人工智能如何重构前瞻战略与全球权力格局？

人工智能正在改变我们对未来的思考方式，也在重塑谁有能力参与并塑造未来。这使得战略前瞻这门学科迎来机遇与挑战并存的关键时期：它通过推演未来各类可能性，支撑人类作出更理性的决策。人工智能能够助力从业者拓宽信息搜集范围，捕捉新兴信号与发展趋势，以前所未有的速度和体量推演各类未来图景。但战略前瞻的价值，绝不只是搭建多种情景预案。它真正的意义，是引导管理者与政策制定者反思固有认知，做好应对未知风险的准备，进而制定具备长期抗风险能力的战略决策。

人工智能正快速重构经济、地缘政治、治理体系与社会格局，从事战略前瞻工作的人需要思考一个更为本质的问题：我们应当如何跳出浅层工具化运用，真正做到负责任地使用人工智能？核心难题在于，怎样把人工智能融入社会运行，让它赋能而非替代人类判断；同时保证分析效率提升的背后，不必牺牲深度思辨、充分研讨与战略想象力。

在现代历史的大部分时期，国际关系中的权力并不难识别：它属于那些拥有强大军队、雄厚援助预算、国际储备货币、广泛外交联盟以及全球主要国际机构席位的国家。人工智能正在改变这一格局。在后霸权时代，人工智能正成为衡量权力最清晰的标志之一。掌控算力、芯片、模型、云基础设施和人才的国家与企业，将日益决定谁的声音能够得到重视、谁能够获得资金，以及谁有能力参与建设未来。

人工智能正在成为战略权力的新来源，因为它所依赖的远不只是模型本身，还包括芯片、云基础设施、数据中心、能源、人才、监管和信任。正因如此，阿联酋和美国宣布的“星际之门”项目等近期人工智能基础设施项目，其意义远远超出技术层面。这些项目体现了所谓“人工智能时代的基础设施外交”：在这样的世界中，数据中心和云服务区域将开始具有类似港口、输油管道及其他战略资产的重要地位。传统的权力标志不会消失——军事实力、资本和外交依然重要。但在这些要素之外，一种新的权力通货正在崛起：算力。

这一转变也为中等强国创造了新的空间。它们正利用人工智能对基础设施的巨大需求，开辟提升全球影响力的新路径。例如，阿联酋正在通过布局人工智能基础设施，将自身打造为连接美国、海湾地区、非洲和亚洲的枢纽。新加坡则宣布，将在2030年前投入超过10亿新元公共资金，用于推进人工智能研究。

正是在这一背景下，人工智能开始呈现出“新型对外援助”的特征。随着传统援助预算持续收缩——经合组织初步数据显示， 2025年官方发展援助下降了23.1%，创下有记录以来最大的年度降幅；而与之形成鲜明对比的是，人工智能基础设施和人工智能赋能服务正在成为施加发展影响力的新渠道。一个国家一旦为其他国家提供云服务区域、人工智能辅导工具、医疗健康模型或政府聊天机器人，便可能获得过去通常与援助国相联系的影响力。人工智能外交并不只是围绕模型展开，它同样涉及电网、水资源、债务、主权、合同安排，以及基础设施最终由谁控制。未来的发展合作或许将不再主要围绕援助方会议展开，而是更多地围绕数据中心展开。

第三项转变或许最为不同寻常：一些人工智能企业和大型科技公司正开始呈现出“准主权行为体”的特征。它们并非国家，但由于掌控着国家所需的关键资源，其行为方式日益接近拥有权力的非国家行为体。微软对G42的15亿美元投资，不仅包括少数股权，还涉及董事会席位，以及向美国和阿联酋政府作出的安全保证。这并不意味着微软已经成为一个国家，但它确实表明，前沿科技企业正在成为国家之间具有战略意义的中介力量。

除了改变哪些行为体能够塑造国际关系之外，人工智能也在改变这些行为体的思维方式。当政府依赖人工智能扫描信息、总结事件并生成情景时，这些系统便开始影响哪些信息能够层层上达至决策者，以及哪些信息可能被忽视。因此，人工智能正在影响哪些未来情景被视为具有现实可能性、哪些威胁被认为迫在眉睫，以及哪些政策选项能够进入决策议程。换言之，尽管人工智能尚未在决策桌前拥有一席之地，却已经开始影响议程的设定。

未来的国际关系将由一系列新的角色共同塑造，其中既包括主权国家和现行国际秩序中的传统权力主体，也包括科技巨头乃至技术本身等新兴参与者。对于领袖们而言，当前的问题已不再是是否接受这一现实，而是如何发展与之相适应的战略前瞻能力、制度体系和想象力，从而对这一新格局实施有效治理。

如果说人工智能正在重塑战略前瞻试图理解的世界，那么它也在改变前瞻实践者认识这个世界的方法。只要不将人工智能视为能够预知未来的“神谕”，而是将其作为一种功能强大但并非不会出错的研究工具，它就能显著拓展前瞻团队的研究能力。

人工智能主要可以通过以下四种方式融入前瞻工作流程：

人工智能还可以加快信息综合和情景开发。它能够协助识别关键因素、梳理不同驱动因素之间的关系、检验假设，并快速生成多个逻辑连贯的叙事。这些成果此前被称为“第一轮未来图景”，即对各种可能性空间进行初步勾勒，为更深入的人类讨论提供支持。但必须认识到，这类成果应被视为过程性文件，而非最终定论。人工智能可以拓展分析的结构性、速度和广度，但人类仍须负责界定问题、设定质量标准、核实信息来源，并判断哪些内容具有战略意义。从这个意义上说，人工智能的潜力并不在于取代战略前瞻领域的专业能力，而在于为实践者提供更丰富、更广阔的研究基础，使人类判断能够以此为起点进一步展开。

人工智能在为战略前瞻创造价值的同时也可能带来风险。人工智能的风险并不只存在于技术层面，还涉及认知、制度和政治层面。它可能生成虚假信息，复制占据主导地位的叙事，压缩讨论和审议过程，并产生看似令人信服、实际可靠性却并不相称的结果。

在企业战略团队、政府和国际组织中，生成式人工智能已经开始重塑早期战略前瞻工作的开展方式，但速度的提升也带来了一个悖论：前瞻成果生成得越快，我们越可能停止构建支撑这些成果的思考过程。如果将人工智能生成的内容视为最终交付成果，而非进一步分析的起点，那么赋予情景战略价值的审议过程（包括意见分歧、问题重构以及由认知挑战带来的不适）就可能被压缩，甚至被完全跳过。

速度还可能制造一种更为隐蔽的错觉。当人工智能系统处理海量数据并生成逻辑连贯的叙事时，它可能使人们误以为未来正在变得更加可预测。这或许是其中最突出的风险：规范开展的战略前瞻并不以预测未来为目标，而是旨在拓展我们能够想象并为之做好准备的未来范围。真正的挑战并不在于是否使用人工智能，而在于如何使用人工智能，同时避免战略前瞻实践被掏空。

为避免这些问题，应坚持以下四项原则：

人工智能可以成为情景分析过程中的重要协作者，但人类的参与仍然不可或缺。这是因为，情景不仅是对各种可能未来的描述，更重要的是改变人们认识不确定性的方式、围绕不同选择展开讨论的方式，以及决定下一步行动的方式。因此，我们应当有意识地区分：哪些工作可以借助更多人工智能快速完成，哪些工作则需要投入更多人力，以更审慎、缓慢的方式推进。

从表面上看，人工智能似乎正在将战略前瞻能力赋予更多非专业人士。然而，它实际上也可能在不易察觉的情况下集中认知权威，并使由此产生的结论变得难以改变。

当少数人控制着问题的设定方式时，人工智能不仅会反映他们的假设，还会放大这些假设并赋予其正当性。人工智能生成的内容结构流畅、条理严密，因而显得格外具有分析性和全面性。原本应由可明确识别的人类判断主体承担的责任，也会悄然分散到工具本身。在没有具体个人或组织能够对结论提出质疑的情况下，这些结论在实践中将变得难以挑战——并不是因为它们必然正确，而是因为人们找不到明确的质疑对象和反驳渠道。这就是“前瞻俘获”。它尤其具有迷惑性，因为掌控提示语设计的人，最终也就掌握了界定我们如何理解未来的权力。

领袖们真正应当追问的，不是所使用的人工智能工具是否足够先进，而是其战略前瞻过程能否让组织内部成员切实参与、提出质疑，并由此建立信任。

人工智能在扩大可及性与保障信号质量之间的张力，进一步凸显了这一问题。人工智能或许可以让更多人使用战略前瞻工具，但参与情景构建的人数增加，并不必然意味着前瞻工作的质量随之提高。如果不同组织依赖相同的模型、提示语和主导性假设，人工智能就可能在扩大参与范围的同时压缩想象空间，以精致且看似可信的形式不断输出人们熟悉的世界观。

因此，代际前瞻等主张所关注的并不只是代表性问题，也关乎信号质量。未来将长期承受当下决策影响的人，与未来之间的关系较少受到沉没成本和现有制度承诺的制约；年长的领导者则能够带来经验、历史记忆，以及对决策后果更为深刻的认识。真正的价值存在于不同代际之间的对话之中。人工智能可以快速生成分析成果，却无法人为创造使这种对话真正具有意义的信任、指导关系，以及隐性知识的传承。

随着人类对人工智能的依赖日益加深，采用混合智能模式也变得愈发重要。这一模式既要充分利用智能体人工智能的研究能力，又要始终将人类判断置于优先位置。以下三项原则可以为混合智能的实践提供指导：

原则一：编写提示语之前，首先明确意图

在输入提示语之前，我们需要先明确使用人工智能的意图。这意味着必须清楚界定：需要回答什么问题，答案面向哪些受众，应在何时完成，以及何种内容最具实际价值。

要使这一意图切实发挥作用，就必须明确以下三个具体要素：

需要警惕的是，人工智能通常会默认生成看似“全面”且“结构严谨”的内容，但这并不必然意味着成果质量良好。明确数据要求、最低限度的交叉验证标准以及应当使用的信息来源，都是保障成果质量的重要条件。在打开人工智能工具之前先撰写一份任务简报，可以显著提高生成结果的质量。要求人工智能工具提供高质量提示语模板，也是另一项非常有效的实践方法。

原则二：结果输出后，先检查再使用

每一项由人工智能生成的成果都应附带一个隐含标签：在完成验证之前，一律视为过程性文件。

以下三项核查最为重要：

需要避免的陷阱是将格式上的可信感误认为实质上的可靠性。即使推理基础十分薄弱，一份结构清晰、编排整齐的分析也容易给人以严谨之感。因此，应将清晰的结构视为一种有用的默认呈现方式，而不能将其作为成果质量的证明。

原则三：不仅要管理产出，还要治理产出生成过程

第三项工作最少受到讨论，却可能产生最为深远的影响。这里的“生成过程”，是指人工智能产出得以形成的整个过程。在这一阶段，以下三种做法有助于提高分析质量：

混合智能面临的挑战并不会随着提示语质量的提升或验证机制的加强而终结。在战略前瞻中使用人工智能，还可能改变这项实践所处的领导和治理环境：由谁界定问题、由谁接受答案、由谁质疑假设，以及最终由谁对未来情景拥有主导权。

人工智能对战略前瞻和未来思维领域的影响并非绝对有利，也并非全然有害。这项技术能够为情景构建和数据分析的部分环节提供支持，但也可能以表面精致、实则内容泛化且缺乏洞见的产出，取代经过审慎思考的人类分析。

因此，战略前瞻实践者面临的挑战，既不是拒绝将人工智能融入前瞻实践，也不是不加批判地接受人工智能，而是要审慎评估人工智能系统和科技公司不断演变的角色，以及它们作为具有影响力的非国家行为体，在全球政治和未来规划中发挥的作用。

人类判断必须始终是战略前瞻过程不可或缺的组成部分，并与人工智能协同作用，共同构建更具合理性、更为细致且更加负责任的未来图景。在人工智能驱动的变革使未来日益复杂且充满不确定性的背景下，战略前瞻比以往任何时候都更加重要。通过在把握人工智能所带来机遇的同时充分认识其局限，战略前瞻可以继续帮助领导者为范围广泛的各种可能未来做好准备。

本文作者：

Maha Hosain Aziz，纽约大学国际关系教授

Michael Costigan，Salesforce Futures副总裁

Olivier Desbiey，安盛集团前瞻业务负责人

Group Head of Foresight, AXA

Taylor Hawkins，明日基金会董事总经理

Rene Rohrbeck，法国北方高等商学院净正效益商业中心主任

Doris Viljoen，斯泰伦博斯大学商学院未来研究所所长

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。