点击蓝字
关注我们
海外智库观察
中美在人工智能领域的竞争推动欧盟思考其自身在全球AI产业中的角色。以下两篇分别由欧洲经济和社会委员会（EESC）与法国国际关系研究所（IFRI）于近期发布的报告均指出，欧洲在基础模型领域严重依赖美国企业（如OpenAI的GPT-4和Google的Gemini），同时低估了中国企业（如DeepSeek）的技术突破能力。此外，欧盟内部存在投资碎片化、算力不足等问题，各国AI资助项目缺乏协调，资金规模远低于美国。但值得注意的是，欧洲在开源工具（如Hugging Face）和行业特定AI应用（如法国PhotoRoom的图像编辑AI）方面也展现出竞争力。报告强调，欧洲需放弃对“完全技术独立”的幻想，并采取务实策略，通过跨国协作提升算力与资金效率，同时发挥开源生态和行业应用优势，在特定领域构建竞争力。未来，欧洲能否在AI领域实现技术主权，取决于其能否有效整合资源、优化监管框架，并在全球合作中找准自身定位。
图一：生成式人工智能价值链
欧洲经济和社会委员会
European Economic and Social Committee
生成式人工智能和基础模型在欧洲的使用、机遇、挑战和未来趋势
报告强调，如果欧盟不迅速推进投资、整合市场、强化监管，其AI战略可能永远被中美“闭源‑垂直‑强垄断”的模式边缘化。欧洲的未来不应是复制硅谷，而是要走出自己的道路：“开源+社会信任+技术主权”。
首先，报告指出了欧盟技术和市场现状面临的挑战。
第一，严重依赖美国的模型与平台。当前欧洲的基础模型（如Mistral AI、Aleph Alpha）仍在发展初期，大规模依赖于美国公司如OpenAI（GPT-4）、Anthropic（Claude）和Google DeepMind（Gemini）的API与算力服务。谷歌、微软等科技巨头通过垂直整合压缩市场竞争空间，使得欧盟在算力、风险投资和数据可得性方面严重滞后，中小创新企业的生存受到威胁。
图二、三：私人基金投资接受者的全球分布（按公司、国家）
第二，欧盟低估了来自中国的挑战。报告特别提到中国的DeepSeek-R1模型在硬件受限条件下以高训练效率获得优越性能，展示了技术突破的新路径。此外，欧盟还存在结构性问题，包括投资碎片化和算力不足。虽然欧盟各国均有AI资助项目，但缺乏跨国协调机制，且资金体量远低于美国。例如，法国支持Mistral的资金约为两亿欧元，而OpenAI单轮融资即超过百亿美元。这导致欧洲目前缺乏类似美国“超级集群”（如微软‑NVIDIA、AWS Trainium集群）的训练基础设施。尽管欧盟资助Leonardo和MareNostrum超级计算机，但其GPU优化和对AI应用的支持不足。
其次，报告也强调了欧盟的潜在优势与可行的对策。首先是依靠开源传统和价值观。报告指出欧盟具备开源文化、良好科研基础与立法意愿，在开源模型（如LLaMA、Falcon、Bloom）上的科研活跃度较高，并主张围绕开源推动可信任AI生态，以对抗“闭源黑箱模型”的伦理风险。同时，欧盟在汽车、可再生能源与教育领域具有差异化优势，报告认为应该优先推动生成式人工智能应用发展，结合政策引导与跨境合作提升竞争力。
图四：欧盟在生成式人工智能领域的优势、劣势、机遇和挑战
最后，报告提出了相应的政策建议。第一，建立“欧洲版 CERN for AI”， 融合高性能计算、基础模型训练、AI伦理实验室等功能，同时推动德、法、意、荷等国家共同建设并监管，以提升AI主权。第二，将欧盟AI法案与责任立法（AI Liability Directive）协调实施，避免抑制创新。同时，对开源模型实施分级监管，在保障透明度的前提之下鼓励社区参与。第三，推动与英国的合作，借助英国在AI研究和融资方面的强势地位，推动欧洲AI发展。第四，加强AI素养教育、公民参与和跨界对话，减少“技术恐慌”，确保AI政策的民主合法性。最后，报告强调需统一AI术语，区分生成式AI（如ChatGPT）与基础模型（general-purpose AI，如GPT-4），避免政策误导和监管错位。
法国国际关系研究所
French Institute of International Relations
欧洲初创公司和生成式人工智能：挑战大型科技公司的主导地位
报告分析了欧洲初创企业在生成式人工智能领域所面临的挑战与机遇，探讨了在当前中美主导的基础设施和模型生态中，欧洲应如何以差异化路线谋求技术价值与产业自主。报告指出，欧洲应停止试图在“模型训练”上正面对抗大型科技公司，而是利用其行业经验、开源传统和区域法规优势，在“应用转化”中实现数字主权，打造一个以产业真实需求为核心、面向全球的生成式人工智能生态。
首先，报告分析了欧洲目前的基本发展状况和面临的核心问题。第一，在欧洲，美国企业仍在全价值链中保持着主导地位。美科技巨头（如OpenAI、Google、Meta）控制了基础模型、GPU硬件、云服务、分发平台和开源生态，迫使欧洲初创企业高度依赖它们。在这种“伪主权”困境下，报告批评了欧盟当前对“完全技术独立”的执念，指出在短期内既然无法完全摆脱对美企的依赖，则可以转向价值链下游并采取差异化竞争策略。此外，报告也强调了欧洲急需解决的结构性挑战。第一，基础设施依赖严重。NVIDIA 占全球GPU市场90%；AWS、Azure、Google Cloud 控制68%云计算市场，欧洲缺乏本土高性能训练平台。第二，多语种文化、多监管体系降低了AI产品的可复制性，使初创难以快速扩张。以上原因导致了欧洲独角兽数量仅为美国的1/5，平均员工数仅为美国的1/6。VC投资不足、养老金体系不支持长期高风险投资等问题也限制了AI创业成长。
图五：美国在各领域的领先地位
基于以上分析，报告探讨了欧洲的优势和战略机遇。第一，欧洲可以发展差异化竞争路径，提升下游产业竞争力并顺应垂直化（verticalization）、小模型的趋势。报告指出，欧洲在工业、医疗、法律等垂直领域有深厚技术与法规积淀，可通过模型微调（fine-tuning）快速部署专业型AI应用。相比美国重“通用大模型”，欧洲可专注“轻量化、小模型、场景专用”路径，发展开发工具、模型压缩、场景落地等非头部资源集中的赛道。例如法国 PhotoRoom、Biolevate、Jimini 等初创公司专注于图像编辑、医疗科研、法律AI服务，已成功打入全球市场。第二，欧洲应同时优先发展工具层创新生态。例如，法国 Hugging Face、Datadog 在模型共享与部署工具领域处于全球领先，技术能力强但融资有限，应重点支持。可以通过结合欧盟 InvestAI 与法国1090亿欧元计划，投资 AI 云基础设施，并推动欧洲技术标准成为国际开放生态一部分。第三，需强化跨境人才和融资流动。可以通过“双总部”战略（如技术团队在欧洲，总部或市场在美国）打通融资与全球市场。
最后，报告提出，美国科技巨头因“AI军备竞赛”陷入资本支出困局（如OpenAI年支出超85亿美元），未来回报存在不确定性。而中国的DeepSeek、Qwen的出现证明模型优化可“以小博大”，为欧洲提供另辟蹊径的范式。
原文链接：
1.https://cdn.ceps.eu/wp-content/uploads/2025/03/EESC_report_Generative-AI-and-founding-models-in-the-EU.pdf
2.https://www.ifri.org/sites/default/files/2025-05/ifri_le_picard_european_startups_genai_2025.pdf
审核:赵杨博
排版:李森（北京工商大学）
终审:梁正、鲁俊群
往期回顾
清华大学人工智能国际治理研究院（Institute for AI International Governance, Tsinghua University，THU I-AIIG）是2020年4月由清华大学成立的校级科研机构。依托清华大学在人工智能与国际治理方面的已有积累和跨学科优势，研究院面向人工智能国际治理重大理论问题及政策需求开展研究，致力于提升清华在该领域的全球学术影响力和政策引领作用，为中国积极参与人工智能国际治理提供智力支撑。
新浪微博：@清华大学人工智能国际治理研究院
微信视频号：THU-AIIG
Bilibili：清华大学AIIG
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢