就还在自我强化。
矛盾是真实的，竞争是真实的，风险也是真实的。
拆掉修昔底德陷阱，不是说中美之间没有问题，而是说：你用来理解这些问题的那套操作系统，从底层代码开始就有bug。而装着有bug的系统去判断每一条芯片新闻、每一次算力管制、每一个AGI时间表，错的不会是某一次判断，是全部判断的方向。
页边注｜修昔底德陷阱｜哈佛学者Allison提出的说法，把“崛起国挑战守成国”描述成大概率走向战争的规律，但它的16个案例统计经不起推敲，更像一个用来为强硬政策背书的动员工具。 ↩︎
参考文献｜Federal Register. 美国先进计算芯片出口管制规则及更新[EB/OL]. 2022年10月；2023年10月. ↩︎
参考文献｜Anthropic. Statement on the US government directive to suspend access to Fable 5 and Mythos 5[EB/OL]. 2026. ↩︎ ↩︎
参考文献｜Graham Allison. The Thucydides Trap: Are the U.S. and China Headed for War?[EB/OL]. 2015. ↩︎ ↩︎
参考文献｜Harvard Kennedy School Belfer Center. Thucydides’s Trap Case File[EB/OL]. ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
参考文献｜Graham Allison. The Great Tech Rivalry: China vs the U.S.[EB/OL]. 2021. ↩︎
页边注｜权力转移理论｜Organski在1958年提出的原版理论，认为崛起国接近守成国只是冲突的结构条件，关键还要看崛起国对现有秩序满不满意，和平的钥匙握在崛起国手里。 ↩︎
参考文献｜David C. Kang. East Asia Before the West: Five Centuries of Trade and Tribute[EB/OL]. ↩︎ ↩︎ ↩︎ ↩︎
参考文献｜G. John Ikenberry. After Victory: Institutions, Strategic Restraint, and the Rebuilding of Order after Major Wars[EB/OL]. ↩︎
页边注｜斯普特尼克时刻｜1957年苏联率先发射人造卫星，震动美国并开启太空军备竞赛，后来被用来比喻某个技术突破触发全面竞赛焦虑的时刻，DeepSeek R1就被这样类比过。 ↩︎
参考文献｜The White House. National Security Strategy of the United States of America[EB/OL]. 2022-10-13. ↩︎
参考文献｜U.S. Department of State. U.S. and PRC Hold First Meeting of the Intergovernmental Dialogue on Artificial Intelligence[EB/OL]. 2024. ↩︎
开源模型公共品化
模型权重和代码以宽松许可向全球开放，任何开发者都能使用和再开发，使模型能力具有类似公共基础设施的扩散特征。