2026年8月1日，一隻搭載火箭彈的四足機器，出現在中國解放軍建軍九十九週年的電視畫面中。

畫面裡，無人機在空中飛行，無人艇在海上前進，機械狼則與地面部隊協同，投入一場兩棲登陸演習。央視聲稱，這些無人裝備可以透過智慧指揮系統進行群體協同，提高登陸效率，並減少官兵傷亡。這段畫面只是一條前台廣告。

建軍節前夕，習近平釋放最關鍵信號，在他主持的中共中央政治局集體學習裡，要求在「十五五」期間加快建立智能化軍事體系，加強無人智能技術的軍事應用，深化網路資訊體系建設，並將裝備、情報、指揮、訓練與聯合作戰進一步整合。與此同時，他又強調政治建軍、重大軍事項目監管與軍中反腐，要求槍桿子始終服從黨的指揮。國防部長董軍則把解放軍稱為「祖國統一」的穩固底牌，重申將打擊「台獨」與外部軍事介入。

不是產業計畫   是國家改造時間表

人工智慧、無人武器、採購監管、軍隊反腐與政治忠誠，乍看是幾條不同的新聞，實際上卻是一套軍事體系改造工程的不同部位。因為一支智能化軍隊需要的不只是幾件新武器。它需要可靠的感測資料、可以互通的網路、更重要的，它可能正在改變中國軍隊這套龐大體系的決策分工和人員權責，對於一個極權國家，這些是如同憲法般關鍵的制度。習近平的講話與那隻機械狼，算是吹響了中國軍隊AI化的號角。

這也正是理解中國AI治理的入口。北京想要的從來不只是幾個成功的商業企業，幾個成績更高的模型，而是把感知、分類、預測、分派、執行和監督接成一條完整的國家能力鏈。在軍隊裡，這條鏈通向偵察、目標識別、無人作戰與火力協同；在日常社會中，它則通向辦件、醫保、稅務、公安、法院、輿情與公共安全預警。

AI在中國，是一個深度的國家計劃。

上述軍事體系AI化不是未來，喬治城大學安全與新興技術中心研究解放軍採購文件後發現，AI已被投入情報處理、目標識別、無人系統與決策支援，逐步進入C5ISRT指揮鏈。

美國的AI世界，核心仍是企業。資本、雲平台、模型、人才與應用，沿著幾家大型科技公司向外展開。中國當然也有字節跳動、阿里巴巴、華為和騰訊，也有大量民營模型公司；但這些企業的投資方向、晶片來源、算力部署與服務場景，始終不能脫離國家安全與技術自主的邊界。企業仍然出錢，國家卻愈來愈深地決定這些錢通往哪裡。

中國的目標，是讓晶片、算力、資料、人才、模型、應用、標準、監管與國家場景的每一層，都形成最低限度的「可控能力」，擺脫對外依賴。我把它稱為「全棧AI國家」：這裡的全棧，不只是軟體工程中的前端與後端，而是從底層硬體一直延伸到行政制度、軍事體系和社會生活。

2025年8月，中國國務院公布《關於深入實施「人工智能＋」行動的意見》，提出到2027年，新一代智能終端與智能體普及率（註：在政府中）超過七成；2030年超過九成；到2035年，全面進入所謂智能經濟與智能社會。更值得注意的是，文件首先列出的不是一張補貼清單，而是AI進入政務、醫療、教育、交通、法院、公安和應急管理的時間表。這與其說是一項產業計畫，不如說是一份國家改造時間表。

問題因而不再只是中國能不能做出更好的AI模型。真正的問題是：一個國家為什麼如此迫切地需要AI？它想用AI補上什麼？又希望把自己改造成什麼樣子？

一個資源收縮  卻不願降低治理密度的國家

中國對AI寄託的期待，可以列成增長、技術依賴、人口、治理成本、軍事與意識形態六個缺口。但這六個缺口背後，其實是同一個矛盾：黨國可供支配的經濟、財政與人口資源正在收縮，中國政府債務問題早已不是新聞，也正在以人類歷史未見的速度降低生育率。但在這個背景下，共產黨依然堅持「黨領導一切」，對社會的介入密度不願隨之下降。

首先是經濟。房地產、地方基建與傳統出口製造的邊際收益下降，北京需要一個新的增長故事。「新質生產力」因此不只是一個產業名詞，而是試圖把高度不確定的技術創新，轉換成可以投資、考核的行政任務。圍繞在集成電路（台灣稱積體電路）、機房建設、AI模型與應用的這個新產業，被認為是一個從金屬原料，到電力，到新科技的貫穿性產業。

但AI主要提高的依然是供給端效率。居民收入、社會保障與地方債務若沒有實質改善，模型可以讓工廠更快、物流更省、客服更少，卻不能憑空創造內需。若自動化首先替代青年、中低階白領與基層服務工作，它甚至可能進一步削弱消費。AI於是很容易變成習近平的路徑依賴——繞開需求側改革的新辦法：不願重新分配收入，就繼續提高生產效率；不願處理社會保障，就期待技術再造一輪增長。

其次是國家的自我維持。中國正在老化，勞動人口收縮、地方財政惡化，基層公務員與編制外人員的工作激勵也在下降。但政府仍然希望維持同樣密度的辦件、巡查、審核、風控、醫保、稅務、信訪和社會管理。AI在這裡不是單純替代幾份文書工作，而是被期待成為一種廉價且永不疲憊的行政勞動力。

最後是政權安全。美國出口管制迫使中國從模型競賽回到全棧自主競賽；解放軍希望用AI補足缺乏現代戰爭經驗的弱點；宣傳與網路治理部門則希望降低內容審查成本，同時擴大認知作戰的產量。這些需求看似分散，實際上都指向同一個目標：在國內外環境惡化時，提高黨國的可見性、反應速度與控制能力。

所以，中國AI治理的真正動力不是單純的技術樂觀，而是一場由多重危機驅動的制度性豪賭。國家希望AI以更低的成本，維持甚至提高原有的治理密度。這種瘋狂的目標，是只有在一個極權國家才可能的。

AI如何穿透中國的官僚體系

AI參與行政治理不奇怪，很多國家都在運用AI改善公共服務，為什麼中國的發展方向尤其值得注意？

首先，中國AI並不是工具性的逐漸參與到不同的行政部門中，而是一個宏觀的大計劃，從一開始就把AI定義成國家治理工程。「數字中國」與「人工智能＋」政策將經濟發展、公共安全、網路治理、社會管理與國家安全放在同一個框架下。不同部門都會以某種方式參與到AI中。

例如算力和數據，在中國都是中央政府強管束事項。算力、模型與政務資料可以向上集中。現行政務大模型部署方向，都是由省級政府統籌算力、模型與政務資料集，地市按省級要求部署，縣級及以下原則上復用上級資源。中央確定方向，省級集中能力，地市和縣區負責將模型「大躍進式」接進具體行政流程。是中國的基本架構。

再往下，國資雲、電信營運商、平台企業與地方技術公司提供基礎設施，這是被基建經濟驅動的建設項目；公安、稅務、醫保、法院、街道和網格系統則成為實際使用者，這是被維穩這個高敏事項驅動的治理接入。地方政府又是公共安全AI的重要買家，地方官員的政治生涯與避免群體事件、壓低風險、完成上級考核緊密相連，成為降低風險而激進投入AI的主官，中國地方政府權力極大，這會讓AI推進更迅速。採用AI於是同時是一項行政選擇、政績工程與政治安全投資並重的國家級工程。

這條傳導鏈非常重要。它說明中國AI治理不是由一個抽象的「國家」直接完成，而是由一系列具有不同利益的機構共同塑造：中央需要可控與忠誠，省級政府需要統籌能力，地方官員需要政績與免責，國有企業需要政策市場，平台公司需要合規與訂單，基層幹部則需要一個可以向上級交代的工作抓手。

最後承受模型判斷的普通市民，卻沒有能力參與這條鏈。他們不能決定政府採用哪套模型，也很難知道自己為何被分類成某種風險，更難要求模型、資料提供者與行政機關共同承擔責任。

模型未必讀到真實社會  產生「預測風險」

James C. Scott在1998年《國家的視角》中，描述現代國家如何透過戶籍、地籍、統計、地圖與身分證，把原本複雜混亂的社會變得「可讀」。只有先把人、土地與財產轉換成統一格式，國家才能徵稅、徵兵、規劃和治理。

AI是這場可見性革命的第二階段。

影像、支付、交通、稅務、醫療、社保、司法與平台行為被接入同一套資料環境後，國家得到的不再只是一張靜態名冊。它可以對個人、企業與事件進行分類、排序和即時預警。社會由「可讀」進一步走向「可預測、可分類、可排序、可介入」。

這裡發生的第一個變化，是智能體（AI Agent）幹部。

深圳福田區曾為七十名「AI數智員工」發放工牌，讓它們參與公文審核、任務分派、窗口問答與民生訴求處理，覆蓋數百個政務場景。地方政府宣稱，部分公文審核和訴求分派效率大幅提高。這些績效數字均由政府自報，當然應當保持懷疑；但最重要的並不是它們究竟提高了百分之多少，而是AI已經被正式當成一種行政勞動力。

智能體可以自動受理、預審、分類、排序、派單、起草與催辦。它確實可能減輕基層工作，也可能減少部分因人而異的推諉。但同一套系統也會讓上級更容易量化基層，追蹤每一項任務是否完成。當模型建議逐漸成為標準答案，幹部偏離建議的成本便會上升。

所以，AI首先規訓的未必只是公民，也包括幹部。過去基層人員還能用地方經驗、拖延、變通或模糊處理修正上級要求；現在，他需要解釋自己為什麼沒有依照系統建議辦理。服從模型，將比獨立判斷更安全。

第二個變化，是預測國家。

江蘇常州高新區公安曾宣傳一個案例：系統分析社交平台輿情與報警紀錄，提前判斷某企業可能發生集體討薪，公安與勞動監察部門遂先行約談企業，要求制定發薪計畫。當地又聲稱，「民轉刑」風險預警準確率由78%提高到92%。這個數字沒有經過獨立審計，自然不能直接採信。

但無論92%是真是假，政府希望把什麼變成可計算的風險，已經十分清楚。

工資拖欠本來是一個勞資關係、企業經營與地方經濟問題。進入公安模型之後，它首先成為「群體事件」與「民轉刑」風險。模型不是單純發現一個既有問題，它也在決定國家使用什麼語言理解問題。失業、貧困、房貸違約、討薪、信訪與政治不滿，都可能先被翻譯成AI評估的安全風險，然後再由公安、街道或其他部門提前處置。

第三個變化，是模型輔助的計畫與分配。

AI不會讓中國直接回到傳統計畫經濟，但它可以幫助國家更動態地調度算力、資料、補貼、信貸、政府採購與試點場景。過去的產業計畫依賴文件、報表與定期會議，現在則可以透過模型持續更新企業評分、技術方向與風險排序。

這正好觸及海耶克（Friedrich Hayek）所說的「知識問題」：社會知識分散在無數個人與企業之中，中央機構很難完整取得。AI確實可以改善資訊收集，卻不能自動解決激勵、誠實與權力扭曲。資料更多，不等於資料更真；模型更強，也不等於有人願意對上級說真話。

模型吃進去的，是現實還是文書？

2022年上海封城時，中國行政展現過一種非常鮮明的分裂：一邊是文件、新聞發布會和層層報表構成的「紙面防疫」；另一邊則是居民、居委會、醫院、物流與警察實際經歷的「真實防疫」。紙面上的政策環環相扣、科學精準，現實中的制度卻充滿資料矛盾、資源斷裂、責任推卸與層層加碼。

AI不會天然消除這種分裂。相反，它可能把紙面變成更難質疑的數學結果。

AI預測錯了誰負責   誰在承擔代價

政務資料並不是社會現實自然留下的痕跡。哪些事件可以被登記，哪些問題被算作風險，哪些投訴被歸入重複信訪，哪些失業者被稱為靈活就業，哪些企業問題需要上報，都是政治與行政選擇的結果。資料在進入模型以前，已歷經幹部考核、部門利益、平台審查和對上負責的層層加工。

換句話說，AI模型可以讀到的未必是中國社會，而是中國官僚體系允許被寫進表格的中國。

這會形成一個非常危險的回饋循環。地方政府先為了考核清洗資料，模型再根據清洗後的資料作出高置信度判斷；上級把模型輸出視為客觀證據，進而要求地方依照模型分配資源與處置風險；不符合模型判斷的現實，則更難進入下一輪資料。最後不是模型逐漸接近現實，而是現實被迫向模型靠攏。這裡面的差距，就是治理的風險。

預測模型還可能製造另一種自我證明。系統把某家企業列為討薪風險，政府提前介入，最終沒有發生抗議，部門便可以把結果記作模型預測成功。但事件本來是否會發生，沒有人知道；企業和工人是否因錯誤預警承受額外監控、約談或污名，也很少進入績效報表。因此AI介入會成為一個單向「棘輪」，出現AI預測的風險，介入解決證明了AI的有效；出現了AI未預測到的風險，這不證明AI無效，反而是需要更大力度使用AI的證明。

系統和黨考量的是「避免了多少危險」，個人承擔的則是那些被定義為危險的代價。

這使中國AI治理最重要的問題變得非常簡單：模型預測錯了，誰負責？一個人被列為風險對象後，能不能申訴？

現有政策已經開始要求全流程管理、人工覆核與「人工兜底」（由專人負責善後）。這些原則並非毫無意義，但它們主要回答政府應當如何安全使用模型，並沒有清楚回答被模型判錯的人如何恢復權利。誰必須提供解釋？資料錯誤由誰更正？行政處分能否暫停？名譽、工作與經濟損失如何補償？在一個本來就幾乎沒有任何問責性的社會，AI偏誤的行政問責同樣難如登天。

更麻煩的是，「人工覆核」很容易成為一種形式，AI產出大量中間成果，官僚會像進入用Vibe Coding的人一樣，面對AI寫下的幾千字確認文檔閉眼點擊「確認」。

對一名基層幹部而言，依照模型處置，即使後來出錯，也可以說自己遵循了系統；否定模型，若事件真的發生，責任卻可能完全落到自己身上。在這種考核結構中，人工不會自然成為模型的糾錯者，反而很可能成為替模型簽字的人。

這就是自動化偏誤：人類名義上仍然作出最後決定，實際上卻因模型的權威、工作壓力與責任風險而跟隨系統。AI沒有消滅官僚責任，只是讓責任更容易被轉移。

而最容易承擔代價的，通常也是申訴能力最低的人。欠薪工人、小微企業、負債家庭、上訪者與其他被視為不穩定的人群，留下的行政資料更多，更容易被分類，也更難要求政府公開分類依據。風險治理看似面向所有人，代價卻會不均等地落在政治資源最少的人身上。

國家不再只命令  而是住進日常生活

借用社會學家Michael Mann對「專斷權力」與「基礎設施權力」的區分，我願意把中國國家能力改寫成兩種形式。

第一種是禁止性能力：封號、審查、抓捕、停業、禁用、強制執行。這是國家不經社會同意，直接下達命令的能力。也是中國過去作為極權國家最容易施展的社會管控。

第二種是生產性能力：國家透過政務平台、資料庫、智能體、稅務風控、醫保審核與城市管理，持續塑造人們可以採取哪些行動、獲得哪些資源、進入哪些程序。這裡的「生產性」，不是說權力必然帶來好結果，而是它會生產分類、秩序、資格與行為。

因此，AI治理不能只理解成監控增加。監控主要解決「看見」；真正的形態改變，是把看見接上分類、排序、分派與執行，讓中國成為「生產性能力」的國家。

國家不再只靠一道命令從上方落下來約束邊界。它透過資料接口，住進企業的信貸審核、醫院的支付系統、學校的管理平台、法院的案件分派、工廠的生產流程和普通人的每一次政務申請。這種權力不一定總以暴力面貌出現，它甚至可能非常便利。正因如此，它比單純的禁止更深入，也更難逆轉。這不是科幻小說，中國國家稅務系統「金稅四期」早已經是一個毛細血管一樣的AI驅動的生產性能力。正是這樣的AI系統，讓中國在經濟出現重大問題的兩年，還能維持雙位數的「個人所得稅」增長。

被拆掉的官僚緩衝器

官僚自由裁量並不天然值得歌頌，尤其在中國。它可能意味著推諉、腐敗、選擇性執法和因人而異。AI標準化也確實可能減少部分刁難，讓行政流程更清楚、更快速。

但自由裁量的另一面，是地方知識與人情判斷。過去一道不合理的中央命令，需要穿過省、市、區、街道、居委會與具體執行人員。在這條漫長的鏈條中，拖延、變通、選擇性執行與陽奉陰違有時構成腐敗，有時卻也構成一層緩衝。

2022年上海封城期間，一位在小區門口工作的保安，對居民夜間出入一直睜一隻眼閉一隻眼。只有領導檢查時，他才嚴格執行規定。這當然不是法治，但那種「槍口抬高一寸」，確實讓居民在僵硬命令下保留了一點生活空間。這樣的空間隨小區門口設置「AI哨兵」而結束，這是一個強制性人臉識別的進出系統。

模型化治理會逐步壓縮自由裁量空間。系統自動記錄、即時上報、統一排序，地方執行人員不再容易假裝沒有看見。中央命令在官僚層級間下達落實的摩擦降低，錯誤便可能傳得更快、更廣，也更難被地方經驗修正。

這並不意味著中國會突然變成一個運轉完美、資訊互通的全知國家。部門壁壘、資料孤島、地方財政差異、技術品質與執行能力仍然存在。中國AI治理真正危險的地方，不是它必然無所不知，而是它可能在資訊仍然殘缺的情況下，獲得前所未有的執行信心。

它不是低能力國家，恰恰相反，他可能成為一個高能力卻同時具有系統性脆弱的國家。

對台灣真正危險的  不是一隻機械狼

回到建軍節的畫面。對台灣真正危險的，未必是那隻機械狼能否在灘岸上跑多遠。

更值得注意的是，解放軍正在嘗試把無人機、無人艇、地面平台、商業衛星、開源情報、網路攻擊、認知作戰與指揮系統接進同一套節奏。單項裝備不需要全面超越美國，只要整合速度加快、使用成本降低、出動頻率提高，就可能增加灰色地帶施壓，並壓縮台灣與盟友的反應時間。

但還有一種更深的風險。

模型吃進去的若仍是層層洗白、報喜不報憂的情報，AI不會自動幫助中共中央看見真相，反而可能替偏見加上數學權威。一個依賴模型推演的決策中心，可能愈來愈相信自己的風險評分、輿情分析與戰爭模擬，最後說服自己：台灣抵抗意志已經崩潰，美國不會介入，經濟制裁可以承受，有限行動能夠快速造成既定事實。

這種危險不來自中國無所不知，而來自它「自信地錯」。

當感知與現實的落差進入最高層決策，錯誤不再只是一次行政誤判，也可能成為戰爭的扳機。中國內部的系統性脆弱，於是直接轉化為台海的外部風險。

AI的真正對手  台灣可成反證

很多人把AI看成中美之間的最後一戰：哪一國掌握更大的模型、更多的算力和更完整的晶片供應鏈，哪一國就能決定下一個時代。

但對中共黨國而言，AI真正挑戰的也許不是美國，而是現代化理論中那個粗略卻影響深遠的命題：經濟發展、教育擴張與社會複雜化，終究會增加多少自由化與政治參與的壓力。

北京正在下注另一種可能。它希望透過AI提高國家能力，克服超大社會的資訊與治理成本，在經濟繼續發展的同時維持政治控制。它要證明，發展可以不伴隨自由化和分權，控制可以取代信任，算力可以彌補社會契約的缺失。

這場賭注未必會失敗。中國擁有龐大的行政組織、國有基礎設施、密集的公共資料、巨大的市場和成熟的製造能力。AI確實可能讓它在許多領域變得更快、更便宜、更能深入社會。

但能力不等於正當性。更精密的預測，不能讓一個被判錯的人自動獲得申訴；更完整的資料，不能使幹部願意向上級說真話；更快速的執行，也不能修補公民對制度的不信任。相反，建構這套能力所依賴的控制本能，恰恰可能把資訊失真、責任真空與政治僵化一併放大。

台灣因此不只是中國AI軍事應用的潛在對象。作為華語世界的自由民主政體，它也是這場豪賭的活體反證。

台灣需要審查的不只是某一個中國App，而是資料究竟流過誰的API（應用程式介面）、模型權重、更新通道與雲端服務；需要保護的不只是個人資料，也包括高品質繁體中文語料，以及一個社會描述自身歷史與政治現實的能力；需要建設的不只是晶圓代工，而是從伺服器、資安、模型部署到資料治理的可信AI供應鏈；面對認知作戰，也不能只依賴事後闢謠，而要預先建立跨部門驗證、危機溝通與複合情境演練。

回答中國AI化國家的方式，不是讓民主社會變得更會控制，而是證明另一件事：分散的知識、真實的資訊、可以申訴的程序、自由的公共討論與被信任的制度，並不是國家能力的障礙。

它們本身，就是更強的國家能力。