核心论断：追AGI的注意力税正在累积
2025年7月26日，Foreign Affairs发表的《The Cost of the AGI Delusion》一文指出，美国学界、企业与政府在“通用人工智能”这个话题上投入了过多政治与资源注意力。作者并非否认基础研究价值，而是强调：当政策制定者、风险评估团队和资本市场都将焦点固定在“超智能”这一远景时，现实世界的商业化、标准化与安全治理会被边缘化。
细节一——算力与芯片的错配。文章描述，实验室为追赶参数和训练规模而展开的算力竞赛，导致大量预算倾向于通用模型的规模化训练，而企业级部署所需的边缘芯片、专用推理加速器与低成本服务器等被相对忽视。与此同时，美国对高端芯片的出口管制与供应链重组，使得实现大规模商用的硬件基础变得脆弱。
细节二——人才与投资流向的震荡。投资人和青年研究者被“打破智能极限”的叙事吸引，更多资金流向追求突破的实验性团队，而面向垂直行业（医疗、农业、制造）的工程化团队反而难以获得长期支持。文章指出，这种结构性偏差可能让美国在将AI技术转化为生产力方面丧失先机。
细节三——监管与标准被远景讨论占据。当监管讨论集中在可能出现的“超智能风险”时，诸如数据治理、模型基线安全、可解释性与行业标准等现实问题的立法与实施反而推迟。作者警告：没有可执行的、跨部门的监管框架，商业化AI的外溢风险和市场混乱只会加剧。
文章还点出，一个被低估的维度是应用场景与数据优势：中国和其他国家在场景落地、海量实际运营数据和产业链闭环方面具有现实优势；在许多行业，谁能把模型可靠地嵌入流程和产线，谁就掌握了竞争力。论文作者呼吁美国需要把部分注意力和资源从“超智能假设”回拨到可验证、可衡量、能带来经济效益的AI工程与治理上。
结语部分强调：追求长远目标并非错，但把所有赌注押在不确定的AGI突破上，会牺牲当前的国家竞争力。文章建议，政府应调整资助优先级、完善行业监管并扶持能够快速落地的AI基础设施；企业与投资者也应在“远景愿景”和“可交付能力”之间找到新的平衡。