美国在制度上将AI数据流动等同于国家安全风险，而中国被预设为风险对象，从而使双边AI合作氛围持续恶化，并将给全球AI合作带来深远影响。

　　当前，人工智能（AI）正以前所未有的速度重塑国际竞争格局。在全球科技竞争与地缘政治压力不断加大的背景下，数据跨境流动成为各国监管的敏感点。尤其在中美关系中，数据安全与数字主权日益政治化、国家安全化，然而，以安全为名的限制措施若被滥用或泛化，就极易演变为技术脱钩的工具，损害中美乃至全球AI发展的长期利益。

　　随着AI发展，数据成为训练模型、优化算法和商业决策的关键资源。特别是近年来，美欧等主要发达国家以数据主权、安全审查等为由，频繁制定和升级AI相关的数据安全规则。各国纷纷通过本地化数据立法强化对数据资源的掌控，截止2023年，全球已有40个经济体实施了96项数据本地化措施，且2/3以上措施不仅要求数据本地化存储，还禁止数据跨境流动。这种碎片化规则加剧了发展中国家的困境，跨国科技公司通过云服务与算法平台输出技术框架，也可能侵蚀发展中国家的数字主权。此外，各国在个人数据保护标准上也存在差异，这种割裂的数据治理体系阻碍着AI所需的全球数据流通。

　　近年来，美国不断通过法律法规、技术出口禁令、投资限制、供应链切割等手段，强化数据与AI系统“去中国化”和产业链脱钩的进程。

　　▲5月13日，美国商务部产业安全局（ BIS ）发布针对中国的三项新指引，加强对华AI芯片出口管制。

　　首先是来自法律和政策层面的限制。2023 年起，美国陆续升级出口管制，明确将“核心模型”、“训练算力”等关键能力要素纳入管控范围，强调防止其外流，尤其针对中国等“战略竞争者”。2025年1月，美国商务部工业和安全局修订《出口管理条例》，发布《人工智能扩散框架》，旨在加强对先进芯片和AI模型的出口管制，构建美国及其盟友可信赖的生态系统，保护国家安全与外交政策利益，同时促进AI技术负责任扩散。美国外国投资委员会审查范围规定，涉及AI数据相关企业或与AI关键技术相关的中资并购、技术许可、数据合作项目，可能被拦截或否决。

　　其次是来自于技术层面的限制。目前，OpenAI、英伟达等拒绝向中国开放高质量训练数据和应用编程接口（API），并强化大模型核心资源的战略垄断。中国大模型需作出透明说明并通过本地审查方能入境。

　　第三是来自数据本地化与分区存储的要求。如，美国鼓励盟友实施“可信国家数据圈”，阻止与中国的数据互联互通，同时与欧盟、日本建立数据互信区，强化“技术联盟”数据壁垒。

　　上述限制性措施意味着中国AI技术及相关企业不仅将面临“硬技术封锁”，更必须面对“软规则歧视”。美国在制度上将AI数据流动等同于国家安全风险，而中国被预设为风险对象，从而使双边AI合作氛围持续恶化，并将给全球AI合作带来深远影响。

　　一是高质量训练数据的国际获取难度上升。在全球数据流动管控日趋严格的背景下，AI模型训练趋向本地化。中国AI模型如无法访问全球医疗影像、学术文献、英文语义数据，其在科研类、多语种任务中的能力将受到巨大限制。

　　二是AI产业链的全球协作能力将受损。AI企业全球化布局依赖数据自由流动、算法共享与算力基础设施的互联互通。当前，全球数据壁垒不仅影响模型训练，也阻碍AI云服务的全球交付能力。同时，AI安全标准和认证要求的差异化，也将使产品出海路径更加复杂。例如，欧盟《AI责任法案》要求算法可解释性和“高风险AI”清单，而美国侧重企业自律和透明度评级，这导致同一产品需进行多套合规设计。

　　九游会

　　此外，“可信数据同盟”也将进一步加剧全球AI版图分裂。近年来，以“可信数据流通”为名，美国联合欧盟、日本、澳大利亚等构建“民主数据联盟”，全球数据跨境流动从“自由”走向“可信”。从未来发展趋势看，数据跨境流动将在国家安全、伦理审查、算法可控基础上实现“有条件的互通”，或不得不通过第三方可信中立数据枢纽实现数据合规转运。

　　AI发展本质上依赖开放性、协同性与数据共享，将数据跨境流动泛安全化、政治化，不仅会限制AI模型的准确性与泛化能力，也将阻断中美在医疗、教育、气候建模等全球公共利益领域的合作。尽管中美之间存在制度差异与价值观差距，但在AI标准建设、算法伦理、模型安全、滥用风险防范等方面却有着广泛共同利益。例如，在生成式AI内容的标注、深度伪造治理、自动驾驶数据分享等领域，建立可信、有限、透明的数据交换机制将使双方受益。

　　由此，数据跨境流动限制不应成为阻碍中美AI合作的障碍，数据不应成为分裂全球AI发展的边界，而应成为连接未来合作的基础。唯有如此，才能避免AI技术在割裂中走向闭环，真正达成全球范围内的技术伦理共识与人工智能福祉共享。