2026年的今天，中美两国正在AI基础设施上投入超过万亿美元。北京和中关村各自宣称要建"全国一体化算力网"和"AI基础设施"。这两个叙事听起来截然不同——一个像中央计划，一个像商业竞争。

但如果把时钟拨回1962年，你会发现一个惊人的事实：这两个叙事源自同一个已经死去的梦想。

那一年，苏联控制论学家维克多·格卢什科夫向苏共中央提交了一份报告，提议建设一个覆盖全苏联的经济数据实时采集与最优计划网络——全苏自动化系统（OGAS）。这个系统要在莫斯科设立国家计算中心，在每个加盟共和国设立区域中心，在每个企业安装数据终端，用电话线把所有经济活动实时传输到中央。

这不是科幻。格卢什科夫的团队已经在维尔纽斯证明了技术可行性。

但OGAS最终没有建成。它死于克格勃。不是因为它技术不可行，而是因为克格勃报告说：这个系统让中央计划局和经济部门的每一个人都变得透明——而官僚体系无法容忍被透明。

六十一年后，格卢什科夫的幽灵同时盘旋在北京和硅谷上空。只是这一次，两边都选择了拥抱它，但拥抱的方式截然不同。

一、OGAS为什么失败：不是技术问题，是政治问题

OGAS的故事经常被简化为"苏联计算机太落后，所以搞不成计划经济信息化"。这个判断半对半错。

苏联的计算技术确实落后于美国，但没有落后到不可用的程度。格卢什科夫的乌克兰控制论研究所1960年代已经研制出了小型控制计算机MIR系列，设计了全国远程处理网络的架构。1965年，他们在维尔纽斯的Sigma工厂跑通了原型——远程采集生产数据、自动生成最优排产计划，效果显著。

真正杀死OGAS的是两份文件。

第一份，1970年克格勃主席安德罗波夫给苏共中央的密报。核心观点是：OGAS将把全国所有经济活动的实时数据集中在同一个系统中，这意味着中央计划局和各部委的每一个决策——包括错误决策——都将被记录、可比较、可追溯。克格勃的判断是：这个系统会让官僚体系的"黑箱操作"不再可能，从而引发政治动荡。

第二份，1972年以"国家经济管理自动化系统"为名义的替代方案。这个方案保留了OGAS的硬件架构，但去掉了核心功能——实时数据采集和最优计划算法。它变成了一个纯粹的统计信息系统，只上报，不决策，不优化。本质上，它是一个没有大脑的OGAS。

格卢什科夫的政治对手不是不懂技术，而是太懂技术——他们准确地预见到了OGAS会做什么：让权力从"人"转移到"系统"。

这是OGAS的致命悖论：计划经济需要OGAS才能有效运转，但计划经济体制不允许OGAS存在，因为OGAS会让体制本身透明化。

二、信息高速公路为什么成功：不是技术胜利，是制度巧合

1991年，戈尔在美国参议院提交了《高性能计算法案》，这是信息高速公路（NII）的立法起点。1993年，克林顿政府正式宣布建设国家信息基础设施。

表面上的叙事是：美国要用光纤网络把每一所学校、医院、图书馆连接起来，开启远程教育、远程医疗、电子政务的新时代。

实际上的叙事是两件事。

第一，美国制造业在1980年代被日本打垮了。汽车、半导体、消费电子——一个接一个阵地失守。美国需要一个新的经济增长极，而当时还在美国军方手里的互联网，是手头最现成的牌。戈尔推动NII的核心动机不是技术理想主义，而是产业竞争力危机。

第二，AT&T在1984年被拆分，长话市场开放竞争。这是NII能成功的制度前提——如果美国没有在1980年代完成电信业的分拆和竞争化，1990年代的互联网建设会像欧洲一样缓慢。

但信息高速公路最被忽略的成功因素，不是光纤，不是TCP/IP，不是浏览器——而是美国政府主动放弃了对网络的控制。

这不是某种高尚的选择。1994年，克林顿政府内部有过激烈争论：联邦政府是否应该直接建一个"国家宽带网"？戈尔原本倾向于政府主导，但他的经济团队算了一笔账——政府没钱，而且当时的电信公司（CATC、RBOCs）已经在铺光纤了，政府强行介入只会引发诉讼。

于是克林顿政府做了一个务实的选择：政府出政策，市场出钱。1996年电信法进一步开放竞争，FCC的E-Rate项目给学校和图书馆提供补贴但不运营网络。

这个选择的历史后果是：美国互联网变成了一片无主的荒野——没有中央计划，没有国家控制，任何人都能建网站，任何公司都能铺光纤。这种"混乱"恰恰是创新的燃料。

信息高速公路的本质不是一套技术方案，而是一套制度安排：政府催化但不控制，市场主导，资本狂欢。

三、中国的第三条路：OGAS的骨架，硅谷的皮肉，AI时代的操作系统

2000年之后的中国互联网，表面上看是信息高速公路的中国翻版——TCP/IP、浏览器、电商、社交网络、移动支付，该有的都有了。

但底层逻辑完全不同。

如果你把中国今天的数字基础设施画成一张架构图，它长得很像OGAS：

  • 国家算力枢纽（类似OGAS的国家计算中心）——东数西算工程，八大算力枢纽
  • 省级数据中心（类似OGAS的区域中心）——各地大数据局、政务云
  • 企业/个人数据终端（类似OGAS的终端）——但这里不是苏联的工厂，而是14亿部智能手机和数亿台物联网设备
  • 中央数据流（类似OGAS的经济数据实时传输）——但传输的不是产量和库存，而是消费行为、地理位置、社交关系、支付记录

中国实际上建成了OGAS——不是用格卢什科夫的方式，而是用马云的皮肉包裹着列宁的骨架。

这个体系的优势在过去几年反复被验证：疫情防控中的健康码和流调——实时数据采集加中央决策加终端执行，这是OGAS的完美实践；数字人民币——如果建成，货币流转全透明，每一笔支付的去向可追溯——这是格卢什科夫1970年代梦想的控制论货币；工厂数字化——工信部的智能制造政策，本质上是用工业互联网把制造业数据实时回传，用AI做排产优化——这是OGAS工厂级自动化的2026年版本。

但这个体系也有OGAS原生的弱点：当权力太过依赖看得清来决策，它就会对看不清的东西产生本能恐惧。 防火墙的哲学，和克格勃当年反对OGAS的逻辑是同一枚硬币的两面——只是苏联选择了"因为看不清所以不安全"，而中国选择了"因为不安全所以必须看清"。

不同的选择，同样的技术决定论底色。

四、AI时代的交汇点：当所有国家都变成OGAS

2023年之后，AI大模型的崛起把这场六十年的博弈推到了一个全新的交汇点。

美国正在悄悄地建设自己的OGAS。

Five Eyes情报共享网络已经存在了半个多世纪，但AI时代出现了新需求：训练大模型需要海量数据，联邦政府需要AI能力来管理自身庞大的信息系统，军方需要AI来加速决策。

Palantir市值突破千亿美元不是偶然。它是美国版本的OGAS内核——一个用Ontology包装的数据操作系统，连接政府、军方和企业的数据，用AI优化决策。 区别只在于：苏联的OGAS由克格勃运营，而美国的OGAS由一家公开上市公司运营，客户包括CIA和特种作战司令部。

中国正在拥抱信息高速公路的商业逻辑。

2026年的中国，AI开源生态正在成为全球最大的开发者社区之一。深度求索（DeepSeek）把顶级推理模型开源，Qwen系列成为全球下载量最大的开源模型之一。在AI模型层，中国在复制信息高速公路的去中心化创新模式。 但在AI应用层，数据仍然留在国家的围墙花园里。

苏联的幽灵同样困扰着中美两国，只是方式不同：

  • 中国的问题：当算力网络建成后，谁来定义最优？中央计划局不再存在，但平台算法正在扮演同样的角色——决定你看到什么、买到什么、甚至能做什么。OGAS从未建成，但它的架构正在以推荐算法的形式，嵌入每一个中国人的手机。

  • 美国的问题：当数据集中在三五家巨头手中，谁来监督这些私人中央计划者？GAFA的权力已经比苏联任何一个部委都大——它们决定新闻的真实性、商品的可得性、言论的边界。信息高速公路没想到的是，去中心化的网络最终会孕育出比苏联更集中的数据权力。

五、AI时代的OGAS恐惧

回看OGAS失败最根本的原因：克格勃对透明化的恐惧——不是恐惧技术，而是恐惧真相本身。

AI时代正在重演这个恐惧，但主角换了。

2026年的克格勃不是任何一个国家的安全部门，而是大模型本身。

当AI系统的复杂度超越人类的理解能力，当模型内部的决策路径无法被完全解释，当AI Agent开始自主执行复杂任务——人类集体面临一个格卢什科夫式的选择：

你敢让一个你无法完全理解的东西，替你做出关键决策吗？

苏联的选择是不，于是OGAS死了。

今天的中美都在说可解释AI、AI安全，但谁都没有真正的答案。美国的方法是让市场解决，中国的方法是让政府监管。但从OGAS的历史来看，这两种方法都不是答案——真正的答案可能不在技术路径里，而在制度路径里。

格卢什科夫晚年说过一句话，值得记在AI史册上：

他们（官僚）说OGAS太危险，因为它会让所有人的决策都变得透明。他们说对了。但我要说的是：如果你害怕透明，那你的决策本身就有问题。

在AI时代，这句话可以改写为：

如果你害怕AI无法解释，那你的决策流程本身就需要重新设计。

结语：六十年的循环

1962年到2026年，六十四年。

OGAS从未建成，但它的架构在每一个现代数字系统中复活。

信息高速公路从未被中央计划，但它催生了比任何中央计划更强大的集中化平台。

中国走了第三条路——用市场经济的皮肉包裹OGAS的骨架——但这个缝合体正在AI时代面临最严峻的压力测试。

美国走了信息高速公路的极致版本——政府彻底放手，市场自我演化——但GAFA的私人中央计划正在引发比苏联OGAS更深刻的治理危机。

两个世界，同一个问题：当算力足够强大，数据足够完整，决策者（无论是国家还是平台）是否愿意接受透明化的代价？

苏联用不建OGAS回答了这个问题。

今天的中美还没有回答——但每一个新的数据中心、每一块新的GPU、每一个新的AI模型，都在把这个问题推得离我们更近。