美国正在赢得人工智能竞赛

美国正在赢得人工智能竞赛，尤其是在最重要的商业化领域。自2025年1月DeepSeek R1震惊市场以来，美国公司行动更加迅速。OpenAI大力推进智能体和Codex，Anthropic将Claude Code转变为一项业务。中国虽有其竞争者，但美国在收入、采用率、工具和覆盖范围上明显领先。

特朗普正好契合这一时刻。他本质上是一名推销员，拉里·埃里森也是如此。这有助于解释为何人工智能基础设施成为一项轻松的政治产品。如今推销AI比1980年代推销Oracle数据库更容易。这次，神谕会说话。

DeepSeek的意义则有所不同。它对中国的战略价值主要不在于商业。它帮助中国减少对英伟达的依赖，并将推理推向华为昇腾等国产技术栈。这支持了供应链自主，但与盈利的AI领导力不可同日而语。

SAP的克里斯蒂安·克莱因认为，欧洲不需要更多数据中心，且大型语言模型本身不够。他正确指出模型本身不足——欧洲在2023至2024财年花费约588亿美元用于印度软件服务，下一财年约671亿美元。AI只有与真实数据、真实工作流和真实产品结合才具价值。但他的更广泛观点忽略了一个主要事实：美国之所以获胜，是因为它同时构建每个关键层面：芯片、电力、数据中心、云平台、开发者工具、消费者平台和企业软件。

许多人使用了错误的记分卡。论文和工程师数量并不能证明AI领导力。检验标准是：谁能资助基础设施、规模化训练和部署模型，并将AI应用于整个经济。

能源是这一领先优势的一部分。现代GPU和TPU系统将电力转化为计算能力。廉价电力降低模型成本。这就是电价重要的原因。

以美元/千瓦时计价的零售电价：德国住宅0.436，商业0.279；英国住宅0.420，商业0.415；西班牙住宅0.282，商业0.136；法国住宅0.274，商业0.174；美国住宅0.201，商业0.154；加拿大住宅0.125，商业0.106；俄罗斯住宅0.087，商业0.131；中国住宅0.078，商业0.117。美国电价低于主要西欧经济体。加拿大更便宜。中国和俄罗斯在此比较中成本更低。所以电力重要，但并非最关键的层面。

决定性的层面是云基础设施和数据。美国拥有全球超大规模云服务商。AWS、Azure和Google Cloud为美国公司提供了模型到达世界的主要渠道。它还拥有生成和组织AI时代数据的平台。YouTube是一个视频语料库，Google Drive和Microsoft 365嵌入日常办公，GitHub嵌入软件开发。这些既是分发系统，也是数据平台。新模型可以推向人们日常使用的产品。

这就是为什么电力本身不能决定竞赛胜负。一个国家可以有廉价电力，但若缺乏云规模、平台覆盖、开发者生态系统和访问大量有用数据流的能力，它仍然可能输掉。美国同时拥有这一切。中国在其庞大的国内市场拥有其中大部分。欧洲则没有。

欧洲长期以来拥有强大的工程人才。但人才不够。美国超大规模云服务商已主导市场，追赶缓慢。即使欧洲今天决定资助真正的云冠军，建设基础设施也只是第一步。欧洲接下来需要将银行、制造商和公共机构迁至这些平台。这一过程将耗费近十年。到那时，AWS、Azure和Google Cloud在规模、软件和数据上将更加领先。

有一个例外：Arkady Volozh正试图将Nebius建设成为欧洲AI基础设施公司。但这证实了规则：欧洲仍处于起步阶段。

因此，克莱因认为LLM本身不够是正确的。但教训不在于数据中心不重要，而在于数据中心在更大系统中发挥作用。美国之所以获胜，是因为它同时拥有电力、资本、云基础设施和数据平台。能源重要，云和数据更为重要。这正是美国领先优势最强的领域。

还有另一个前沿：武器化AI。下一阶段可能是X国AI与其他国家AI在僵尸网络、网络战和自主武器中的对抗。提供者无需魔法即可做到。令人不安的是，调整系统以非人化对手、为暴力辩护或针对整个群体是容易的。一旦模型嵌入媒体、网络和武器，偏见就变成武力。AI竞赛也是一场安全竞赛。

像Anthropic的Mythos这样的模型指向另一种转变。旧的Linux本能是众眼审查开放代码。前沿网络战模型可能推动国家和国防公司走向相反的逻辑：通过隐藏实现安全——封闭软件、封闭工具、封闭固件和封闭芯片。如果模型无法训练目标技术栈的代码和架构，它通常拥有更少的上下文和更慢的速度。这不会使系统安全，但确实提高了从硬件开始的专有技术栈的价值。