美國正在贏得人工智能競賽

美國正在贏得人工智能競賽，尤其是在最重要的商業化領域。自2025年1月DeepSeek R1震驚市場以來，美國公司行動更加迅速。OpenAI大力推進智能體和Codex，Anthropic將Claude Code轉變為一項業務。中國雖有其競爭者，但美國在收入、採用率、工具和覆蓋範圍上明顯領先。

特朗普正好契合這一時刻。他本質上是一名推銷員，拉里·埃裏森也是如此。這有助於解釋為何人工智能基礎設施成為一項輕鬆的政治產品。如今推銷AI比1980年代推銷Oracle數據庫更容易。這次，神諭會説話。

DeepSeek的意義則有所不同。它對中國的戰略價值主要不在於商業。它幫助中國減少對英偉達的依賴，並將推理推向華為昇騰等國產技術棧。這支持了供應鏈自主，但與盈利的AI領導力不可同日而語。

SAP的克里斯蒂安·克萊因認為，歐洲不需要更多數據中心，且大型語言模型本身不夠。他正確指出模型本身不足——歐洲在2023至2024財年花費約588億美元用於印度軟件服務，下一財年約671億美元。AI只有與真實數據、真實工作流和真實產品結合才具價值。但他的更廣泛觀點忽略了一個主要事實：美國之所以獲勝，是因為它同時構建每個關鍵層面：芯片、電力、數據中心、雲平台、開發者工具、消費者平台和企業軟件。

許多人使用了錯誤的記分卡。論文和工程師數量並不能證明AI領導力。檢驗標準是：誰能資助基礎設施、規模化訓練和部署模型，並將AI應用於整個經濟。

能源是這一領先優勢的一部分。現代GPU和TPU系統將電力轉化為計算能力。廉價電力降低模型成本。這就是電價重要的原因。

以美元/千瓦時計價的零售電價：德國住宅0.436，商業0.279；英國住宅0.420，商業0.415；西班牙住宅0.282，商業0.136；法國住宅0.274，商業0.174；美國住宅0.201，商業0.154；加拿大住宅0.125，商業0.106；俄羅斯住宅0.087，商業0.131；中國住宅0.078，商業0.117。美國電價低於主要西歐經濟體。加拿大更便宜。中國和俄羅斯在此比較中成本更低。所以電力重要，但並非最關鍵的層面。

決定性的層面是雲基礎設施和數據。美國擁有全球超大規模雲服務商。AWS、Azure和Google Cloud為美國公司提供了模型到達世界的主要渠道。它還擁有生成和組織AI時代數據的平台。YouTube是一個視頻語料庫，Google Drive和Microsoft 365嵌入日常辦公，GitHub嵌入軟件開發。這些既是分發系統，也是數據平台。新模型可以推向人們日常使用的產品。

這就是為什麼電力本身不能決定競賽勝負。一個國家可以有廉價電力，但若缺乏雲規模、平台覆蓋、開發者生態系統和訪問大量有用數據流的能力，它仍然可能輸掉。美國同時擁有這一切。中國在其龐大的國內市場擁有其中大部分。歐洲則沒有。

歐洲長期以來擁有強大的工程人才。但人才不夠。美國超大規模雲服務商已主導市場，追趕緩慢。即使歐洲今天決定資助真正的雲冠軍，建設基礎設施也只是第一步。歐洲接下來需要將銀行、製造商和公共機構遷至這些平台。這一過程將耗費近十年。到那時，AWS、Azure和Google Cloud在規模、軟件和數據上將更加領先。

有一個例外：Arkady Volozh正試圖將Nebius建設成為歐洲AI基礎設施公司。但這證實了規則：歐洲仍處於起步階段。

因此，克萊因認為LLM本身不夠是正確的。但教訓不在於數據中心不重要，而在於數據中心在更大系統中發揮作用。美國之所以獲勝，是因為它同時擁有電力、資本、雲基礎設施和數據平台。能源重要，雲和數據更為重要。這正是美國領先優勢最強的領域。

還有另一個前沿：武器化AI。下一階段可能是X國AI與其他國家AI在殭屍網絡、網絡戰和自主武器中的對抗。提供者無需魔法即可做到。令人不安的是，調整系統以非人化對手、為暴力辯護或針對整個羣體是容易的。一旦模型嵌入媒體、網絡和武器，偏見就變成武力。AI競賽也是一場安全競賽。

像Anthropic的Mythos這樣的模型指向另一種轉變。舊的Linux本能是眾眼審查開放代碼。前沿網絡戰模型可能推動國家和國防公司走向相反的邏輯：通過隱藏實現安全——封閉軟件、封閉工具、封閉固件和封閉芯片。如果模型無法訓練目標技術棧的代碼和架構，它通常擁有更少的上下文和更慢的速度。這不會使系統安全，但確實提高了從硬件開始的專有技術棧的價值。