中評社╱題：“兩岸AI戰略的合作發展：技術創新與產業重組” 作者：李其澤（台灣），彰化師範大學公共事務與公民教育學系副教授
【摘要】人工智能（AI）技術作為第四次工業革命的核心驱動力，已然成為二十一世紀國際競爭的戰略制高點與國家實力的重要標誌。在全球AI發展格局日趨複雜的時代背景下，兩岸在人工智能領域展現出深度的經濟相互依存關係。中國大陸憑藉舉國體制之優勢、龐大市場規模與豐富數據資源，在AI應用領域迅速崛起為全球領導者；台灣則依託其在半導體製造業的絕對技術優勢與完整產業鏈，在全球AI硬件生態系統中確立了不可替代的戰略樞紐地位。本文採用政治經濟學之理論框架，結合比較制度分析與產業組織理論，系統考察兩岸AI發展戰略的演進邏輯、實施機制與互動態勢。研究發現，兩岸AI發展呈現出鮮明的差異化特徵，對兩岸AI合作關係的未來走向產生深刻而持久之影響。本文論證，兩岸AI關係必須在技術創新合作與產業重組、經濟相互依存與政治風險管控、區域產業整合與全球供應鏈之間尋求動態平衡，以實現互利共贏的可持續發展路徑。
一、前言：全球人工智能競爭新格局中的兩岸戰略定位
人工智能（AI）技術的突破性發展，正以前所未有的速度與深度重塑著全球政治經濟格局，成為各國政府競相佈局的戰略制高點與核心競爭力的重要體現。回顧歷史發展脈絡，每一次重大技術革命皆會引發國際權力結構的深度調整與競爭優勢的重新分配。十八世紀蒸汽機技術之發明，推動了英國的工業革命與全球霸權之建立；十九世紀末二十世紀初的電力技術與化學工業，促成了德國與美國的快速崛起；二十世紀中後期的信息技術革命，則確立了美國在全球科技創新與產業發展中的領導地位。〔1〕當前的人工智能技術革命，其戰略意義與變革潛力絲毫不亞於前述任何一次技術革命，甚至可能產生更加深遠而廣泛的影響。
在這一全球性的技術競賽中，主要經濟體紛紛將AI視為國家競爭力的核心要素，制定了雄心勃勃的發展戰略與政策框架。美國早在2016年即已發布《國家人工智能研究和發展戰略計劃》，並在川普與拜登政府時期持續加大投入力度，2019年又頒布《國家人工智能倡議法案》，確立了維護美國在AI領域全球領導地位的戰略目標。〔2〕 歐盟則於2018年發布《人工智能戰略》，2021年提出《人工智能法案》，試圖通過建立全球最嚴格的AI監管框架來獲得“規則制定者”的戰略優勢。〔3〕日本政府提出的Society 5.0概念，將AI技術視為解決老齡化社會挑戰與提升國家競爭力的關鍵工具。〔4〕韓國、印度、英國、法國、德國等國亦皆制定了各具特色的AI國家戰略，形成了全球範圍內前所未有的AI競爭態勢。
在此複雜而激烈的全球競爭格局中，兩岸在AI領域的發展呈現出既依存又互補的複雜特徵，成為理解當代科技合作關係的重要窗口。中國大陸憑藉其獨特的制度優勢、龐大的市場規模、豐富的數據資源與強大的政策動員能力，在短短數年時間內即實現了從AI技術追隨者到領導者的華麗轉身，在全球AI專利申請、論文發表、企業估值、應用普及等多個指標上皆躍居世界前列。〔5〕 台灣則依託其在全球半導體產業鏈中的關鍵地位，特別是台積電在先進製程技術方面的絕對優勢，在AI硬件生態系統中確立了不可替代的戰略地位，成為全球AI技術發展不可或缺的重要支撐。〔6〕
本研究採用政治經濟學的理論框架，將兩岸AI關係置於全球政治經濟格局變遷的宏觀背景下進行考察。地緣政治經濟學作為一個新興的跨學科分析框架，強調地理因素、政治權力與經濟利益之間的複雜互動關係，特別適用於分析在全球化時代技術、經濟與政治因素相互交織的複雜現象。〔7〕從理論建構的角度觀之，本研究主要依託羅伯特·基歐漢與約瑟夫·奈提出的複合相互依存理論，以及格雷厄姆·艾利森的權力轉移理論〔8〕，結合本特·阿克·倫德瓦爾與克里斯托弗·弗里曼等學者提出的國家創新系統理論〔9〕，理查德·內爾森等學者發展的技術民族主義理論〔10〕，以及邁克爾·波特的競爭優勢理論與加里·傑瑞費等學者的全球價值鏈理論〔11〕，系統分析兩岸AI發展的差異化特徵、產業鏈分工格局、地緣政治影響及治理模式差異。
二、中國大陸AI發展戰略：舉國體制下的應用驅動模式
中國大陸AI發展歷經從分散探索到系統規劃的轉型：早期研究多在高校與科研院所展開，資源分散、產業化程度有限，但為後續起飛纍積了人才與技術基礎，同期互聯網平台的崛起亦為資料與算力整備提供條件。〔12〕 2015年《中國製造2025》將AI納入新一代信息技術產業，標誌著戰略位階提升；〔13〕 2016年“互聯網+AI三年行動”確定了研發與產業化重點；〔14〕 2017年《新一代人工智能發展規劃》提出“三步走”目標，將AI上升為國家戰略。〔15〕隨後在組織、資金與人才等面向建立推動機制，包括統籌協調機構、引導基金與高端人才計劃等，提升政策協同與資源配置效率。〔16〕
在產業發展模式上，大陸更強調“應用驅動—場景拉動”：以大規模商業落地帶動技術迭代，形成規模與網絡效應，並反哺底層創新。〔17〕 支付、電商、智能物流等高頻場景率先受益，平台企業在風控、推薦、客服與供應鏈優化等環節廣泛部署機器學習與深度學習。〔18〕 同時，平台型龍頭（如百度、阿里巴巴、騰訊、華為）不僅研發核心技術，也經營開發者生態與產業夥伴網絡。以百度為例，官方報告稱其深度學習平台與大語言模型搭配開發者社群，支持了大量模型與企業應用，體現生態協同效應。〔19〕
空間佈局上，AI產業出現明顯集群化：以北京、上海、深圳、杭州為核心的多中心格局逐步形成。北京憑藉科教與政策優勢在基礎研究與技術創新上居於樞紐地位；〔20〕上海結合金融中心地位與先進製造基礎，著重於金融科技、智能製造與智能汽車等應用；〔21〕深圳依託電子信息產業優勢與創新創業活力，在AI硬件與應用結合上具競爭力；〔22〕杭州則在平台經濟與城市數字治理方面表現活躍。〔23〕
整體而言，多項權威資料顯示大陸在AI相關專利活動與論文產出持續攀升、位居全球前列。〔24〕與此同時，Elsevier 等研究亦指出中國在AI論文產出與影響力方面近年明顯提升。〔25〕 企業層面，計算機視覺與大模型等方向湧現多家具國際競爭力的企業與產品，應用場景不斷擴展。〔26〕 在公共治理與民生服務領域，智能政務、城市大腦等專案推動數字化轉型；例如杭州方面的官方報告稱，透過交通流量分析與調度，通行效率顯著改善。〔27〕
大陸AI產業的演進呈現三個鮮明特徵：應用驅動、平台引領與集群協同。與美國較多聚焦於基礎研究與前沿突破不同，大陸的發展模式更強調大規模應用落地，藉由龐大市場與場景需求快速積纍數據、迭代技術並擴張生態。這種模式雖在基礎理論突破上相對不足，但在商業化速度與產業規模方面具有優勢，並能透過實踐反饋推動技術演進。〔28〕
在金融、零售、政務與城市治理等場景，AI系統已滲透至風險管控、用戶畫像、個性化推薦、智能客服與物流調度。支付平台與電商巨頭在每年大型購物節中，均將智能演算法應用於訂單處理、物流管理與客服支援，產生顯著效率與體驗提升。〔29〕官方與企業報告均強調，這些高頻應用反過來促進了模型優化與演算法成熟。〔30〕
在產業生態層面，平台型企業不僅作為技術開發者，更扮演生態系統建構者。以百度、阿里巴巴、騰訊與華為為代表的企業建立了從開源框架、大語言模型、算力平台到開發者社群的完整鏈條。官方數據顯示，其開發者社群已吸引數百萬人參與，支撐了數十萬個模型與應用的落地。〔31〕這種“生態拉動”模式透過網絡效應降低邊際創新成本，加快技術擴散。
AI技術也逐步滲透至治理與公共服務。政務服務領域推行“最多跑一次”“一網通辦”等改革時廣泛應用智能流程優化；城市治理中透過即時數據分析改善交通與資源調度。〔32〕這些應用展示了AI如何成為經濟轉型、社會治理創新與民生改善的重要工具。
三、台灣AI發展戰略：硬件優勢驅動的創新模式
台灣AI發展戰略的最大特色與核心優勢，在於其在全球半導體產業鏈中所佔據的絕對領導地位。此一地位的形成並非偶然，而是數十年來產業政策、技術創新、人才培養與企業家精神相互作用的結果，構成了台灣參與全球AI競爭的最重要戰略資產。台灣積體電路製造公司作為全球最大的專業芯片代工廠，已然成為人工智能硬件生態系統中最重要的戰略節點。該公司在全球晶圓代工市場的市占率超過60%，在先進製程領域更是擁有近乎壟斷的地位，掌握約92%的全球最先進邏輯芯片製造產能。〔33〕
台積電的技術優勢首先體現在其先進製程技術的持續創新與商業化能力。根據台積電2025年第二季財報，3納米製程占晶圓收入的24%，5納米占36%，7納米占14%，先進製程（7納米及以下）共計占比74%。〔34〕 此意味著台積電不僅在技術上保持領先，更重要的是實現了先進技術的大規模商業化生產，此乃其他競爭對手難以企及的核心競爭力。在2納米製程技術方面，台積電同樣走在全球前列，該公司計劃於2025年在高雄廠開始2納米製程的量產。〔35〕更為重要的是，台積電在AI專用芯片製造方面建立了獨特的技術優勢，其生產的AI加速器芯片涵蓋了從高端數據中心到邊緣計算的完整譜系，幾乎壟斷了全球高端AI芯片的製造。
台灣半導體產業的競爭優勢不僅來自於台積電等龍頭企業的技術領先，更來自於完整產業鏈所形成的集群效應。從上游的材料供應、設備製造，到中游的芯片設計、製造，再到下游的封裝測試、系統整合，台灣形成了高度完整與緊密協作的產業生態系統。〔36〕此種產業集群效應在AI時代的價值更加凸顯。AI芯片的開發需要硬件設計、軟件最佳化、系統整合等多個環節的緊密協作，而台灣完整的產業鏈結構為此種協作提供了理想的環境。聯發科、瑞昱、創意電子等IC設計公司在AI芯片設計方面不斷創新；日月光、矽品等封測企業在AI芯片的先進封裝技術方面持續突破；台達電、緯創等系統廠商在AI硬件系統整合方面積纍了豐富經驗。
台積電等台灣半導體企業的技術領導地位與其持續的研發投入密不可分。台積電在2024年的研發支出約62–63億美元，相當於年度營收的6.9%，在全球半導體企業中位居前列。〔37〕此些研發投入不僅用於製程技術的持續微縮，還涉及新材料開發、新結構設計、新工藝探索等前沿領域。2025年6月，台積電與東京大學共同啟用“TSMC-UTokyo Lab”，此乃台積電首間與海外大學合作的聯合實驗室，重點研究下一代半導體技術。〔38〕
面對全球AI競爭的激烈態勢，台灣當局展現出明確的戰略意圖與系統性的政策思維，通過“AI台灣隊”戰略將當局資源、企業能力與學術機構有機整合，形成了具有台灣特色的AI發展模式。台灣AI戰略的核心理念可概括為“硬件優勢驅動、軟件創新跟進、應用場景落地”的三位一體發展模式。此一理念的形成基於對台灣自身資源稟賦與競爭環境的深刻認識：既要充分發揮在半導體製造領域的絕對優勢，亦要加強在AI軟件與應用領域的創新能力，同時結合台灣在特定垂直領域的應用場景，推動AI技術的產業化與商業化。所謂“AI大戰略”的提出，體現了台灣在全球AI競爭中的差異化定位。不同於中美兩國在AI領域的全面競爭，台灣選擇了聚焦重點、發揮優勢的戰略路徑。台科技部門在5年內投入約160億元新台幣，重點佈局半導體、資通訊、物聯網等台灣具有比較優勢的領域。 2018年啟動的“台灣AI行動計劃”是AI台灣隊戰略的核心載體與具體體現，該計劃以“全面啟動產業AI化”為目標，提出了“以強化台灣既有的優勢，創新體驗為先，軟硬攜手發展的方式，激發產業最大動能”的發展理念。
台灣在AI治理方面的制度建設體現了其對技術發展與社會責任平衡的重視。“國科會”於2024年7月公布的《人工智慧基本法》草案，揭示了永續發展、人類自主、隱私保護、安全性、透明可解釋、公平不歧視及問責等七大基本原則。此一法律框架的制定既參考了歐盟等國際先進經驗，亦結合了台灣的具體情況與價值取向。
台灣在AI技術創新方面，特別注重結合自身的產業優勢與社會需求，發展具有本土特色與競爭優勢的AI技術與應用。在當前備受關注的大型語言模型領域，台灣取得了令人矚目的進展。由“國科會”主導開發的TAIDE模型，強調法律文本與多語言本土化，使用台灣司法院的判決書、憲法法庭解釋等公開資料來完善繁體中文語言模型，並支援台語與客家語等本土語言。台灣大學於2024年7月發布的TAME模型，基於開源的Llama-3架構，擁有700億個參數，獲得了包括健康、媒體、法律與科技等不同領域台灣企業以及Nvidia的財政支持。這些本土化大語言模型的成功開發，不僅展現了台灣在AI核心技術方面的自主創新能力，更重要的是為台灣的數字轉型與智能應用提供了重要的技術支撐。
四、兩岸AI合作：互補優勢與深度融合
兩岸在AI產業鏈上形成的深度融合關係，不僅是市場力量自然選擇的結果，更是兩岸經濟互補性與技術協同性的集中體現。此種融合關係為兩岸AI合作提供了堅實的經濟基礎與技術支撐。從產業鏈分工的角度觀之，兩岸在AI領域形成了極為明顯的互補結構。台灣在AI硬件製造、芯片設計、先進製程等方面擁有全球領先的技術與產能，特別是台積電在AI芯片代工方面的壟斷地位，使得全球幾乎所有的高端AI加速器皆需依賴台灣的製造能力。
與此同時，中國大陸在AI軟件開發、算法創新、應用場景等方面具有顯著優勢。百度、阿里巴巴、騰訊、華為等大陸科技巨頭在深度學習框架、大語言模型、計算機視覺、自然語言處理等AI核心技術領域皆達到了世界先進水平。更重要的是，大陸龐大的市場規模與豐富的應用場景為AI技術的快速迭代與優化提供了理想的環境。
AI技術的發展高度依賴於數據、算法與計算力三大要素的協同。中國大陸擁有全球最大的互聯網用戶群體與最豐富的數字化場景，產生了海量的數據資源。台灣雖在數據規模上無法與大陸相提並論，然在高質量、專業化數據方面具有獨特優勢，特別是在精密製造、生物醫學、金融服務等專業領域積纍了大量高價值數據。更重要的是，台灣在AI計算硬件方面的絕對優勢，為大陸的AI算法訓練與應用部署提供了不可或缺的硬件支撐。
兩岸在創新生態方面亦呈現出明顯的互補特徵。中國大陸的創新生態具有規模大、應用廣、迭代快的特點，特別是在移動互聯網、電子商務、數字支付等領域形成了全球領先的創新優勢。此種大規模的應用創新為AI技術提供了豐富的試驗場景與快速反饋機制。台灣的創新生態則更加注重技術精進與質量提升，在半導體設計、精密製造、工業自動化等領域積纍了深厚的技術底蘊與工程經驗。台灣企業普遍具有較強的技術創新能力與全球化運營經驗，此為AI技術的產業化與國際化提供了重要支撐。
兩岸AI合作的另一重要基礎在於市場需求與技術供給的戰略性匹配。中國大陸作為全球第二大經濟體與最大的發展中國家，在AI技術的市場需求方面具有獨特優勢。無論是智能製造、智能城市、智能醫療，抑或是智能交通、智能金融、智能零售，大陸市場皆為AI技術的應用提供了廣闊空間。台灣雖市場規模有限，然在AI技術供給方面具有不可替代的優勢。特別是在AI芯片製造、邊緣計算、工業AI等技術密集型領域，台灣企業的技術水平與產品質量皆達到了世界先進水平。兩岸若能實現深度合作，將形成巨大市場與先進技術的完美結合，創造出遠超各自獨立發展的協同效應。
兩岸經濟皆處於轉型升級的關鍵階段，AI技術為產業升級提供了重要機遇與工具。中國大陸提出的“製造強國”戰略與台灣推進的“工業4.0”計劃，皆將AI技術作為實現產業升級的核心驅動力。在此過程中，兩岸可實現產業升級需求與技術創新供給的良性互動。大陸的製造業企業在實施智能化改造過程中，需要大量的AI技術與解決方案，此為台灣的AI技術企業提供了巨大的市場機會。同時，大陸製造業的智能化實踐亦為台灣AI技術的改進與創新提供了豐富的應用場景與反饋信息。
人才作為創新的核心要素，其流動與交流對於促進兩岸AI合作具有特殊重要的意義。兩岸在語言文化、教育背景、專業技能等方面的相似性，為人才的雙向流動創造了便利條件。兩岸在高等教育與人才培養方面各有優勢與特色。中國大陸的高等教育規模龐大，每年培養的理工科畢業生數量居世界前列，為AI產業發展提供了充足的人才儲備。同時，大陸政府與企業在AI人才培養方面投入巨大，建立了完善的培訓體系與激勵機制。台灣的高等教育質量較高，在工程技術、管理科學等領域具有深厚底蘊。台灣的大學與研究機構在產學研合作方面經驗豐富，培養的人才普遍具有較強的實踐能力與國際視野。
兩岸在AI領域的學術交流與技術合作日益頻繁，形成了多層次、多渠道的知識共享機制。清華大學、北京大學、中科院等大陸科研機構與台灣大學、台灣清華大學、“中研院”等台灣學術機構建立了密切的合作關係，在AI基礎研究、技術開發、人才培養等方面開展了廣泛合作。此種學術交流不僅促進了知識的跨境流動，亦為兩岸AI企業的技術合作奠定了基礎。許多兩岸合作的AI項目皆源於學術界的前期研究與技術積纍，體現了基礎研究對產業發展的重要支撐作用。
兩岸企業在AI領域的合作呈現出多樣化的形式，包括技術許可、合資經營、聯合研發、股權投資等。此些合作不僅實現了技術與資源的優勢互補，亦促進了管理經驗與商業模式的相互學習。例如，百度與聯發科在AI芯片方面的合作，結合了百度的算法優勢與聯發科的芯片設計能力；阿里巴巴與鴻海在智能製造方面的合作，融合了阿里的雲計算平台與鴻海的製造經驗。此些合作案例展示了兩岸企業在AI領域合作的巨大潛力與現實價值。
兩岸AI合作不僅有利於雙方的產業發展，亦是推動區域經濟一體化的重要力量。隨著全球價值鏈面臨重構壓力，區域價值鏈的重要性日益突出。兩岸AI合作有助於構建更加緊密與高效的區域AI產業鏈，提升整體競爭力。通過深化分工合作，可實現資源的最優配置與效率的最大化，形成具有國際競爭力的區域AI產業集群。此種區域價值鏈的構建不僅有利於降低成本、提高效率，還有助於增強供應鏈的韌性與穩定性。在面對外部衝擊與不確定性時，緊密的區域合作關係可提供更多的緩衝與支撐。
五、兩岸AI治理模式的比較與融合前景
兩岸在AI治理方面呈現出截然不同的理念與價值取向，此些差異不僅反映了雙方不同的政治制度與社會文化背景，亦體現了對AI技術發展與社會治理關係的不同理解與實踐路徑。中國大陸的AI治理理念更加強調發展與安全並重，注重AI技術對國家治理能力現代化與經濟社會發展的推動作用。2019年發布的《人工智能治理原則》提出了“發展負責任的人工智能”的核心理念，強調AI發展應當服務於人民福祉、促進社會進步、推動可持續發展。
在實踐中，大陸政府積極推動AI技術在政務服務、社會治理、民生改善等領域的應用，通過“最多跑一次”、“一網通辦”等改革措施，大幅提升了公共服務效率。同時，通過“城市大腦”、“智能法院”、“雪亮工程”等項目，將AI技術廣泛應用於城市治理、司法審判、公共安全等領域。 台灣的AI治理理念則更加注重個人權利保護與民主參與，強調AI發展應當符合民主價值與人權保障。《人工智能基本法》草案揭示的七大基本原則——永續發展、人類自主、隱私保護、資安與安全、透明可解釋、公平不歧視、問責，充分體現了台灣對AI治理的價值取向。
在AI治理的具體實踐中，兩岸在效率與公平、發展與安全、創新與規範等方面的平衡取捨亦存在明顯差異。中國大陸更加註重AI技術應用的規模效應與社會效益，在確保基本安全的前提下，允許並鼓勵AI技術的大膽應用與快速推廣。此種“先發展後規範”的治理模式在提升治理效率、改善民生服務等方面取得了顯著成效，然亦在隱私保護、算法透明等方面面臨一定挑戰。台灣則更加註重AI應用的程序合規與權利保障，強調在AI技術開發與應用過程中必須充分考慮個人隱私、數據保護、算法公平等問題。此種“先規範後發展”的治理模式雖可能在一定程度上影響技術應用的速度與範圍，然有助於建立更加可持續與負責任的AI發展環境。
在AI治理的組織架構與協調機制方面，兩岸亦採取了不同的模式。中國大陸建立了相對集中統一的AI治理體系，通過國家新一代人工智能發展規劃推進辦公室統籌協調AI發展的重大事項，形成了從中央到地方、從政府到企業的完整治理鏈條。此種集中統一的治理模式有利於資源整合與政策協調，能夠快速動員各方力量推進AI發展，然亦可能面臨靈活性不足、創新活力不夠等問題。台灣則採取了更加分散化與專業化的治理模式，通過不同部門分工協作來推進AI治理。“數位發展部”負責AI應用推廣與政策協調，台灣AI卓越中心負責AI總體戰略規劃，“國科會”負責AI基礎研究與法律框架建設。此種分散化的治理模式有利於專業化管理與民主參與，然亦可能面臨協調困難與效率不高等挑戰。
在AI技術標準制定方面，兩岸既存在競爭關係，亦有合作的空間與需求。技術標準的制定不僅關乎技術發展的方向，更關乎未來市場競爭的主導權與話語權。中國大陸積極參與各類國際標準組織的工作，通過提升在國際電信聯盟、國際標準化組織、電氣電子工程師學會等機構中的參與度與影響力來推動AI國際標準的制定。據統計，中國主導或參與制定的AI國際標準數量從2015年的不足10項增長到2021年的超過50項。台灣雖受到政治因素限制，無法參與某些國際組織，然在技術層面仍能通過企業參與、專家交流等方式影響國際標準的制定。特別是在半導體技術標準方面，台積電等企業的技術規格往往成為事實上的行業標準。
在區域層面，兩岸在AI技術標準建設方面存在較大的合作潛力。由於語言文化相近、技術基礎相似，兩岸在中文自然語言處理、繁體字處理、傳統文化數字化等領域可建立共同的技術標準。例如，在大語言模型的中文訓練與評測方面，兩岸可合作建立統一的數據集與評測標準；在AI醫療診斷方面，可合作建立中醫知識圖譜與診斷標準；在智能製造方面，可合作建立適合中小企業的智能化標準與規範。建立兩岸AI技術標準的互認機制，不僅有助於降低技術壁壘與貿易成本，亦有助於促進技術交流與產業合作。此種機制可從較為簡單與非敏感的技術領域開始，逐步擴展到更多領域。
兩岸AI治理模式的融合既面臨機遇，亦面臨挑戰。從發展趨勢觀之，兩岸AI治理模式可能會呈現某種程度的趨同趨勢。一方面，隨著AI技術的不斷發展與國際治理經驗的積纍，各國的AI治理模式皆在不斷調整與完善，一些共同的治理原則與最佳實踐逐漸形成；另一方面，面對共同的技術挑戰與全球治理需求，兩岸皆需加強國際合作，參與全球AI治理體系建設。在此過程中，雙方的治理理念與實踐模式不可避免地會受到國際規範與最佳實踐的影響，從而呈現一定程度的趨同性。
六、結論
本研究通過對兩岸AI發展戰略的系統性比較分析，從地緣政治經濟學的理論視角深入考察了兩岸在AI領域的合作關係，得出了若干重要發現。首先，兩岸AI發展模式的差異化特徵顯著，然互補性突出。中國大陸採取的“舉國體制＋應用驅動”模式與台灣採取的“硬件優勢＋創新驅動”模式在資源配置、技術路徑、市場策略等方面存在明顯差異，然此種差異恰恰為深度合作提供了基礎。大陸在AI應用場景、數據資源、市場規模等方面的優勢與台灣在AI硬件製造、先進製程、精密技術等方面的優勢形成了高度互補的格局。
其次，經濟相互依存的客觀現實與技術合作的內在需求仍然為兩岸關係提供了重要支撐。兩岸AI治理模式雖存在理念分歧，然在技術標準、安全規範、倫理原則等方面存在合作空間。此種合作不僅有助於降低技術壁壘、提升治理效率，亦有助於在全球AI治理中發揮更大影響力。
再次，通過對兩岸AI關係的深入分析，特別是在技術要素的政治意義、經濟相互依存的脆弱性、小型經濟體的戰略選擇等方面，提供了理論的驗證與洞察。本研究拓展了技術創新的政治經濟學研究，將技術創新置於更廣泛的政治經濟框架中進行分析，揭示了技術、經濟、政治因素之間的複雜互動關係。
基於上述研究發現，本文提出以下政策建議：
在技術創新合作方面，兩岸應建立從政府政策對話到企業商業合作、從學術研究交流到人才培養合作的多層次技術合作機制。在政府層面，可通過既有的兩岸對話平台就AI發展政策、技術標準、監管框架等問題進行交流；在企業層面，鼓勵兩岸企業在非敏感技術領域開展聯合研發、技術許可、投資合作等；在學術層面，支持兩岸高校與科研機構在AI基礎研究、人才培養、學術交流等方面加強合作。在具有共同利益與互補優勢的重點領域推動突破性合作：在AI硬件領域，大陸企業可與台灣半導體企業在AI芯片設計、先進封裝、系統集成等方面開展深度合作；在AI軟件領域，台灣企業可利用大陸的應用場景與數據資源開展算法優化與產品測試。
在產業鏈韌性提升方面，兩岸皆應努力構建多元化、有韌性的AI產業鏈網絡，避免過度依賴單一供應商或市場。大陸可在保持與台灣合作的同時，加強與韓國、日本、歐盟等其他技術先進地區的合作。兩岸皆應加大對關鍵核心技術的研發投入，提升自主創新能力。大陸應重點突破高端芯片設計、EDA軟件、關鍵材料等“卡脖子”技術；台灣應加強AI軟件、系統軟件、應用開發等領域的創新能力建設。建立涵蓋技術、市場、政策等多個維度的產業鏈安全預警機制，及時識別與應對各種風險挑戰。
在治理合作方面，兩岸可從功能性合作入手，在技術標準制定、安全測試認證、倫理規範建設等專業性強、政治敏感性低的領域率先開展合作。通過建立專業委員會、工作組等機制，推動相關領域的深度合作。建立兩岸AI治理對話的定期機制，就AI發展趨勢、治理挑戰、國際規則等問題進行常態化交流。可通過學術會議、專業論壇、政策對話等形式，增進相互理解，尋求合作機會。
展望未來，兩岸AI關係的發展將在機遇與挑戰並存的複雜環境中展開。從技術發展趨勢觀之，AI技術將繼續快速演進，通用人工智能、量子計算、腦機接口等前沿技術的發展將為兩岸合作開闢新的空間。從市場需求觀之，全球對AI技術與產品的需求將持續增長，為兩岸企業提供更多合作機會。在智能城市、智能醫療、智能教育、智能農業等領域，兩岸皆有各自的優勢與需求，合作潛力巨大。面對複雜多變的外部環境，兩岸皆需保持戰略定力，堅持互利共贏的合作理念，同時亦要保持戰略靈活性，及時調整政策方向與合作重點。通過理性對話、務實合作、創新機制，兩岸完全可在AI領域開創合作新局面，實現共同發展與繁榮。正如約瑟夫·奈所言，在全球化時代，相互依存使得“零和博弈”思維變得越來越不合時宜，“正和博弈”才是明智選擇。在AI此一關乎人類未來的重要技術領域，兩岸更應超越政治分歧，著眼長遠發展，為推動AI技術進步與人類社會發展做出更大貢獻。
注釋：
〔1〕Joseph S. Nye Jr., The Future of Power (New York: PublicAffairs, 2011), 3–25.
〔2〕National Science and Technology Council (US), The National Artificial Intelligence Research and Development Strategic Plan: 2019 Update (Washington, D.C.: Executive Office of the President, June 2019), https://www.whitehouse.gov/wp-content/uploads/2019/06/National-AI-Research-and-Development-Strategic-Plan-2019-Update.pdf.
〔3〕European Commission, Proposal for a Regulation of the European Parliament and of the Council Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act), COM(2021) 206 final (Brussels: European Commission, April 21, 2021), https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52021PC0206.
〔4〕Cabinet Office of Japan, AI Technology Strategy (Tokyo: Strategic Council for AI Technology, 2017), https://www8.cao.go.jp/cstp/ai/.
〔5〕〔24〕World Intellectual Property Organization, WIPO Technology Trends 2019: Artificial Intelligence (Geneva: WIPO, 2019), https://www.wipo.int/tech_trends/en/artificial_intelligence/.
〔6〕U.S. International Trade Commission, Exposure to the Taiwanese Semiconductor Industry, Publication No. 5423 (Washington, D.C.: USITC, 2023), https://www.usitc.gov/publications.
〔7〕Robert W. Cox, Production, Power, and World Order: Social Forces in the Making of History (New York: Columbia University Press, 1987).
〔8〕Robert O. Keohane and Joseph S. Nye Jr., Power and Interdependence: World Politics in Transition (Boston: Little, Brown and Company, 1977); Graham Allison, Destined for War: Can America and China Escape Thucydides's Trap? (Boston: Houghton Mifflin Harcourt, 2017).
〔9〕Bengt-.ke Lundvall, National Systems of Innovation: Towards a Theory of Innovation and Interactive Learning(London: Pinter Publishers, 1992); Christopher Freeman, Technology Policy and Economic Performance: Lessons from Japan (London: Pinter Publishers, 1987).
〔10〕Richard R. Nelson, National Innovation Systems: A Comparative Analysis (New York: Oxford University Press, 1993).
〔11〕Michael E. Porter, The Competitive Advantage of Nations (New York: Free Press, 1990); Gary Gereffi, "Global Value Chains and Development," Cambridge Journal of Economics 42, no. 4 (2018): 1243–1263, https://doi.org/10.1093/cje/bey014.
〔12〕中國科學院自動化研究所,《中國人工智能發展年度報告2018》(北京:科學出版社,2019)。
〔13〕國務院,《中國製造2025》(北京:國務院,2015), http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm。
〔14〕國家發展和改革委員會,《"互聯網+"人工智能三年行動實施方案》(北京:國家發改委,2016), http://www.gov.cn/xinwen/2016-05/23/content_5074812.htm。
〔15〕國務院,《新一代人工智能發展規劃》(北京:國務院,2017), http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm。
〔16〕中華人民共和國科學技術部,《新一代人工智能發展規劃推進辦公室實施方案》(北京:科技部,2018), http://www.most.gov.cn/。
〔17〕Daron Acemoglu and Pascual Restrepo, "The Race between Man and Machine," American Economic Review 108, no. 6 (2018): 1488–1542, https://doi.org/10.1257/aer.20170374.
〔18〕U.S. Department of the Treasury, Artificial Intelligence in Financial Services: Uses, Opportunities, and Risks(Washington, D.C.: U.S. Treasury, December 6, 2024), https://home.treasury.gov/.
〔19〕百度,《百度環境、社會與治理(ESG)報告2023/2024》(北京:百度,2024), https://ir.baidu.com/。
〔20〕北京市經濟和信息化局,《2022年北京人工智能產業發展白皮書》(北京:北京市經信局,2023), https://www.beijing.gov.cn/。
〔21〕上海市經濟和信息化委員會,《關於發布〈上海人工智能示範應用清單(2023)〉的通知》(上海:上海市經信委,2023), https://jgj.sh.gov.cn/。
〔22〕深圳市人民政府,《新一代人工智能發展行動計劃(2019–2023年)》(深圳:深府〔2019〕號), https://www.sz.gov.cn/。
〔23〕杭州市人民代表大會常務委員會,《杭州市城市大腦賦能城市治理促進條例》(杭州:杭州市人大,2022), https://www.hangzhou.gov.cn/。
〔25〕Elsevier, Artificial Intelligence: Research Intelligence Report 2021 (Amsterdam: Elsevier, 2021), https://www.elsevier.com/solutions/research-intelligence/resource-library/ai-report.
〔26〕Baidu, ESG Report 2024 (Beijing: Baidu, 2024), https://ir.baidu.com/.
〔27〕百度,《百度人工智能人才培養報告2021》(北京:百度,2021), https://research.baidu.com/。
〔28〕Daron Acemoglu and Pascual Restrepo, "The Race between Man and Machine," American Economic Review 108, no. 6 (2018): 1488–1542, https://doi.org/10.1257/aer.20170374.
〔29〕〔31〕Baidu Inc., Large Language Model Development Report 2023 (Beijing: Baidu, 2023), https://research.baidu.com/.
〔30〕〔32〕國務院新聞辦公室,《數字政府建設發展白皮書》(北京:國新辦,2024), http://www.scio.gov.cn/。
〔33〕U.S. International Trade Commission, Exposure to the Taiwanese Semiconductor Industry (Washington, D.C.: USITC, 2023), https://www.usitc.gov/publications.
〔34〕Taiwan Semiconductor Manufacturing Company (TSMC), 2025 Q2 Management Report (Hsinchu: TSMC, 2025), https://investor.tsmc.com/.
〔35〕Focus Taiwan, "TSMC to Celebrate 2 nm Production Expansion in Kaohsiung on March 31," March 21, 2025, https://focustaiwan.tw/business/202503210009.
〔36〕Taiwan Semiconductor Industry Association (TSIA), Industry Development Report 2024 (Hsinchu: TSIA, 2024), https://www.tsia.org.tw/.
〔37〕Taiwan Semiconductor Manufacturing Company (TSMC), Annual Report 2024 (Hsinchu: TSMC, 2024), https://investor.tsmc.com/.
〔38〕Taiwan Semiconductor Manufacturing Company (TSMC), "TSMC-UTokyo Lab Launched," press release, June 12, 2025, https://pr.tsmc.com/english/news/2954.
（全文刊載於《中國評論》月刊2025年11月號，總第335期，P15-24）
