随着人工智能加速进入教育、办公、制造业和消费服务，中美两国公众对这一技术的未来影响呈现出明显不同的判断。8月14日公布的一项综合分析援引斯坦福大学《2026年人工智能指数报告》等调查数据指出，中国受访者对人工智能表现出更高的积极预期，而美国公众虽然生活在全球AI投资规模最大、前沿模型最集中的市场，却对就业、安全和监管问题表现出更强谨慎。相关调查显示，84%的中国受访者表示对人工智能感到兴奋，美国受访者这一比例为38%。

另一组信任度数据进一步显示出这种差距。爱德曼有关人工智能的调查显示，72%的中国受访者表示信任AI，美国相应比例为32%。不过，这一结果并不意味着中国公众普遍忽视人工智能带来的风险，也不能说明美国社会正在拒绝AI。两国都在迅速采用人工智能技术，真正不同的是公众如何判断技术收益最终由谁获得，以及就业、隐私、虚假信息和企业权力等成本能否得到有效约束。

这种差异在2026年春季已经出现具有代表性的场景。今年5月，美国亚利桑那大学举行毕业典礼时，前谷歌首席执行官埃里克·施密特在演讲中强调人工智能可能带来的巨大收益，现场部分听众报以嘘声。与此同时，中国正在把AI更系统地纳入学校教育。4月，由中国教育部牵头、五个中央部门联合发布“人工智能+教育”行动计划，提出在基础教育、高等教育、职业教育和终身学习体系中扩大人工智能应用，并建设覆盖不同教育阶段和社会公众的AI素养体系。

中国较高的AI接受度首先与过去二十多年数字技术进入日常生活的方式有关。从移动支付、电商、即时配送到数字政务和智能制造，大量中国消费者经历的技术变化往往首先表现为服务效率提高、交易成本下降和新应用快速普及。进入生成式人工智能阶段后，AI继续以学习工具、办公助手、内容处理、智能终端和工业自动化等形式进入实际场景，因此部分公众更容易把新技术与生产效率和生活便利联系起来。相关材料同时指出，中国消费者同样担忧AI诈骗、深度伪造以及年轻人的就业前景，这说明较高的接受度与风险意识可以同时存在。

政策环境也影响了这种预期。中国政府近年来一方面推动“人工智能+”进入教育和产业体系，另一方面逐步建立生成式人工智能内容治理规则。自2025年9月1日起实施的《人工智能生成合成内容标识办法》要求，对符合规定的AI生成文本、图片、音频和视频增加显式或隐式标识，并对内容传播环节提出相应要求。到2026年，中国又继续推进人工智能教育、产业应用和伦理治理。这种“扩大应用同时建立统一规则”的政策模式，使AI在中国更多以产业升级和公共技术基础设施的一部分进入社会。

美国的情况形成另一种组合。美国依然拥有全球规模最大的私人AI投资和大量领先人工智能企业。斯坦福AI指数显示，2025年美国私人AI投资规模达到中国的约23倍，生成式人工智能投资也明显领先；与此同时，美国企业正在把AI快速用于软件开发、客服、金融、办公和其他知识密集型业务。换言之，美国公众对AI更加谨慎，并不是因为美国技术应用较慢，恰恰是在人工智能商业化速度极快的环境下，对其经济后果产生了更直接的感受。

其中最突出的变量是就业。斯坦福2026年AI指数显示，64%的美国受访者预计未来20年人工智能会减少工作岗位，只有5%认为AI将增加岗位。普通美国人与AI专家之间同样存在明显判断差距：73%的专家认为AI将改善人们的工作方式，而公众中持这一判断的比例只有23%；对于AI是否有利于整体经济，两者的比例分别为69%和21%。这些数据说明，美国社会对人工智能的不安很大程度上集中在“技术能够创造多少价值”与“劳动者能否分享到这些价值”之间的落差。

产业结构进一步放大了这种感受。相关材料指出，美国就业人口高度集中在服务业，而中国仍拥有规模庞大的制造业、农业和实体产业就业。当前生成式人工智能最容易进入的工作恰好包括编程、行政支持、文案、客服、基础分析以及部分专业服务，因此美国白领和初级知识岗位更早面临工作流程重组。中国制造业未来同样可能随着AI与机器人结合而出现更大程度的自动化，但在当前阶段，两国劳动市场受到冲击的行业和速度并不相同。

中国也并不存在完全脱离就业压力的“AI乐观”。相关材料显示，在针对中国AI政策专家的调查中，就业问题的重要性从2024年初的较低位置明显上升，到2026年已成为主要关切之一。自动驾驶、机器人和软件自动化进入更多行业后，司机、制造业员工和部分办公室岗位都可能面临调整。因此，中国目前较高的AI接受度更适合理解为公众现阶段对潜在收益的预期仍然高于对损失的判断，而不是认为技术替代不会发生。

美国公众的谨慎还与监管信任有关。斯坦福AI指数显示，仅31%的美国受访者相信本国政府能够负责任地监管人工智能，是该项调查涉及国家中的最低水平；41%的美国受访者认为联邦AI监管可能仍然不足，认为监管可能过度的比例为27%。这使美国公众面对人工智能时形成双重压力：一方面，科技企业拥有巨额资本和快速部署能力；另一方面，不少人并不确信现有制度能够在失业、数据使用、虚假信息和算法风险出现之前及时建立有效约束。

与此同时，美国较低的信任度不能简单解释为“反技术”。斯坦福数据显示，人工智能正在美国企业和消费者中迅速普及，而美国仍然是全球最重要的AI研发、资本和商业化中心之一。美国公众真正表现出的，是对人工智能发展方式和收益分配机制更加谨慎。技术本身是否强大，与公众是否相信这种力量最终能够改善自身生活，是两个不同的问题。美国拥有更强的前沿模型开发和私人资本能力，却没有因此自动形成更高的社会信任。

中国较高的调查支持度同样需要结合信息环境和治理结构理解。中国政府能够通过产业规划、教育体系和全国性监管规则迅速推动人工智能应用，这种政策协调能力可能提高公众对技术落地速度和长期投资的预期。但中国社会对AI就业影响、算法管理、个人数据以及自动化扩大后的劳动保障仍然存在现实问题。与此同时，不同国家的公共表达环境、调查方法和文化背景并不完全相同，因此跨国百分比能够显示态度差距，却不能简单等同于所有中国居民更加乐观、所有美国居民更加悲观。相关材料内部也呈现了对中国AI就业影响和治理能力存在不同判断的情况。

数据中心和能源需求则正在给美国的AI态度增加新的现实变量。人工智能模型训练和推理需要大量算力，云计算企业因此持续扩大数据中心建设。斯坦福AI指数显示，AI企业收入迅速增加的同时，计算和基础设施支出也达到历史高位。对于企业而言，这代表长期技术投入；对于部分地方居民而言，则可能直接体现为土地、电力、水资源和基础设施需求。AI由此不再只是手机和电脑中的软件，而开始成为具有实际能源和社区成本的大型工业体系。

从2026年的情况看，中美公众对人工智能形成不同预期，并不存在单一原因。中国的数字化发展经验、政府推动产业应用的能力、制造业结构以及对未来生产效率的期待，共同提高了当前的技术接受度；美国则同时拥有世界领先的人工智能产业和更强烈的就业替代预期，加上公众对大型科技企业、利益分配和政府监管能力的疑虑，使技术领先与社会谨慎同时出现。

这种差距未来仍可能发生变化。如果人工智能在美国最终提高生产率的同时创造新的职业、降低生活和服务成本，并让更广泛的劳动者分享新增收益，目前的谨慎态度可能缓和；如果AI主要表现为岗位减少、财富进一步集中和基础设施成本上升，公众的不安可能继续增加。中国同样面临类似检验。如果人工智能继续提高制造效率、教育资源和公共服务水平，目前的较高接受度可能持续；如果机器人和软件自动化开始对就业产生大范围直接影响，社会预期也可能随之调整。

因此，中美AI竞争正在超出模型性能、芯片供应和资本规模的传统比较。技术能力决定人工智能能够完成什么任务，投资和基础设施决定其扩张速度，而劳动者能否获得新的机会、风险能否得到约束、技术收益如何分配，则越来越直接影响公众是否愿意继续接受人工智能深入经济和社会生活。2026年中美公众态度的明显差距，反映的并不仅是对一项新技术的喜好不同，更是两个社会对技术进步如何转化为个人收益所形成的不同预期。