全球人工智慧競賽可能並未如華盛頓政策制定者所期望的那樣發展。 布魯金斯學會週一發布的新報告指出，美國將人工智慧競賽定位為推動人工智慧通用智慧的競賽，而中國企業則優先重視效率、全球採用，並將技術嵌入現實系統。 報告指出：「美國對AGI或人工通用智慧的競賽著迷。」「美國科技公司正投入數千億美元於新的資料中心，希望打造能在大多數認知任務中匹敵甚至超越人類水準表現的人工智慧系統。」
未來生命研究所的人工智慧與國家安全負責人哈姆扎·喬德里表示，這種差異反映了兩種對技術優勢發展方式的不同看法。 「讀者應該首先明白，人工智慧的發展不是兩個國家競速邁向通用人工智慧的故事，」喬德里在《Decrypt》中表示。「這其實是關於矽谷少數公司對AGI的執著，而中國的公司則更專注於將這個產品帶到盡可能多的用戶手中，並在整個經濟中落實它。」 布魯金斯報告同時指出，中國開發者正同時沿著多條路徑前進，包括提升模型效率、透過開源模型擴展全球採用，以及將人工智慧整合進消費與工業產品。
報告指出：「當美國科技公司打造擁有數十萬顆晶片的龐大運算叢集時，中國的人工智慧實驗室卻過度專注於在有限的運算與記憶體資源中擠出更佳效能。」 喬德里表示，強調分發與部署反映了更廣泛的採用策略。 他說：「中國的整個策略就是盡可能多地將這堆疊和各種實體裝置交到盡可能多的人手中。」 布魯金斯學會指出，中國迅速將人工智慧整合進車輛、智慧型手機、穿戴裝置和機器人等實體產品。企業也在擴展自主系統的使用，包括機器人計程車、送貨無人機和人形機器人，而非等待超級智慧的突破。 開源訓練 報導還指出，中國的人工智慧開發者正在利用許多公開線上的開源人工智慧模型。 喬德里表示，這種做法引發安全疑慮，因為政府和軍方可以存取開放模式。 他說：「已有公開報導指出中國軍方已使用開源模型。」「這是我們已經在面對的現實。在我看來，我們需要改變的是更廣泛的人工智慧策略，以融入我們與全球社群的互動方式。」 他說，布魯金斯報告對模型蒸餾（Model distillation）的角色仍有疑問，這種技術是 AI 系統從更進階模型的輸出中學習。
「最令人驚訝的是，對於模型提煉對中國人工智慧發展有利的程度，分析相對缺乏，」Chaudhry 說。「有一節談效率，作者主張這主要是因為中國的人工智慧創新，而非 Anthropic 從 Deepseek 報告的蒸餾攻擊，或是 OpenAI 和 DeepMind 從未指明的公司報告的蒸餾攻擊。」 蒸餾攻擊涉及查詢 AI 模型以收集其回應，並利用這些輸出訓練競爭模型，有效擷取原始系統的能力。 今年二月，Anthropic 聲稱包括 DeepSeek、Moonshot 和 MiniMax 在內的多個中國 AI 實驗室，利用數千個詐騙帳號訓練模型，從其 Claude AI 生成數百萬筆回應。 喬德里表示，美中在人工智慧發展上的優先順序不同，可能為新型軍控式先進人工智慧系統協議創造空間。 他說：「這為未來我們不應該建造的項目開啟了獨特空間，換句話說，就是美中兩國在某些人工智慧發展領域劃定的紅線。」
