本文來自微信公衆號： 科工力量 ，作者：科工力量，題圖來自：AI生成

在幾輪工業革命中長期領先的歐洲，到了人工智能時代，也開始擔心自己掉隊。

據英國《衛報》報道，9月14日，歐洲央行行長拉加德發出警告，歐洲必須發展自己的人工智能技術並建設更多數據中心，否則將面臨被美國或者中國切斷供應的威脅。

幾乎同一天，路透社發布了一組數據。摩根大通估算，2025年ASML佔全球光刻機市場的94%；在製造先進AI芯片所需的EUV光刻機領域，ASML仍然沒有商業競爭對手，實際份額接近100%，產能已被預訂至2027年。

一邊掌握着全球先進製程的關鍵入口，一邊卻擔心因為缺少好用的大模型而被中美「切斷」。歐洲擁有最先進的工業技術，卻被全球AI競爭擠到了中間。

更令歐洲不安的是，這一次把它擠到中間的已經不只是美國。隨着中國大模型通過開源和低價迅速進入全球市場，AI競爭正在形成中美領跑、歐洲追趕的格局。

歐洲做得出光刻機，為什麼做不出與中美抗衡的大模型平台？

 光刻機拼供應鏈，大模型拼平台 

答案不在某一項技術，而在兩類產業完全不同的組織方式。

一台EUV光刻機由超過10萬個零部件組成，背後連接着一個高度專業化的跨國供應網絡。ASML雖然是一家荷蘭企業，但德國蔡司為其提供核心光學系統，德國通快負責高功率激光器，荷蘭VDL等企業供應精密機械與模塊，ASML承擔的則是技術協調和系統集成。

這套合作關係可以持續數十年。光刻機的客戶主要是台積電、三星、英特爾等少數芯片製造商，技術路線和產能需求可以提前數年規劃。2012年，在EUV商業化仍面臨技術和資金壓力時，英特爾、台積電和三星甚至共同出資參與ASML的客戶聯合投資計劃。客戶提前投入資金、鎖定設備，供應商據此擴建產能，ASML再把整個系統組織起來。

這種模式與歐洲長期形成的工業傳統高度契合：技術不斷積累，企業各自守住一個細分環節，再通過長期訂單和穩定合作完成整合。研發周期長、投入巨大並不是問題，只要技術路線相對明確，客戶願意為十年後的產品提前下注，歐洲就能發揮精密製造和跨國分工的優勢。

從技術積累來看，歐洲原本也有條件把這種優勢延續到人工智能領域。

歐洲切入AI並不晚。1997年，德國學者Sepp Hochreiter和Jürgen Schmidhuber提出的LSTM，是早期語言模型的重要基礎；2010年在英國成立的DeepMind，更訓練出了擊敗李世石的AlphaGo。

進入大模型時代，歐洲也沒有完全缺席。2022年，總部位於法國的Hugging Face牽頭全球上千名研究人員，在法國政府支持的Jean Zay超級計算機上訓練出1760億參數的BLOOM。當時，它是全球最早一批千億參數、開放權重的多語言大模型之一。

此外，歐洲擁有培養頂尖AI人才的大學，有承載大模型訓練的超級計算機，還有西門子、博世、施耐德、空客、寶馬等企業提供工業場景。論科研、人才、算力和產業數據，歐洲似乎並不缺少任何一塊拼圖。

但大模型遵循的是另一套規則。它面對的不是幾家可以提前鎖定的晶圓廠，而是數量龐大、需求不斷變化的企業、開發者和普通用戶。模型能力、技術路線和商業模式可能幾個月就發生一次變化，客戶不會為五年後交付的模型提前下單，企業必須先投入鉅額資金訓練模型，再通過用戶調用和應用收入驗證方向。

因此，大模型競爭依靠的不是一條穩定運轉的供應鏈，而是一個高速反饋循環：模型上線吸引用戶，用戶產生數據和需求，開發者推出應用，雲平台降低調用成本，收入和反饋再支持下一輪訓練。誰能更快完成這個循環，誰就更有可能留在牌桌上。

這恰恰是歐洲的短板。歐洲擁有幾乎所有的拼圖，卻缺少貫通芯片、雲平台與應用的數字產業基座。約4.5億人口分散在27個國家和20多種語言中，資本市場、公共採購和監管規則也未完全統一，本土企業還缺少全球性的消費者入口。模型可以在歐洲誕生，卻很難像中美產品一樣迅速觸達數億用戶，形成規模化迭代。

中國的情況則相反。儘管在先進芯片上受到更嚴格的限制，但龐大的國內市場、相互競爭的模型和雲廠商，以及迅速增長的應用需求，仍然讓市場與研發相互推動。DeepSeek掀起價格競爭後，阿里、百度、騰訊等企業迅速跟進降價；低價又吸引更多開發者和企業調用模型，最終把有限的算力轉化成更多用戶、數據和改進機會。

 從「卡別人」到「怕被卡」 

兩種產業組織方式的差異，最終變成了歐洲現實中的技術依賴：歐洲掌握着製造先進芯片不可或缺的光刻機，卻要藉助美國企業的AI芯片和雲平台，將工業優勢轉化為模型能力。

雲計算是歐洲最明顯的短板之一。歐洲競爭力報告顯示，亞馬遜AWS、微軟Azure和谷歌雲三家美國企業，佔據全球及歐洲雲市場65%以上的份額；歐洲最大的雲服務商，在本土市場的份額也只有約2%。

這會產生一個連鎖反應。歐洲企業訓練模型，需要購買英偉達芯片或者租用美國雲平台；模型訓練完成後，又需要藉助這些平台接觸客戶和開發者。即便模型本身來自歐洲，它的算力、分發和商業化仍可能掌握在美國企業手中。

以Mistral為例，今年9月，公司完成30億歐元孖展，估值達到約210億歐元，已經是歐洲最有希望的大模型企業之一。Mistral成立之初受益於Meta的Llama 2所帶動的開源生態，當下的Mistral Large 3則建立在英偉達H200上。近些年來，美國對是否限制向歐洲出口AI芯片的態度一度搖擺。一旦供應被撤回或者條件發生變化，歐洲就可能面臨「無米下鍋」的窘境。

Mistral雖然擁有自己的API平台和Le Chat，也支持企業在本地部署模型，但要規模化觸達客戶，仍需要進入Google Cloud Marketplace、微軟Azure和AWS等美國雲平台。與掌握全球雲平台、辦公軟件和消費者入口的美國科技巨頭相比，Mistral仍然更像一家模型供應商，而不是能夠控制整個AI生態的平台。

拉加德在演講中列舉了一組數據。2025年，美國推出了59個重要人工智能模型，中國推出35個，法國和英國卻各自只有1個。美國擁有全球約75%的人工智能計算能力，歐洲只佔5%。

過去，歐洲討論「人工智能主權」，主要針對美國。如今，隨着DeepSeek、千問等中國模型在性能、成本和開放程度上快速追趕，中國已經從AI技術的追趕者，變成能夠向歐洲輸出基礎模型的另一極。拉加德就明確表示，中國開放模型已經處於全球第一梯隊，並點名DeepSeek和Kimi。

而隨着中國模型迅速追趕，歐洲在這場競爭中的位置變得更加尷尬。斯坦福大學《2026年人工智能指數報告》顯示，從2025年初開始，中美頭部模型曾多次交替領先。截至2026年3月，美國頭部模型的性能優勢已經縮小到2.7個百分點。

如果這一趨勢延續，歐洲所謂的「主權AI」最終甚至可能呈現出一種頗具諷刺意味的組合：機房建在歐洲，服務器裝着美國芯片，運行的卻是中國模型。歐洲保住了數據存放的地點，卻仍未真正掌握決定AI能力的芯片、模型和平台。

 歐洲開始補課，最難補的不是機器 

歐洲已經意識到，單靠制定規則無法獲得人工智能主導權。近兩年，歐盟開始在監管之外直接建設算力，通過AI Factory彌補基礎設施短板。

例如，歐盟正在建設19座人工智能工廠和13個配套節點，並計劃採購至少9台新的AI優化超級計算機，將EuroHPC體系的人工智能計算能力擴大到原來的3倍以上。

所謂人工智能工廠，本質上是一座以超級計算機為核心的公共算力中心。它把芯片、數據、人才和技術服務集中起來，讓沒有能力自建集群的歐洲初創企業也能獲得訓練模型的機會。

在此基礎上，歐盟還準備建設最多7座人工智能超級工廠。按照規劃，每座超級工廠將配置超過10萬顆先進AI處理器，用於訓練參數規模達到萬億級別的下一代模型。歐盟及成員國將提供最多100億歐元公共資金，希望帶動至少200億歐元私人投資。

這個數字看起來不小，但與歐洲的真實缺口放在一起，仍然只是杯水車薪。

歐盟數據顯示，歐洲數據中心的供給缺口將從2025年的約3吉瓦擴大到2036年的約20吉瓦。按照當前建設成本計算，算上服務器和芯片，填補缺口所需的資金最高可能達到6000億歐元。歐盟新建的人工智能超級工廠，只能覆蓋其中很小一部分。

更尷尬的是，這些被冠以「主權AI」之名的超級工廠，仍然要依賴英偉達、AMD等美國企業提供核心處理器。

即使芯片能夠順利買到，歐洲還要面對另一個更加本土化的約束：電力。當下，歐洲企業支付的電價通常是美國企業的2至3倍。同樣一批芯片放在歐洲，訓練和運行模型的長期成本可能天然高於美國。

數據中心目前已經消耗歐盟接近3%的電力。未來算力繼續擴張，還會與傳統工業、居民用電和減排目標爭奪有限的電網容量。在一些地區，真正卡住數據中心的可能不再是有沒有投資，而是有沒有電、什麼時候能夠併網。

這些約束會進一步抬高歐洲追趕AI的成本，但算力並不是唯一缺口。AI Factory能夠提供芯片和訓練環境，卻不能自動建立連接模型、開發者、企業客戶與應用入口的平台。沒有這樣的商業循環，公共算力可以訓練出模型，卻很難把模型變成持續迭代的產品和生態。

人工智能主權的關鍵，也不只是把機房建在歐洲，而是把模型的迭代權、分發權和產業收益留在歐洲。否則，所謂「主權AI」最終仍可能只是用歐洲的土地和電力，承載別人的芯片、模型和平台。

ASML讓歐洲在芯片時代握住了一個不可替代的入口；到了人工智能時代，這個入口已經從一台設備變成一個能夠自我強化的平台。歐洲能否補上這個平台，才決定這些AI工廠會成為人工智能主權的起點，還是僅僅成為中美技術在歐洲運行的機房。

本內容來源於網絡，觀點僅代表作者本人，不代表虎嗅立場。如涉及版權問題請聯繫 hezuo@huxiu.com，我們將及時覈實並處理。

End

想漲知識 關注虎嗅視頻號！