全球主权AI实验室巡礼-序章 - 爱吱声

Jensen Huang穿着那件价值几千美元的黑色皮夹克站在台上，面对台下沙特、阿联酋、印度、日本的部长和王室成员。他的声音低沉而笃定：

"每个国家都应该拥有自己的主权AI。你不能允许这种事情由别人来完成。"

"有一种新型的数据中心——不是用来存文件的，是用来生产智能的。每个国家都需要一座。"

那一刻，全球最贵的一场推销完成了它的加冕仪式。一个诞生不到两年的概念——"主权AI"——被正式写入了每一个在座国家的政策备忘录。而说出这个词的人，恰好是那个控制了全球AI训练芯片80%以上市场的公司的掌门人。

这是21世纪最精致的商业悖论：一个垄断者，在兜售反垄断方案。一个美国公司，在鼓动世界摆脱美国的科技依赖。一个本身就是"主权风险"的实体，在兜售"主权解决方案"。

Jensen Huang是世界历史上最成功的军火商——只是他卖的不是子弹，是GPU。而当军火商开始呼吁"和平"的时候，你最好读一下合同条款。

因为这场主权AI运动的真相是：不管你选哪条路，路都是由NVIDIA铺的。

这个系列试图讲述的，就是在Huang的布道词背后，地球上正在发生什么。

在首尔，韩国最大的互联网公司Naver Cloud在"国家代表AI"项目第一轮评估中出局。理由不是它不会做AI，而是它提交的HyperCLOVA X SEED 32B模型被指使用了阿里Qwen的视觉编码器和权重。在技术世界里，这叫复用成熟开源组件。在地缘政治世界里，这叫主权瑕疵。

在阿布扎比，G42的高管们正坐在谈判桌前——对面是美国商务部的官员。谈判内容不是估值、不是股权、不是技术路线图。而是：你们必须切断与所有中国科技公司的联系，否则微软的15亿美元投资将被华盛顿拦下。一个中东公司的主权AI，需要美国批准，才能获得美国投资来对抗中国影响。"主权"两个字，在这里被压得很薄。

在孟买，AI4Bharat实验室的研究生们正在把自己的祖母拉进录音棚。她们要录的不是流行歌曲——是泰米尔语的日常对话、马拉地语的童谣、泰卢固语的菜谱。这些声音将变成印度主权AI的训练数据。技术工程当然在场，但更刺眼的是另一件事：22种官方语言、上万种方言，正在对抗一个只用英语思考的AI帝国。

在苏黎世，工程师们在一个前身为教堂的建筑里调试Alps超级计算机。他们正在训练的Apertus模型支持罗曼什语——一种只有4万人使用的瑞士少数民族语言。4万人的语言，值得拥有自己的AI吗？瑞士人的回答没有犹豫：如果AI只需要服务"足够多"的人群才算有价值，那AI本身就不值得被信任。

在首尔（另一个场景），韩国国家代表AI项目的评审规则中有一条红线：模型必须证明自己不是被外部技术牵着走。Naver倒在了这条线上。《东亚日报》的标题冷如刀锋："Naver、NC在国家AI第一轮评估中出局。"在这个二选一的世界里，技术洁癖已经变成了一种战略资产。

在伦敦，英国AI安全研究所的研究员们正在对一家美国公司的前沿模型进行极限测试：它能设计生化武器吗？它能自主复制吗？它会系统性说谎吗？他们不建模型——他们审模型。这里的主权不靠建造，而靠否决。

在华盛顿，政策圈子里没人说"主权AI"这个词。不需要。当你的产品是全球默认值时，"主权"是你不需要强调的东西。OpenAI的GPT、Google的Gemini、Anthropic的Claude、Meta的Llama——这些不是产品，是默认操作系统。当每个人都在用你的基础设施时，你不需要主权这个概念——你需要的是让这个概念显得像是别人自己想到的。

把这些场景放在一起，图景就清楚了：一个芯片垄断者在全球推销"去中心化"。一个不需要"主权"的国家在替别人设定主权的边界。其余七十多个国家，则用砸钱、立法、开源、自研、选边站，回应同一个问题：

当硅谷的API和模型渗透进你的政务系统、你的母语语料、你的国防决策时——你还有没有说"不"的权利？

如果有人问我这个系列为什么没有单独的"美国篇"，答案很简单：美国不是这场运动的参与者，它是这场运动的原因。

全球AI权力结构有一个根本性的不对称：一家美国公司控制了80%以上的AI训练芯片（NVIDIA）。三家美国公司控制了全球三分之二的云计算市场（AWS、Azure、Google Cloud）。五家美国公司定义了前沿AI模型的标准（OpenAI、Google DeepMind、Anthropic、Meta、xAI）。超过60%的全球顶尖AI研究人员坐在加州的办公室里领工资。

这组数据描出的，不是普通市场参与者，而是一个帝国的轮廓。

当你的技术已经渗透到全世界每一个智能手机的默认输入法、每一个跨国企业的ERP系统、每一个政府的自动化决策流程时，你不需要"主权AI"这个词。你需要的是让这个词听起来像是别人自己想出来的——这样他们就会心甘情愿地用你的芯片来"对抗"你的霸权。

把美国放进这个系列里"巡礼"一章，就像在一本反殖民主义的著作里，用同等篇幅给大英帝国一个"案例研究"——这不仅是逻辑上的不自洽，更是叙事上的投降。美国的AI不是主权AI的一种，它是所有其他主权AI试图解决的问题。

一个关键的认知锚点：历史上，权力从来不需要给自己命名。"自由贸易"在19世纪不需要前缀——因为大英帝国的海军定义了什么是"自由"。"国际秩序"在20世纪不需要解释——因为华盛顿定义了什么是"秩序"。

同理，"AI"在2024年之前不需要"主权"这个前缀——直到各国政府突然意识到了一件事：

他们租用的API可能会被关停。他们依赖的云服务受制于外国法律。他们委托训练的模型在回答政治敏感问题时，会先经过加州的价值观审查。

2023年，美国商务部长雷蒙多说："我们不会允许中国获得可以用来对付我们的先进芯片。"这番话的本意是遏制中国。但它的副作用是——所有其他国家都听到了同一条信息：在AI的牌桌上，发牌权在华盛顿手里。你能不能上桌，牌注多大，游戏规则是什么——不由你决定。

全球主权AI运动真正开始于那一刻：一个又一个国家发现，自己的AI基础设施并不是稳固的基础设施，而更像租来的领空。

Snowden在2013年揭露的事实——美国科技公司向NSA提供用户数据——在当时被准确地描述为"监控丑闻"。但现在回过头看，那个事件是数字主权时代的奠基时刻。它第一次让全世界意识到：基础设施不是中性的。云端不是无主的。一个美国公司的服务器，就是美国领土的数字延伸。

而当AI模型能够处理的信息深度远超通信元数据——它能理解你的文化价值、模拟你的经济行为、预测你的政治决策——这种依赖的代价就不再是"隐私风险"，而是生存焦虑。

一个使用OpenAI API处理外交电报的欧洲国家。一个依赖Google翻译保护少数民族文化的东南亚政府。一个在微软Azure上运行国防后勤AI的北约成员国。在关键时刻，他们有没有说"不"的权利？

答案很可能是否定的。因为"说不"的代价不是换个供应商，而是整个AI基础设施的瘫痪。锁定效应走到这里，已经从技术锁定变成了存在性锁定。

本系列故意把美国从"被观察者"的位置上移除，不是因为它不重要——恰恰相反，是因为它太重要了，重要到如果你把它放在任何一个国家的旁边对比，它会把所有其他故事都吞没。

只有当你读完了中国全栈突围的代价、欧洲合规护城河的挣扎、中东"钱买主权"的悖论、印度22种语言的AI正义之战、英国用"审计权"替代"建设权"的智慧、新加坡用5.6万平方公里撬动6.8亿人的野心——你才会真正理解美国那套"AI就是AI"的叙事有多奢侈。

帝国不需要护照。因为在帝国的视角里，世界就是它的疆域。

而本系列要做的事情，恰恰相反——它要让帝国之外的所有人，重新画一张自己的地图。

"主权AI"从学术角落词变成国家战略核心，只用了不到五年。但这条演化路径本身，就是一部全球权力转移的微缩史。

2013年，Edward Snowden从夏威夷飞往香港，随身携带的硬盘里装着美国NSA全球监控计划的证据。PRISM项目名单上赫然列着Google、Facebook、微软、苹果。

"我们所有的数据都在美国的服务器上。"这个事实在被间谍活动利用之前，首先是一种主权放弃。2018年，GDPR以一种几乎报复性的严厉姿态登场。2019年，德国和法国共同推出GAIA-X——一个旨在建立欧洲自主云基础设施的计划。

这个阶段的"主权"还是朴素的：数据留在我境内。服务器由我控制。不要所有的技术栈都指向西海岸。

这是一个关于物理控制的焦虑时代。AI此时还不在讨论的中心——它看起来太遥远了。人们不知道的是，这种天真正在倒计时。

当AI开始被部署在司法、医保、信贷、招聘系统里时，全球涌起了一场关于"可信AI""伦理AI""以人为本AI"的政治正确浪潮。

2019年，OECD发布AI原则。2021年，UNESCO发布AI伦理建议，193个国家全票通过——这是人类历史上第一次所有国家对一项技术同时说"我们应该善良一点"。

但这场运动有一个致命的空洞：它只讨论"应该怎么做"，从不讨论"能不能做"。

没有人在这个阶段提算力。没有人在这个阶段提芯片。没有人问："如果你没有10,000块NVIDIA GPU，你讨论的'主权AI伦理框架'是在讨论什么？空气吗？"

事后回看，这个阶段像是全球政策制定者的一场集体自我麻醉——用伦理宣言替代能力建设，用措辞工整的公报替代产业战略。价值观讨论是廉价的。GPU很贵。

2022年11月30日。OpenAI发布了ChatGPT。两个月内，1亿用户。人类历史上增长最快的消费级应用。

但真正的震撼不是用户增长数字。真正让各国政府夜不能寐的是另外一组数字：

一块H100 GPU：2.5万到4万美元。训练一个GPT-4：至少需要10,000块。总成本：硬件2.5亿美元。加上数据中心、电力、冷却、人员——5亿起步。唯一的大规模供应商：NVIDIA。美国政府刚刚宣布：不许往中国卖。

那一刻，"主权AI"从一个论文关键词变成了一个国家安全议题。因为所有人都算清楚了一笔帐：在这场游戏里，门票是一万块H100。没有门票就没有入场资格。而售票窗口只有一间，且窗口上方挂着星条旗。

Jensen Huang抓住了这个历史性的窗口。2024年2月在迪拜，3月在GTC，每一次财报电话会议——"主权AI"从他嘴里说出来，不像学术词汇，像价格标签。每个国家都需要的"AI工厂"，恰好由NVIDIA提供全套施工方案。

有人讽刺他是"卖铲子的"——1850年代加州淘金热、赚得最多的不是淘金者、而是Levi Strauss的牛仔裤和Samuel Brannan的铁锹。但Jensen Huang要聪明得多：他不是在淘金热旁边卖铲子——他告诉所有人这里有金矿，然后说："顺便，铲子只有我卖。"

一边，芯片出口管制不断收紧。2022年10月第一轮。2023年10月第二轮。2024年更新。2025年加码。从GPU性能门槛到互联带宽，从最终产品到制造设备——美国试图在AI芯片的每一个技术维度上建立检查站。

另一边，主权AI基础设施投资正在变成全球最大规模的公共支出运动之一。欧盟AI大陆行动计划——2000亿欧元。美国CHIPS法案——527亿美元。欧盟芯片法案——430亿欧元。中国大基金三期——475亿美元。日本——约250亿美元。沙特——据报400亿美元AI基金。全球70多个国家发布了国家AI战略。

而中国DeepSeek在2025年1月引发的全球震动，给这场运动注射了一剂强心针：DeepSeek-V3技术报告披露的训练算力成本约557.6万美元，随后R1又把这种低成本高性能叙事推到了华尔街面前。NVIDIA市值一天蒸发近6000亿美元。

"没有最先进芯片就造不了最先进AI"——这个信念只存活了短短48个月。

到这里，AI基础设施已经从企业资产变成了国家领土；一套新的地缘政治逻辑也随之出现。

要理解为什么主权AI如此迫切，必须先看清一个令人不适的事实：人类历史上从未有任何一种技术基础设施，像当前的AI一样集中在如此之少的公司和如此之少的国家手中。

在一个成熟市场中，一家公司占据50%份额就被认定具有市场支配地位。80%以上是什么概念？这意味着NVIDIA不是市场参与者——NVIDIA是市场本身。

这个供应链的任何一个节点，都在单一公司或单一国家手中。NVIDIA设计、台积电代工、CoWoS封装、SK海力士HBM供应——四个节点，跨越四家公司，但四家公司全部在一个地缘政治轨道上：美国及其最亲密的半导体盟国。

供应链上的任意一个节点被政治化，就足以瘫痪全球AI发展。而美国已经在这么做了——不是通过市场手段，是通过出口管制。

2022年10月。2023年10月。2024年更新。2025年加码。从GPU性能指标到互联带宽，从芯片本身到制造设备（ASML的EUV光刻机）——美国正在AI芯片的每一个技术参数上设置检查站。"贸易限制"已经不足以描述这套机制，它更接近一种常态化的技术封锁外交。

AWS（31%-33%）、Azure（23%-24%）、Google Cloud（11%-12%）。三家美国公司，合计控制全球约三分之二的云基础设施市场。

当一个国家的政府将政务服务迁移到"AWS东京区域"或"Azure法兰克福区域"时，数据确实在地理上位于该国境内——但管辖权呢？美国《云法案》（CLOUD Act）授权美国政府要求任何美国云服务商交出存储在海外的数据。不是需要当地法院的配合。是直接要。

所以"主权云"首先不是技术术语，而是管辖权概念。德国、法国、印度、阿联酋——不管是自由民主国家还是君主制石油国——都在做同一件事：建自己的数据中心，用自己的法律管辖自己的数据。因为不论一个云服务商的"区域"叫什么名字，只要它注册在特拉华州，它就最终回应特拉华州法院——以及华盛顿。

到2026年，真正拥有从零训练前沿大模型能力的实体，全球不超过15个。其中超过一半在美国。

OpenAI的GPT-4o。Google的Gemini。Anthropic的Claude。Meta的Llama。xAI的Grok。欧洲只有Mistral。中国有DeepSeek、Qwen、ERNIE。阿联酋有过Falcon。韩国正在攻关。印度刚刚起步。

训练一个Griffin级别的模型——算力的估计已经逼近10亿美元。这已经不只是"昂贵"，而是结构性排他。对于绝大多数国家来说，训练前沿大模型不是一个"难不难"的问题，而是一个"有没有资格"的问题。

更残酷的是：能力差距不是在缩小，而是在系统性地拉大。领先模型正在从"更好的语言理解"演进到"推理能力、自主代理、多模态感知、工具使用"——这些能力定义的下一代AI，将不是"参数更多的LLM"，而是一个全新的技术物种。如果你现在才刚入门LLM，你已经落后了一代。"模型鸿沟"正在变成"物种鸿沟"。

非洲贡献了全球不到1%的AI训练数据，却拥有17%的世界人口和约2000种语言。全球约7000种语言中，不到4%在主流AI训练数据中有意义的存在。

问题不在于数据采集不够努力，而在于分配结构本身。AI训练数据主要来自互联网。互联网的内容主要由富裕的、英语为主的、北半球的创造者生产。AI从这个互联网学习，它的"世界观"就是这个互联网的世界观。然后这个AI被部署到全世界——成为一个披着科技外衣的地域偏见。

这四根支柱——芯片、云、模型、数据——共同撑起了一个权力结构的穹顶。而这个穹顶的中心在加州。

主权AI运动的一切，无论是DeepSeek在芯片封锁下的奇迹、还是印度把祖母的泰米尔语录入训练集、还是瑞士为4万人的语言训练模型——都是在尝试在这个穹顶上凿开一扇窗。

2023年10月17日，美国商务部工业与安全局（BIS）发布了一份长达数百页的出口管制修订案。核心条款是：对华禁售超过特定算力密度的AI训练芯片。A100不行。H100不行。此后推出的任何高性能AI芯片，只要技术指标越过红线，一律禁售。

对中国来说，这是一次国家级"断供"。对全世界来说，这是一个示范：如果华盛顿可以切断北京的芯片供应，它能不能切断任何一个国家的？

答案不需要猜测。依赖NVIDIA GPU的每一个国家都在同一时刻意识到——你的AI基础设施不是你的。它是一根管子，管子的阀门在别人的手里。而那个人刚刚当众拧了一下。

"掐脖子"已经从中国的特定焦虑变成了全球共用词典。如果你没有替代芯片来源、而你又不是美国的"盟友"、或者你今天是盟友但明天可能因为一项新政策变成"有限合作伙伴"——你的AI主权不是被论证着丧失的，是被政策一次性注销的。

冰岛。人口不到40万。冰岛语，古诺尔斯语的直接后裔，记录了一千年前的维京史诗。冰岛有句谚语："语言是穿上外套的思想。"如果你丢了外套，思想赤裸、无处可去。

2023年，冰岛教育部长公开说了这样一段话：如果下一代冰岛孩子对着手机和电脑只说英语，冰岛语将在两代人内变成博物馆里的展品。 这位部长不是在危言耸听——他是在描述一种已经开始了的过程。冰岛政府紧急与OpenAI合作，把自己的语言塞进GPT-4的训练数据。

荷兰语正在被"Dunglish"侵蚀——学生在ChatGPT上写作业，输出的荷兰语在句式结构上越来越像英语。巴西两亿人的葡萄牙语，正在被欧洲一千万人的葡萄牙语版本"殖民"——因为AI训练数据以欧葡为主，巴葡被视为偏差。尼日利亚的伊博语使用者在ChatGPT上用伊博语提问，回复是约鲁巴语——因为AI分不清这两种完全没有亲缘关系的非洲语言。

地球上约7000种语言，只有不到4%在主流AI训练数据中有意义地存在。对于剩下96%的语言——和说这些语言的数十亿人——AI不是工具。AI是一个沉默的灭绝事件。 它不主动消灭你。它只是假装你从未存在过。

"A few platforms own the digital infrastructure of society. Everyone else — including national governments — are merely tenants."

"数字封建主义"这个词正在从科技批评的边缘进入政策制定的中心。

这个概念描述的秩序是这样的：少数科技巨头——以加州为核心——拥有云计算、AI模型、搜索引擎、社交媒体、数字支付的全部基础设施。你是一个政府，你可以"租用"这些基础设施来运行你的政务服务——但你永远不拥有它。你遵守它更新的服务条款。你接受它单方面调整的定价。你看不到它的算法是怎么做决策的。你无法审计它的安全边界。你无法影响它的进化方向。

在这个秩序里，主权国家政府是租户，科技公司是地主。你的GDP数据跑在亚马逊的服务器上；你的外交照会穿越谷歌的翻译器；你的社会福利分配依赖微软的AI模型；你的选战舆论战场由Meta的推荐算法定义。

"主权AI"在这个框架下更接近产权革命，而不只是技术竞争。它试图追问的是：当数字基础设施已经变成了社会运转的必需品，你对它的产权怎么可以是一纸服务条款？

一个外国AI系统，摄入了一个国家的全部公开数据——政府文件、卫星地图、新闻报道、社交媒体讨论、科研论文、遥感影像。它开始建立模型：经济脆弱性分布、关键基础设施冗余度、政治决策模式、社会压力点的转移轨迹、特定人群对特定信息的反应概率。

这已经超出传统"间谍活动"的范畴。它是可规模化的、自动化的、实时更新的战略剖析。传统的间谍需要十年才能建立的对一个国家的深度理解，AI可以在没有人类情报官参与的情况下完成——而且更新频率以"天"为单位。

Rishi Sunak在2023年布莱切利公园峰会上的一句话，是对这种恐惧最准确的表达："迄今为止，只有开发者了解前沿AI的能力。但责任——对后果的责任——落在我们这些民选政府身上。这种不对称不能再继续。"

直译过来就是：政府必须在最敏感的基础设施中运行的AI模型上拥有独立的安全评估能力。不能把"安全"外包给制造模型的公司的免费声明。

最后一个恐惧不是关于"他们会对我做什么"，而是关于"我永远不在历史里"。

非洲有17%的世界人口和约2000种语言，但贡献了不到1%的全球AI训练数据。非洲农民收到的AI农业建议——来自在北美和欧洲数据上训练的模型——推荐不适合当地土壤的作物品种、在当地没有销售渠道的肥料、照搬发达国家农药标准产生的不合规建议。

问题不只是"精度不够"，而是系统性不在场。AI认知世界的知识来源，决定了谁是"正常人"，谁是"偏差案例"。当训练数据96%来自前20%最富裕的语种和地区时，AI不是中立的镜子——它是一个少数人的哈勃望远镜，其余所有人都在它的可见范围之外。

"殖民经济的结构正在代码中复制自己。"这句话正在从批判性学术变成政策界的共识。技术统治往往是殖民主义最有效的当代形态：它不需要士兵，只需要算法。

这五重恐惧没有先后顺序。它们同时作用，互相加剧。当一个国家对这三个问题——锁喉之惧、语言灭绝之惧、数字封建之惧——同时感受到紧迫时，主权AI就不再是"政策选项"。它是生存本能。

如果说前四章描述的是"为什么"，那么这一章描述的是"是什么"。

主权AI不是一个单一的动作——不是"训练一个模型"或者"买一批GPU"。它是一个完整的、从物理世界延伸到数字世界的垂直堆栈。

半导体主权的核心困境是：它是一个物理上不可能在短期内去中心化的产业。台积电花了40年、数千亿美元和全球最顶尖的工程人才才走到了今天的位置。对于一个想要在芯片层面实现"主权"的国家来说——除非你是台湾、韩国、美国或中国，否则这几乎是不可能的。

所以"芯片主权"在实践中常常退化为"芯片获取主权"：我造不了芯片，但我能不能确保我能买到？

而"购买"从来不是一个纯粹的市场行为。它是一种外交行为。一种地缘政治表态。

AI超级计算机不是普通的服务器机房。一台用于训练前沿模型的AI集群，其物理要求令人眩晕：

对于大多数国家来说，建设这样一个级别的AI基础设施在物理上是可行的——但需要5000万到数亿美元的投资，以及与NVIDIA、数据中心建设商、电力公司的复杂协作。

英伟达把AI数据中心称为"AI工厂"，这个说法很准确：它们不再是传统的IT基础设施，而是类似于钢铁厂或发电厂的国家战略资产。

从零训练一个前沿大模型——不是基于别人的开源模型微调，而是从随机权重开始、用自己的数据从头训练——这是主权AI的"最高境界"。但它也极其昂贵：

这三种梯度之间的边界正是全球主权AI辩论中最激烈的技术争论之一。韩国的Naver Cloud因为在国家代表AI项目中触碰了"外部模型组件"这条红线而出局，就完美地说明了这一点。

这是主权AI的"最后一公里"——AI模型如何进入公民的日常生活。

英国的主权AI策略在这个层面提供了最有启发性的案例。英国政府或许没有能力或意愿从零训练一个对标GPT-4的模型——但他们建设了全球最先进的国家级AI安全测试基础设施。英国AI安全研究所（AISI）的定位是：我们不训练最好的模型，但我们有能力验证任何部署在关键系统中的模型是否安全。

这是一种不同维度上的主权——不是"建设权"，而是"验证权"。

欧盟AI法案是全球第一个全面的AI监管框架。尽管它的批评者——尤其是硅谷的批评者——将其描述为"欧洲在AI竞争中落后后的防御性立法"，但事实可能恰恰相反。通过设定全球最严格的AI合规标准，欧盟正在创造一个"合规护城河"：如果一家AI公司不能通过欧盟的合规要求，它就无法进入拥有4.48亿高购买力消费者的欧洲市场。

而"无法进入欧洲市场"——对于一个面向全球部署的AI产品来说——意味着在全球最大的几个市场中缺席。

制度主权靠的正是这一套打法：用规则代替资本，用标准代替算力，用合规要求代替技术优势。 在这场游戏中，谁制定规则，谁就拥有解释权，而解释权有时比模型本身更硬。

在过去的五章中，我们建立了一个分析框架——一个从沙子到智能的垂直堆栈，一种从依赖恐惧到公平危机的驱动力图谱。接下来，我们将这个框架应用到全球版图上，看到的是一个令人着迷的多样性全景。

虽然每个国家都在谈论"主权AI"，但它们各自的主权概念、实现路径和核心焦虑截然不同。以下是对本系列后续七篇的路线图预览。

第一条线是欧盟AI法案——一个重塑全球AI合规标准的规则体系。它可能比任何单一的AI模型都更有全球影响力。

第二条线是分散但多产的欧洲基础模型生态——法国的Mistral（60亿美元估值），德国的Aleph Alpha（强调可解释性），西班牙的ALIA计划（100%公共资金），以及欧洲超算联合体（EuroHPC）构建的公共算力基础设施。

第三条线是欧洲特有的焦虑——一种"数字殖民地"恐惧：欧洲消费者用美国的搜索引擎、美国的社交媒体、美国的云服务、美国的AI模型。欧洲的创新者在旧金山和北京之间寻找第三条路。

法国的Xavier Niel——电信亿万富翁——投入3亿欧元创建了开放科学AI实验室Kyutai，其Moshi语音模型以极低延迟令人惊叹。但这笔投资与微软每年超过800亿美元的AI资本支出相比，就像用刀对抗坦克。欧盟的主权AI之路是一段"在约束中寻找自由"的受难史。

日本、韩国、台湾——三个截然不同的故事，但共享一个主题：如何在一个被算力巨头定义的游戏里，找到你自己的规则？

日本的故事关于"边缘创新"——Sakana AI利用演化计算和模型融合，在没有海量GPU的情况下实现了突破。"Attention Is All You Need"的合著者Llion Jones，现在正在东京书写着"自然启发AI"的新篇章。

韩国的故事关于"技术洁癖"——韩国国家代表AI项目的争议焦点，是老牌巨头Naver Cloud因中国Qwen视觉编码器组件被判不符合"独立AI"标准。这不仅是一个技术选择，也是一种地缘站队。

台湾的故事关于"语言主权"——TAIDE模型不仅是为了让AI说"台语"，更是一种"价值对齐"的实验：如何让AI反映一个只有2400万人口、但在全球芯片供应链中占据关键位置的社会的独特文化立场？

沙特阿拉伯将2026年定为"人工智能年"。阿联酋建立了全球第一所AI研究生大学（MBZUAI），任命了全球第一位AI部长（Omar Al Olama，任命时年仅27岁），并孵化了从Falcon到Jais一系列令世界震惊的开源模型。

但最令人着迷的故事来自G42——这家阿布扎比主权财富基金支持的AI公司。2024年4月，微软向其投资15亿美元。但这笔交易的隐含条款是：**G42必须切断与所有中国科技公司的联系。**美国商务部长吉娜·雷蒙多亲自参与了谈判。

这个故事浓缩了主权AI的所有地缘政治矛盾：一个中东国家的主权AI公司，受制于美国的外交要求，向中国说"不"，然后拿着美国科技巨头的钱在全球扩张。

英国没有从零训练自己的前沿大模型——但英国拥有全球最先进的国家级AI安全测试基础设施。

英国的逻辑是这样的：算力和数据的本土化，不等于安全可控。 如果你的医院、你的电网、你的国防系统中运行着一个外国AI模型，你真正需要的不是自己训练一个替代品——你需要的是能够独立检验和验证那个外国模型的能力。

"AI Safety Institute"（后更名为"AI Security Institute"）就是这个逻辑的制度化身。它打开了一个全新的主权维度：不在于"你造不造得了"，而在于"你查不查得了"。

印度拥有22种官方语言、上万种方言、数十亿未被AI代表的母语者。从萨瓦姆AI（Sarvam AI）的小型高效模型，到AI4Bharat实验室的开源印度语模型矩阵，再到政府主导的"印度语翻译使命"（Bhashini），印度正在用开源力量和数字公共基础设施（DPI）哲学，打一场全球独一无二的语言普惠战争。

印度没有试图在"规模"上与OpenAI竞争。它的主权AI之路是另辟蹊径的：用公益精神代替商业主导，用语言覆盖度代替参数规模，用数字包容代替技术前沿。

人口560万的新加坡，凭什么成为整个东南亚的AI枢纽？答案是：新加坡不做通用大模型。它做的SEA-LION模型覆盖了东南亚十多种语言和方言——包括闽南语、潮州话这些被主流AI完全忽视的"方言"。新加坡把自己打造成了东南亚AI生态的"分发节点"。

瑞士的故事则更富有哲学意味。瑞士联邦理工学院（ETH Zurich和EPFL）发起的"瑞士AI倡议"，其Apertus模型被明确标注为"完全透明"——训练数据、训练代码、模型权重全部开放。瑞士正在将其中立、精确、可信赖的国家品牌，从钟表和银行业移植到AI领域。

这两个小国的共同策略是：不追求全能，只守住一个别人绕不过去的位置。 对中小国家来说，这比复制大国全栈更现实。

最后——当我们遍历了全球所有其他主权AI的模式之后再回到这里——中国的故事将呈现出不同的面貌。

中国是世界上唯一一个正在系统性构建全栈AI主权——从芯片设计到基础模型，从操作系统到开发者生态——的国家。这是被逼出来的。自2022年10月美国实施第一轮AI芯片出口管制以来，中国面临着全球最有针对性的技术封锁。华为昇腾芯片成为唯一的国内选项，DeepLink和FlagScale框架正在缝合异构的国产芯片生态，"鹏城云脑Ⅲ"正在成为一个国家级的算力大动脉。

但中国的故事不仅仅是"在封锁下求生存"。它也是一个关于制度能力的故事——"举国体制"如何在应对系统性技术挑战时展现出独特的优势。2025年1月DeepSeek-R1的发布，以及DeepSeek-V3技术报告中约557.6万美元训练算力成本的披露，彻底颠覆了"没有最先进的芯片就造不了最先进的AI"的认知。华尔街为此动荡了一天。英伟达市值一天蒸发近6000亿美元。

将中国放在最后，不是因为它的故事最不重要——恰恰相反。是因为只有在理解了其他所有国家"为什么做不到"之后，你才能真正理解中国"为什么必须做到"。中国的全栈突围不是一种策略选择——是所有其他选项都被封锁之后剩下的唯一一条路。

在接下来的七篇文章中，每一篇都将沿着四条主线拆解一个国家的故事：

这四条线不是用来比较"谁更好"的。它们用来揭示每个国家的制度性格——主权AI策略往往是一个国家最深层的战略文化在技术维度的投射。

2026年6月。欧盟正在就《云和AI发展法案》（CADA）做最后协调。全球70多个国家已经发布了AI战略。NVIDIA市值在3万亿美元上下振荡，一个季度卖出的GPU总值超过大多数国家全年的军费开支。全球AI年度投资正冲向3000亿美元。

"主权AI"已经从Jensen Huang的推销词变成了外交辞令、变成了国家预算科目、变成了产业战略白皮书封面标题。

对中国来说，主权AI是活下来——在芯片封锁下维持AI能力的底线，然后找机会反超。对欧盟来说，主权AI是立规矩——既然无法在模型层面竞争，那就让所有模型遵守统一的合规标准——而合规标准由欧洲来写。对英国来说，主权AI是查账权——我不建模型，但我能检验任何部署在英国关键系统中的模型是否安全。这是一种用"审计权"替代"建设权"的主权。对沙特和阿联酋来说，主权AI是买门票——石油美元换算力美元，用"别人没有的资本密度"购买AI大国的入场券。对印度来说，主权AI是语言正义——22种官方语言、上万种方言的十亿人不能被英语AI无声地抹掉。对日本来说，主权AI是绕道走——算力拼不过，就在算法层面找弯道。演化计算、模型融合、蚂蚁算法——只要能避开GPU军备竞赛。对新加坡来说，主权AI是分发权——560万人的国家不为通用AI竞争，但可以成为6.8亿东南亚人的AI分发节点。对瑞士来说，主权AI是信任溢价——最精确、最开放、最中立——用国家品牌换取全球隐私敏感领域的不替代地位。

Jensen Huang至少在一件事上没有说错：每个国家都应该有自己的AI。

但"拥有自己的AI"——这七个字，摊到全球七十多个国家和数百种语言和文化面前，意味着七十多条完全不同的路径。有些是高速公路——砸几百亿美元、调动全国家机构、从沙子到应用全栈铺设。有些是步道——几个研究员、一台开源模型、一个社群的数据众筹。有些甚至是地道——在封锁线的缝隙中找到别人看不见的通道。

但没有一条路是免费的。 每一块GPU都跟着一份出口管制文件。每一笔投资都附带着一个地缘政治立场。每一个训练数据选择都是一个文化表态——你说"AI说我的语言"的同时，也在说"我的语言值得被AI记住"。

这个系列的每一篇文章，都在讲一条这样的路。它不急着判断哪条路正确，因为在这个分裂的时代，真正的问题没有标准答案：

当世界被硅谷和北京的代码重新绘制时，你的边界还由你来定义吗？

有些国家用算力回应，有些国家用法案回应，有些国家用语言回应。还有些国家选择沉默，而那种沉默本身也像一句话：我不玩你的游戏。

但不管是哪一种回应，有一件事已经不再需要讨论了：全球AI的默认时代结束了。

你不再可以不选边。即使你选了"中立"，那只是一种更加昂贵的选边。你不再可以使用"通用AI"——因为接下来的世界，只有"你的AI""我的AI"和"他们的AI"。你不再可以假设"技术无国界"——因为芯片上有制裁编号，云上有司法管辖权，模型里有价值观审查。技术从来都有国界，只是以前不需要你在合同上签字。

下一篇：《欧盟篇——数字主权焦虑与规则护城河的建构》

leekai 发表于 2026-6-16 16:291 o6 \9 e3 M6 @
挑个刺，文中实质性把台湾当成了一个”国家“来描述。

xiejin77 发表于 2026-6-16 20:51
3 b) Z" l; [ T这也许就是为啥公号发不出来的原因吧。) N1 J: o! I/ ?$ h/ i4 m7 }, K
/ l6 E4 X$ l6 B, J+ L# O
反正是写着科普的，也懒得再大范围修改了；东亚篇的内容我直接去 ...

Arthur Mensch站在Mistral AI办公室的白色投影幕布前，一件白T恤，一件休闲西装外套。他今年31岁。十个月前，他和两个联合创始人——Timothée Lacroix和Guillaume Lample——在巴黎成立了这家公司。三个人都是前DeepMind和前Facebook AI Research的研究员。他们刚刚做成了欧洲历史上最大的一轮种子融资：1.05亿欧元。到2023年12月，估值已经冲到20亿美元。法国媒体称他们为"欧洲的OpenAI"。

微软——这家被欧盟《数字市场法案》认定为"守门人"的科技巨头——向Mistral投资了1500万欧元。这笔投资将在下一轮融资中转换为小额股权，按当时估值计算占比不到1%。Mistral的模型将被部署在微软Azure云上。

1500万欧元。在AI世界里，这是一个可以忽略不计的数字。OpenAI从微软拿走了超过130亿美元。Anthropic从亚马逊拿走了80亿美元。1500万欧元对于一家估值20亿美元的公司来说，是小数点后的尾数。

但接下来的48小时，法国科技媒体、欧洲议会议员、布鲁塞尔的政策圈同时炸锅了。

一位法国社会党欧洲议员对Politico说了一句话，像刀子一样精准："我们为Mistral在AI法案谈判中打了仗。他们告诉我们他们是欧洲的冠军。现在我们发现微软持有他们的股份。这是一种羞辱。"

另一位跨党派议员团体的成员说得更直接："这不是出卖了公司。这是出卖了通路。欧洲的政治资本被用来保护一家公司，然后那家公司在后门口给微软留了一把钥匙。"

Arthur Mensch的回应是工程师式的平静："这是一个商业伙伴关系。我们保持独立。我们的模型仍然是开源权重的。微软的股权是最小化的。而且坦白说——如果欧洲想要主权AI，它必须先建设主权算力，而不是抱怨企业在获取任何可用的算力。"

这句话——"如果欧洲想要主权AI，它必须先建设主权算力"——是整个欧洲主权AI故事的核心矛盾。他说的完全正确。而他说这句话的那一刻，也同时暴露了为什么"完全正确"恰恰是欧洲AI主权困境本身。

因为欧洲可以制定全球最好的AI法规。它可以培养世界一流的AI研究人员。它可以孵化估值数十亿的AI独角兽。但它没有足够的GPU来支持这些公司独立训练下一代模型。

欧盟主权AI的困境就在这里：法规是世界上最严的。人才是世界上最密的。历史根基是世界上最深的。但当你需要三万块H100来训练下一个模型时，你只能拿起电话，打给西雅图。

要理解欧洲在AI领域的全部行为——从GDPR到EU AI Act，从GAIA-X到InvestAI到CADA——需要先理解一个词。这个词不是"主权"，不是"创新"，不是"竞争力"。这个词是 "数字殖民地" 。

2013年。Edward Snowden的披露揭示了一个让欧洲比美国更震惊的事实：不仅仅是NSA在监控全球——是美国的科技公司在充当NSA的数据管道。Google、Facebook、微软、苹果——所有这些欧洲消费者每天都在使用的平台——其服务器同时也是美国情报机构的延伸。

问题早已超出"隐私"本身，落到了基础设施所有权上。如果一个国家的公民数据全部存储在另一个国家的公司服务器上，而这些公司受另一个国家法律的强制要求配合其情报机构——那么在什么意义上，这个国家拥有"数字主权"？

2018年，GDPR生效。2019年，德国和法国共同发起了GAIA-X——一个旨在建立欧洲自主云基础设施的宏大项目。德国经济部长Peter Altmaier在发布仪式上说："我们正在建立一个数字化生态系统，在其中数据和服务将被安全地存储和处理——不受外国控制。"

七年后的2025年，GAIA-X的现实是什么？一位参与过该项目的德国官员私下说："七百页文件。没有一台服务器。"

GAIA-X没有死。它产生了一系列云服务互操作标准——联邦身份验证、数据控制、服务目录。但它仍然没有解决最根本的问题：当一家欧洲AI初创公司需要训练模型时，它不是在GAIA-X的互操作标准上训练——它是在AWS的裸金属GPU实例上训练。因为那是唯一有足够规模的选择。

GAIA-X的命运几乎浓缩了欧洲数字主权的困境。它的孵化期——2019年到2021年——恰好是欧洲政策语言中最密集地出现"主权""自治""第三极"等词汇的时期。德国经济部长Peter Altmaier和法国经济部长Bruno Le Maire共同宣布了它。默克尔和马克龙都亲自背书。它的目标清单读起来像一篇主权独立宣言：建立欧洲自主的云基础设施；为欧洲公民数据提供不受美国法律管辖的存储和处理环境；创造欧洲云服务商的开放市场；用互操作性标准让欧洲公司可以自由切换云提供商而不被锁定。

到2021年底，GAIA-X已经产生了数百份技术规范文件。到2023年底，它已经签约了数百家欧洲中小企业作为"节点"。到2025年——它的第七年——它仍然没有一台自己所有的服务器在运行AI训练工作负载。

一位参与GAIA-X架构设计的德国工程师在2024年的一次闭门研讨会上说了一句流传甚广的话："GAIA-X解决了一个没有人有的问题。它让欧洲的云服务可以互操作——但欧洲没有云服务需要互操作。我们在为一座不存在的城市设计交通规则。"

这句话残忍但精确。GAIA-X的核心设计理念——联邦化、互操作、开放标准——是技术上一个优雅的解。但它解答的问题（"如何让多个欧洲云服务商无缝协作"）有一个前提条件（"存在多个有竞争力的欧洲云服务商"），而这个条件本身就是一个未被满足的前提。OVH、Scaleway、Ionos——它们加在一起的云收入可能不到AWS的3%。

GAIA-X不是失败在技术上。它失败在它试图用一个软件方案来解决一个硬件问题。

欧洲的"数字殖民地"话语中最激烈的声音来自Thierry Breton——2021年至2024年担任欧盟内部市场专员。他曾经这样说："我们不能继续做美国和中国的一个数字殖民地。如果我们不建立自己的数字基础设施，我们将沦为一个为别处设计的、由我们未曾参与的规则统治的技术的消费市场。"

Breton的这句话之所以特别有分量，是因为他不是一个左翼活动家——他曾经是法国电信和Atos的CEO。他是一个工业家。他知道基础设施是怎么建的。他也知道欧洲没有建多少。

但最令人心痛的不是Breton的愤怒。是他离开欧盟委员会的方式：2024年9月，他写了一封公开辞职信，公开指责冯德莱恩的"可疑治理方式"。这位欧洲数字主权最激进的捍卫者，不是因为政策失败而下台——而是因为内部政治。

当欧盟政客说"数字殖民地"时，他们不是在比喻。他们是在描述一个他们每天在统计数据中看到的权力关系。

如果说欧洲在AI基础设施上落后美国一个数量级，那么它在AI监管上的领先至少是同一个数量级的。

2024年8月1日，《欧盟人工智能法案》（EU AI Act）正式生效。这是一部由113条正文和13个附件组成的法律，从提出到通过历时三年半，是全球第一部全面的、跨行业的AI监管框架。

罚款的上限是3500万欧元或全球年营收的7%——取两者较高值。一个总部在旧金山的AI公司，如果其模型在欧洲被使用，就要遵守这部法律——不管它是否有办公室在布鲁塞尔。这是"布鲁塞尔效应"（Brussels Effect）在AI时代的首次规模化应用：欧盟通过设定高合规门槛，迫使全球公司按照欧洲标准运营。

EU AI Act的批评者——特别是在硅谷和美国国会——有一种统一的批评调门：欧洲在AI竞赛中落后了，所以它试图通过过度监管来"玩规则牌"。 "当你的对手在赛跑时，你在往赛道上铺减速带。"

这个批评不完全公平，但它捕捉到了EU AI Act不可否认的一种驱动力：当你的AI建设能力与你的AI消耗体量之间的差距变得大到不可忽视时，"制定规则"就变成了你能用手中的唯一工具去争取的、像"主权"一样的东西。

但这个批评常常漏掉一层背景：EU AI Act并不是在AI竞赛开始之后才起步的。它的种子，是欧盟第一次感受到"规则可以塑造市场"时播下的。

2018年，GDPR生效。全世界——包括硅谷——嘲笑它是一部过度官僚的、反商业的隐私法规。但到2023年，GDPR已经产生了超过40亿欧元的罚款——Meta一家就被罚了超过20亿欧元。而全球已有15个以上的国家以GDPR为模板制定或更新了本国的数据保护立法。加州消费者隐私法案（CCPA）的前身就是GDPR。印度2023年的《数字个人数据保护法》大量借鉴了GDPR框架。"布鲁塞尔效应"并不是欧盟发明出来的一个推销概念——它是在欧盟不知不觉中已经发生的事实。

EU AI Act的目标是复制GDPR的成功路径：先在本土建立一个高标准法规，让全球公司在"遵守欧盟法律"和"放弃4.48亿高购买力消费者"之间做选择——然后等着世界其他地区拿这个法规当模板。

委员会内部有一份从未公开发表但被多方引述的战略文件有一句话说得很直白："在AI领域，欧洲不能靠规模竞争。我们必须靠规则竞争。"

最大的冲突发生在2023年底的"三对谈"（trilogue——欧洲议会、欧盟理事会和欧盟委员会的三方协商）期间。核心争议是通用AI模型（GPAI）是否应该受到专门监管。法国、德国和意大利——欧盟三大AI国家——联合提出了一份反对文件，主张对"基础模型"的监管应该用宽松的自律准则而不是硬性的法律义务。

他们的理由很实际：Mistral（法国）和Aleph Alpha（德国）——欧洲自己的AI冠军——如果受到过度的合规要求，将在与OpenAI和Google的竞争中处于劣势。 "我们不应该在起跑线上就对我们的公司实施监管，而对从美国进入市场的公司只是要求他们在进入后遵守规则，"一位法国官员在闭门会谈中这样说。

最后达成的妥协很微妙：GPAI模型确实被纳入了EU AI Act的管辖范围，但更严格的安全和风险评估条款主要适用于"系统性风险"的GPAI模型——即那些使用超过10^25 FLOPs训练计算量的模型（这是GPT-4级别及以上的标准）。这意味着欧盟的法律在保护"小公司"（所有欧洲AI公司都是小公司）和约束"大公司"（所有硅谷巨头都是大公司）之间划了一条微妙的线。

这条线本身就是一种公开的政治表态：欧洲立法者把"你太大了不能不被监管"写成了技术阈值。而这个阈值——至少在2025年——只有美国公司跨得过。

EU AI Act在创造一种历史上从未有过的市场壁垒：合规壁垒。

一个AI公司要从零开始满足EU AI Act的要求，需要在法律团队、合规评估、风险审计、数据溯源、透明度文档等方面投入数百万到数千万欧元。这本身就是一种进入成本——而能够在没有本地化团队支持的情况下承担这个成本的，只有最大型的美国和中国AI公司。小型的外国初创公司直接被挡在门外。

但同时，这个壁垒也是一把双刃剑。它保护了欧洲AI公司的本地市场空间——但同时也给欧洲AI公司增加了同样的合规负担。一家德国AI初创公司——Aleph Alpha——为了确保其政府客户可以合规使用其模型，不得不建立了一个庞大且昂贵的安全与法律合规部门。这笔钱如果花在GPU上，也许已经多训练一代模型了。

合规护城河给了欧洲AI公司一个生存空间——但也给了它们一个天花板。

法国是欧洲主权AI最焦灼的战场。因为法国有欧洲最好的AI人才，有欧洲最大胆的AI投资愿景，有欧洲最激进的"第三极"政治叙事——但它仍然在所有关键层面受制于大西洋彼岸的算力供给。

2023年11月，法国亿万富翁Xavier Niel——Iliad电信集团的创始人——在巴黎宣布成立一个新的AI研究实验室：Kyutai。初始投资：1亿欧元。联合出资人：CMA CGM集团（全球第三大航运公司）的Rodolphe Saadé，以及谷歌前CEO Eric Schmidt的Schmidt Sciences基金会。总启动资金池：3亿欧元。

Kyutai是一个非盈利、开放科学的AI实验室——它的直接对标不是OpenAI，而是早期的DeepMind。它的团队不到30人——其中核心研究员不到20人，包括来自Facebook AI Research（FAIR）和Google DeepMind的资深AI科学家。

Moshi是全球第一款真正的实时、全双工语音对话基础模型。它的响应延迟——160毫秒——比人类对话的平均间隔还短。 与GPT-4o的高级语音模式和ElevenLabs的语音AI不同，Moshi不是"语音识别→文本处理→文本转语音"的流水线架构。它是一个单一的、端到端的语音模型——直接从语音到语音，没有中间文本表示的瓶颈。

它的意义不在于它"更好"。它的意义在于：一个不到30人的团队，在一个非盈利的开放科学框架下，用不到一年的时间，在语音AI这个前沿赛道上做出了全球领先的创新。而且他们将模型权重、训练代码、训练数据全部开源。

这本身就是对"只有硅谷盈利巨头才能站上AI前沿"那套叙事的回应。

但Moshi改变不了Kyutai——以及整个法国AI生态——面临的根本问题。

Xavier Niel承诺通过Iliad集团向法国AI投入30亿欧元。这笔数字听起来像是一个大型投资——但在AI基础设施的世界里，它的实际购买力令人不安。微软2025财年的AI资本支出预算约为800亿美元。按年度折算，Niel的30亿欧元（三年期）约等于微软两三周的AI基建支出。

这已经不是数字大小的比较，而是级别的差异。一个法国电信亿万富翁做出他毕生最大的AI投资——在硅谷，它只是微软季度财报的一个脚注。

Moshi的训练使用了Scaleway（Iliad集团的云服务商）的H100 GPU集群。但Kyutai自己承认——如果要训练下一代更大规模的模型，他们需要算力规模比现在至少大一个数量级。而这种规模的算力，目前在欧洲只有通过EuroHPC的公共超级计算机——或者通过AWS/Azure/GCP的商业云——才能获得。

欧洲AI创新发生在欧洲。但为大模型提供算力的发电机，在美国。

与Kyutai的"开放科学"叙事并行的，是Mistral的"商业冠军"叙事。

Arthur Mensch的故事本身就是一篇欧洲AI的寓言。ENS毕业。Inria博士。DeepMind研究员——在伦敦参与了Chinchilla和Retro等高效大语言模型的研究。2023年初回国。联合两位前Meta AI Paris的研究员。4月28日注册公司。6月——成立仅两个月——种子轮融资1.05亿欧元，欧洲历史最大种子轮。

9月发布Mistral 7B——一个以Apache 2.0许可发布的开源权重模型，在多项基准上碾压同等规模的Meta和Google模型。12月——距成立仅八个月——估值突破20亿美元。同月发布Mixtral 8x7B——一个混合专家模型，在性能上击败了Llama 2 70B但推理速度快六倍。

法国总统马克龙亲自在公开场合为Mistral背过书。"法国和欧洲必须成为AI领域的主权行为者。我们不能依赖外国力量来获取那些将定义我们的经济、我们的民主、以及我们公民日常生活的技术。"他在2023年的VivaTech峰会上这样说——就在Mistral刚刚完成种子轮的第一个月。这是一位国家元首，在为一个当时不到两个月的初创公司公开站台。

这是一个几乎完美的叙事——直到2024年2月的微软投资争议将它撕裂。

微软的1500万欧元投资在纯金融意义上微乎其微。它在Mistral估值中的占比不到1%。在微软的资产负债表上根本不会出现在前20行。但它在政治意义上的冲击力是毁灭性的。

因为在2023年11月到12月期间——就在这笔投资披露的两个月前——Mistral的创始人和法国政府官员正在布鲁塞尔密集游说欧盟立法者，要求弱化EU AI Act草案中对"基础模型"的监管条款。他们的核心论点是："如果你们用过度监管束缚欧洲AI公司，你们就是在用法律帮助美国公司独占市场。"

这个论点赢得了同情。欧洲议会中的多个党团——尤其是法国的代表团——为"保护欧洲冠军"削弱了法案中的多项合规要求。一位密切参与谈判的议会助理事后用一个比喻形容："我们降低了城堡的城墙，因为Mistral告诉我们他们是欧洲的骑士。然后我们发现骑士在城墙上开了一扇门，给了微软钥匙。"

法国科技媒体《Les Echos》的标题是："Mistral，一个被微软咬住的欧洲AI冠军。"德国《Handelsblatt》："巴黎的AI梦在微软的怀抱中醒来。"

争议之所以如此剧烈，不是因为事实本身——一个AI公司与云服务商合作是完全合理的商业行为。真正刺痛欧洲的是另一层：欧洲AI公司在口头上必须承诺"主权"，但在实际运营中必须依赖"非主权"的基础设施。 这不只是虚伪问题，而是结构性困境：如果你只有两个选择，要么用Azure的GPU训练模型、让一家欧洲公司还能在全球AI市场竞争，要么坚持纯欧洲算力但模型落后两代——你选什么？

Mensch在那句话上说出了真相："如果欧洲想要主权AI，它必须先建设主权算力。"但这句话本身也是一个赤裸裸的承认：目前欧洲还没有主权算力。

Mistral 7B和Mixtral 8x7B以Apache 2.0许可证发布了模型权重——任何人都可以下载、修改、部署。这是"开源权重"（open-weight）。但它不是完全意义上的"开源"——训练数据不公开，训练过程不公开，技术报告没有GPU小时数、没有数据构成、没有训练曲线。

真正的开源AI——比如Kyutai的Moshi、或者后来DeepSeek的R1——发布的是模型权重+训练代码+技术论文的完整三元组。Mistral发布的是模型权重加一份选择性披露的博客文章。

"开源权重但不是开源"这个灰色地带在2023年到2024年间迅速成为全球AI政策中最激烈的定义之争。EU AI Act最终为"开源"AI模型提供了合规豁免——但它们需要满足的前提条件正是：必须公开训练数据的摘要。 Mistral的早期模型——没有公开训练数据——无法获得这个豁免。

这不仅仅是Mistral的问题。它暴露了一个困扰整个欧洲AI主权叙事的问题：如果连"什么是开源"都无法达成一致，那"主权AI"——一个比"开源"模糊十倍的词——到底意味着什么？

如果法国代表的是"欧洲AI的资本焦虑"，西班牙代表的是"欧洲AI的公共理想"。

ALIA是巴塞罗那超级计算中心（BSC-CNS）领导的西班牙国家AI大模型计划。它的资金来源只有一个通道：公共预算。 没有私募。没有风险投资。没有微软的合作协议。

这是欧盟第一个完全由公共资金资助、完全由公共机构执行的国家级AI项目。它的旗舰模型系列叫MarIA——西班牙语、加泰罗尼亚语、巴斯克语、加利西亚语的专属多语种大语言模型。

MarIA不是要和GPT-4抢市场。MarIA的目标是更基础的一个：确保西班牙的公共行政——政府机构、法院系统、公立学校、公立医院——可以部署AI服务，而无需将公民数据交给一家注册在加利福尼亚州的美国公司的API。

这是一种非常欧洲的主权理解：重点不是"我的AI比你的AI更强大"，而是"我的公共机构使用的AI不依赖你的基础设施"。

驱动ALIA的发动机是MareNostrum 5——一座位于巴塞罗那郊外的HPE Cray EX超级计算机。持续算力215千万亿次（PFLOPS），峰值314千万亿次。在2025年TOP500全球超级计算机排名中位列第14位。

它的GPU部分——专用于AI训练——使用的是NVIDIA H100 GPU。它的CPU部分使用的是Intel Sapphire Rapids处理器。严格来说，MareNostrum 5的芯片仍然依赖美国供应链——但它的所有权、运营权、物理位置、法律管辖权全部在西班牙境内。对于ALIA项目来说，这个区别足以构成一道"主权墙"：在MareNostrum 5上训练的模型，其训练数据、模型权重、推理日志全部在西班牙法律管辖的服务器上——不受美国《云法案》（CLOUD Act）的管辖。

BSC的AI主管Josep Maria Martorell将ALIA描述为"一种新型的公共基础设施——类似高速公路或电网，但处理的是智能而不是电力。"

这个想法看似平凡，认知上却很激进。它将AI从"产品"重新分类为"公共品"——一种由国家建设、由纳税人出资、供全体公民使用的共同资源。这几乎是与硅谷的"AI as a product"和中国的"AI as a national security asset"完全不同的第三种认知框架。

如果法国的主权AI故事围绕"资本焦虑"，西班牙围绕"公共理想"，德国围绕的就是一个特定的德文概念：Erklärbarkeit——可解释性。

Aleph Alpha由Jonas Andrulis——一位前苹果AI工程师——于2019年在海德堡创立。这个名字本身就是一种宣言。Aleph是希伯来字母表的第一个字母。Alpha是第一个。它是"开端"——两个开端。这是一种暗示：不是替代OpenAI，是开启一个与OpenAI在哲学上不同的路径。

Andrulis的核心论点是：AI模型不仅应该"正确"——它应该能被解释。你应该能问一个AI："你为什么得出了这个结论？"——而且它应该能给你一个可追溯、可审计的答案。不是事后猜测。不是外包给另一个AI。是内建的可解释性。

在2022年到2024年间，Aleph Alpha从Bosch（博世）、SAP、Schwarz Group（欧洲最大零售商）等德国产业巨头那里陆续筹集了超过5亿美元的融资。它的核心客户不是消费者——是德国的中型工业企业（Mittelstand）、是州政府。巴登-符腾堡州——德国制造业的心脏——部署了Aleph Alpha的AI，为8万名政府雇员提供内部信息服务。

这些客户选择Aleph Alpha而不是OpenAI或Google的原因不是"它更聪明"。原因是：它可以被审计。 一个使用OpenAI API的德国政府部门，无法向议会解释——"为什么一个美国公司的大语言模型拒绝了一个公民的福利申请？"——因为OpenAI不会给你权重、不会给你训练日志、不会给你激活图。Aleph Alpha——至少在它的价值主张里——可以。

Aleph Alpha在2023年发布了一个名为Luminous的模型系列（130亿、300亿、700亿参数），其可解释性功能——包括AtMan（注意力操控，一种能够可视化哪些输入导致了哪些输出的技术）——在技术层面是独特且有学术价值的。但在2024年，当Mistral和Meta的开源模型以更高的性能-成本比涌入市场时，Luminous在原始性能维度上被远远甩在了后面。

Aleph Alpha被迫在2024年进行了战略转型——从"训练自己的通用模型"转向"开发AI安全和合规平台"。它推出了PhariaOS——一个面向企业的"主权利器"平台，主打数据主权、合规管理和可解释性服务。换言之，Aleph Alpha从一个"模型公司"变成了一个"AI信任平台公司"。

这是德国AI主权困境的浓缩版：你有技术深度、有客户信任、有"可解释性"这个独特的卖点——但当你面对一个在纯性能上碾压你的通用模型时，你无法靠"可解释性"赢得市场。 你可以靠"合规"和"信任"赢得政府合同的护城河——但那道护城河的内侧是一个限制增长上限的围墙。

就在Aleph Alpha苦苦转型的同时，柏林还有另一家AI公司正在以完全不同的方式定义"德国AI主权"：Helsing。

Helsing成立于2021年，由三位联合创始人——Torsten Reil（前NaturalMotion游戏AI公司CEO）、Gundbert Scherf（前麦肯锡防务顾问）和Niklas Köhler——在慕尼黑创立。它不建通用语言模型。它不追求"可解释性"的商业合规市场。它做的是防务AI——战场感知、威胁识别、多域态势融合。

2023年到2024年间，Helsing从General Catalyst、Saab、Prima Materia等投资方筹集了超过8亿欧元融资，估值一度达到50亿欧元级别。2024年，Helsing获得了为Eurofighter台风战斗机提供AI战场感知系统的合同——这是欧洲防务AI从概念走向实战部署的标志性事件。德国国防部将Helsing列为"关键技术合作伙伴"。

Helsing的存在本身是对Aleph Alpha的"可解释性主权"路径的一种补充——甚至是一种驳斥。Aleph Alpha用一个"透明"和"可审计"的AI来获得政府的信任。Helsing用一个在国防机密框架内运行、不可对外解释、但能在真实战场环境中决定生死的AI来获得政府的信任。这是两种完全不同的"主权信任"：一种是理性信任（"我知道它是怎么得出这个结论的"），另一种是性能信任（"我不需要知道——我只需要它在战区内不出错"）。

德国同时拥有Aleph Alpha和Helsing这两家AI公司，意味着它在"主权AI"这个模糊概念上同时押注了两条路径：用透明性赢得商业和政务市场，用实用性赢得国防市场。 这也许是欧洲主权AI最务实的双轨策略——而它恰好发生在欧洲最大的经济体中。

在结束国家层面的巡礼之后，需要站在欧洲整体的视角来看最后一个——也是最根本的——问题：欧洲到底有多少AI算力？

EuroHPC JU（欧洲高性能计算联合事业）是欧盟试图协调成员国超级计算资源的一种独特制度安排。在2018年至2027年期间，EuroHPC已投入约100亿欧元（欧盟委员会+成员国联合出资），建设了12台超级计算机——从芬兰的LUMI（TOP500第9位）到意大利的Leonardo（第10位）到西班牙的MareNostrum 5（第14位）到即将上线的JUPITER（德国，目标第4位，1 EFLOPS）。

到2025年，EuroHPC已在19个地点部署了AI工厂（AI Factories）——这是将通用超级计算中心转型为专门的AI训练基础设施的一次大规模升级。到2027年前后，欧盟计划建设最多5座AI超级工厂（AI Gigafactories）——每座拥有超过10万个先进AI加速器。

冯德莱恩在2025年2月的巴黎AI行动峰会上宣布了InvestAI计划——动员2000亿欧元AI投资（公私联合），其中200亿欧元专项用于AI超级工厂建设。

《芯片法案》（EU Chips Act），总动员规模约430亿欧元——欧盟历史上最大的半导体投资计划。目标是将欧洲在全球半导体制造中的份额从不到10%翻倍到2030年的20%。

在第二支柱下，13个半导体项目已获批——包括台积电在德累斯顿的欧洲首座晶圆厂（与博世、英飞凌和恩智浦联合投资约100亿欧元）、英特尔在马格德堡的300亿欧元晶圆厂项目（已因英特尔财务困境被推迟），以及STMicroelectronics在克罗尔的欧洲最大碳化硅工厂（约75亿欧元公私联合投资）。

但在AI芯片的现实政治中，EU Chips Act有一个被忽视的细节：这些工厂生产的是"成熟制程"芯片——汽车、工业、物联网用的28纳米到12纳米芯片。它们不生产任何国家用来训练前沿AI模型的4纳米到3纳米GPU。 那种芯片——H100、B200——仍然全部由台积电在台湾的工厂制造。

SiPearl——一家位于法国Maisons-Laffitte的欧洲处理器初创公司——正在设计Rhea1，一款基于ARM架构的高性能计算CPU（不是GPU）。欧洲处理器倡议（EPI）——一个由27个欧洲研究机构组成的联盟——正在开发RISC-V架构的处理器路线图。但这些努力全部在CPU领域——没有一个在AI GPU领域。

欧盟的芯片主权在汽车芯片、工业传感器、能源管理芯片的层面上是有意义的——但在AI芯片的层面上，它是一张空头支票。

EuroHPC的超级计算机在学术圈内备受赞扬，但它们面临一个结构性障碍：它们不是为AI公司设计的。

一个AI研究团队需要提交一份详细的申请，等待几周到几个月的审批，获得分配的计算小时数，然后在指定的时间窗口内运行训练——如果训练在窗口内失败，需要从零重新申请。这不是一个为"我们每晚训练一个新版本，如果这个版本不行的话明天继续"的人工智能研发迭代周期设计的系统。

更根本的问题是规模。EuroHPC最大的AI系统——意大利的Leonardo、芬兰的LUMI——各自拥有数千块GPU。而GPT-4的下一代训练集群据估计拥有超过十万块H100等效GPU。两个数量级的差距。

2025年初，欧盟宣布了AI工厂（AI Factories）计划——将现有的19个EuroHPC站点升级为专门的AI训练设施。2027年前后，最多5座AI超级工厂（AI Gigafactories），每座超过10万个先进AI加速器。预算是200亿欧元的InvestAI专用基金。

但有一个时间差问题：到2027年，下一代AI训练将需要的是2027年的GPU——而到了那时，前沿模型的训练成本可能已经涨到50亿甚至100亿美元级别。以2024年的算力需求规划2027年的AI工厂，就像用2018年的手机规格来设计2022年的5G标准。

Jonas Andrulis——Aleph Alpha的创始人——曾在2023年的一次采访中用一段话凝结了欧洲AI基础设施的全部困境："欧洲有的是大教堂——美丽、宏伟、神圣的超级计算机。但你造大教堂的时候，硅谷在建发电厂。大教堂可以供你做礼拜。发电厂可以让你生产。"

四年过去了。教堂还在扩建。发电厂的功率在跨大西洋对岸翻倍了又翻倍。

公共超算为主，美国商业云为辅，自建数据中心正在追赶。

EuroHPC提供了欧洲任何一个单独国家无法独立负担的公共算力规模。但对于需要商业速度的欧洲AI公司来说，AWS/Azure/GCP仍然是最便捷的选择。InvestAI的"超级工厂"计划如果顺利执行，到2027年以后可能改变这个格局——但在那之前，欧洲AI创新者的算力瓶颈在最关键的时刻仍然依赖跨大西洋的供应。

Horizon Europe（AI部分约26亿欧元）、Digital Europe（约10亿欧元）、InvestAI（2000亿欧元动员目标）、EU Chips Act（430亿欧元）——欧盟委员会层面的AI投资是系统性的、有纪律的、但不庞大的。

Xavier Niel的30亿欧元、Mistral的估值数十亿、Aleph Alpha的5亿+美元融资——欧洲有少数敢于下重注的私人资本。但与美联储模式下流动的硅谷VC总量（美国AI初创公司2023年融资超过250亿美元）相比，欧洲的AI风险资本池子仍然浅得多。

一个值得注意的差异是：欧洲没有"国家队资本"。 沙特有PIF。阿联酋有Mubadala。中国有大基金。美国有国防部和情报界的AI合同作为事实上的"国家软资本"。欧洲有Horizon Europe——一笔按照同行评审分配的学术研究基金。

Mistral的开源权重策略、Kyutai的纯开放科学、ALIA的公共开源——欧洲AI的基础模型层基本上走了一条"开源或半开源"的路线。这条路不完全是主动选择，更像是被逼出来的市场策略。当你的算力规模无法与GPT-4或Gemini的训练集群竞争时，你可以用开源来构建一个生态系统，用生态系统的网络效应来弥补单个模型的能力差距。

但欧洲在AI技术层有一个很难被忽略的贡献：可解释性技术栈。 Aleph Alpha的注意力可视化、EU AI Act对"透明度"的法定要求——这些正在将"可解释性"从一个研究课题变成一个合规要求。而当一个技术要求被写入法律后，执行这一要求的工具本身就成了市场。

欧洲不是怕"被中国超越"——中国在欧洲AI叙事中是一个次要威胁。欧洲怕的是"被美国技术永远锁定在消费端"：欧洲的科学家在硅谷训练。欧洲的企业用Azure的API。欧洲的公民数据跑在AWS上。欧洲的政治资本用来在布鲁塞尔制定漂亮的法规，但这些法规所管辖的AI——全部来自西海岸。

所以欧盟的AI主权叙事与中国完全不同。中国的叙事是"我们要活下来"——芯片封锁下的生存危机。欧洲的叙事是"我们要有选择"——不是替代美国AI，而是保留一条自己可控的路。即使这条路的尽头不与硅谷平行，即使它的顶端只有美国AI的八成性能——只要它是独立可控的，就有主权价值。

因为在这个方程里，独立性的价值不仅仅在于技术性能。它在于当华盛顿决定切断某类芯片供应、或者当硅谷决定修改某条API使用协议时——你没有接到那通电话。

欧盟在主权AI版图中的位置很特殊。它既不是迫在眉睫的生存威胁下的全栈突围者（如中国），也不是"默认值不需要解释"的规则制定者（如美国）。它处在一个尴尬但有策略空间的中间状态：知道不可能覆盖全栈，也不想放弃任何一层。

EU AI Act试图在规则层建立护城河。 EuroHPC试图在算力层建立公共能力。 Mistral和Kyutai试图在模型层证明欧洲可以创新。 Aleph Alpha试图在应用层将"可解释性"变成一种溢价。

这种"每一层都做一点"的策略，代价是每一层的投入都不足以单独改变游戏规则。但它的收益在于：当任一层的依赖在危机中被切断时，欧洲在每一层都有备份选项。

它不像中国的"全栈独立"那样野心勃勃，也不像美国的"默认值"那样舒适。它更像一个精心设计的生存策略：在你还可以控制的每一层，埋下一颗种子。不是为了马上取代谁，而是为了在那个不确定的未来里，你仍然有一棵自己能浇水的树。

这也许是欧洲对"主权AI"最诚实的态度：不一定最强、最快、最大，但要还站着。

下一篇预告：《东亚突围篇——算力不够时，主权从哪里来》

本文是《全球主权AI实验室巡礼》系列第二篇。下一期将转向日本（演化的AI——Sakana AI的"自然启发"路线）、韩国（技术洁癖——Naver Cloud因中国Qwen组件争议在国家代表AI项目第一轮出局）、以及台湾（语言与价值对齐——TAIDE模型如何在AI中捍卫传统中文与本土文化立场）。