AI 大战，欧洲急了 - 电竞赛程

AI 竞争发展到当前阶段，连德国也无法保持冷静。

最近，德国总理默茨在柏林接待了英伟达创始人黄仁勋。西门子、奔驰、奥迪等德国工业巨头的代表全部出席，讨论焦点集中在一个问题上：AI 如何进入工厂，推动制造业变革。

这一事件背后，反映了欧洲深层次的忧虑。

两百年前，欧洲凭借蒸汽机和内燃机改变了人类进程，但到了互联网和芯片时代，主导权逐渐转移到美国手中。

如今 AI 浪潮席卷全球，美国凭借芯片和模型获取巨大收益，中国将 AI 融入产业场景，日韩则占据半导体材料与存储的供应链上游。

只有欧洲，仿佛停滞在上一个时代的辉煌中。

一、工业老大哥的"失落三十年"

欧洲今天的困境，早在几十年前就已埋下伏笔。

18 世纪，英国人用蒸汽机将手工作坊带入工厂时代，19 世纪，德国人借助西门子的电机、巴斯夫的化学实验室，建立了从实验室到车间的严密工业体系。这种将科研快速转化为产品的机制，曾是欧洲最坚实的底气。

> 可当世界转向半导体和互联网时，这套机制却运转得越来越慢。

当美国在硅谷通过风险投资催生出谷歌、微软和亚马逊，依托统一的本土市场迅速将技术推广至全球时，欧洲却陷入了长期的内耗。它拥有全球最严格的法律体系、被分割的 27 个成员国市场，以及一套对试错并不友好的资本体系。

荷兰的 ASML 制造了当今最精密的极紫外光刻机，但前 CEO 温宁克在离任前曾大声呼吁，欧洲正在失去创新精神，因为这里的人习惯于在规章制度中打转，而不是去开创未来。

这种脱节在生成式 AI 爆发时达到了顶点。

> 当 OpenAI 的 ChatGPT 横空出世，欧洲的工业巨头们惊讶地发现，自己虽然拥有大量顶级实验室和世界 500 强工厂，却没有一张能参与 AI 顶级竞争的入场券。

二、全球牌桌上的四国演义

如果将 AI 产业拆解来看，这场全球竞争并非单一技术的比拼，本质上是一场场残酷的供应链割据战。

美国玩的是霸道的生态闭环。英伟达卖 GPU，台积电代工，微软和谷歌搭建数据中心，OpenAI、Anthropic 攻坚大模型。

英伟达最可怕的不是显卡售价高昂，而是围绕 CUDA 建立的软件生态。开发者多年积累的代码、开发工具与底层调优经验越多，迁移到其他平台的成本就越高。芯片由此不再是硬件产品，也成为整套计算体系的入口。

> 购买它的芯片，就等于接受它的规则。

日本未必掌握 AI 最受关注的大模型产品，却在若干难以绕开的底层制造环节占据重要位置。信越化学与胜高的半导体级硅晶圆、东京电子的涂布与刻蚀设备、爱德万测试的芯片测试系统，构成了芯片制造的基础设施。

日本并未放弃自身 AI 产业，而是将产业优势沉淀在供应链中下游那些门槛和替代成本高的核心环节。

韩国则上演了一出依靠 AI 翻盘的戏码。

2023 年，全球存储芯片市场遭遇严重周期性下行，SK 海力士承受了巨大的利润压力。但在巨额亏损的阴影下，公司依然维持了对高带宽内存（HBM）的研发与产能投入。

随着 AI 加速器对高吞吐内存带宽的需求爆发，SK 海力士凭借在 HBM3 与 HBM3e 上的先发优势，成为英伟达等芯片厂商的核心供应商。到 2026 年，其市值历史性地突破 1 万亿美元。

> 海力士用一个财务翻盘的故事证明，只要掌控了 AI 算力的关键环节，濒临亏损的公司也能打一场翻身仗。

中国则展现了推理降本与场景工程的双重推动力。2025 年初 DeepSeek R1 模型的横空出世，给硅谷的算力阵营带来冲击。它用极低的价格和巧妙的架构，打破了只有千亿美金才能堆出领先模型的门槛。

与此同时，模型使用成本的下降，进一步激活了中国庞大的制造业体系，为 AI 提供了丰富的试验场，也让经过验证的方案有机会快速复制到更多生产环节。

反观欧洲，虽然有 ASML 的光刻机、法国 Mistral 的开源模型，却更像是一盘散沙。

> 它手里握着一堆好牌，却缺少一个能把牌打出去的庄家。

三、规矩太多，钱太少

欧洲其实并非没有尝试自救。

> 法国曾诞生全欧洲最亮眼的 AI 独角兽 Mistral AI，其创始人来自 OpenAI 和 DeepMind。但在公司急需数亿美元进行模型迭代的关键时刻，欧洲本土的资金池却没有跟上。

2024 年起，Mistral 先后引入微软 1500 万欧元的战略投资，并将其大模型深度分发绑定在微软 Azure 云平台上，后续英伟达等硅谷巨头也相继跟进。

更大的尴尬藏在欧洲引以为傲的工厂里。

按照欧盟官方的规划，政府准备动用数百亿欧元在各国建造"AI 超级工厂"，希望用公共资本帮助企业补上算力的缺口。

然而，当技术方案真正落地到工厂层面时，工程人员面临的往往是更基础的数字化断层。大量中小型工厂虽然拥有极高精度的机床，但底层工控协议（如 OPC UA）未能统一，老旧设备缺乏标准化数据采集接口，数据孤岛普遍存在。

欧盟委员会发布的数据直观地呈现了这一差距。

截至 2024 年，在欧盟范围内真正将 AI 技术深度集成到核心业务流程中的企业占比仅有约 8%。经合组织的数据显示，欧洲制造企业里，真正把 AI 应用到核心生产线上的连 10% 都不到。

> 过度的合规成本、碎片化的本土市场、缺乏持续输血的后期风险资本，再加上工厂底层数字基础设施的补课压力，共同拖慢了欧洲 AI 商业化的脚步。

四、黄仁勋的商业算计

正是在这种被动与焦虑的氛围下，黄仁勋带着英伟达的方案来到了柏林。

英伟达宣布要在欧洲追加近 100 亿美元投资，不仅投向德国的机器人和医疗 AI 初创公司，更直接与西门子、奥迪捆绑，要在德国推广物理 AI。

> 黄仁勋看中的，不是让欧洲人多用几个聊天机器人，他瞄准的是德国工厂里积攒了几十年的制造数据和工程经验。

以西门子与英伟达合作的工业仿真平台为例，企业可以在虚拟空间中构建产线的数字孪生模型，测试生产流程与设备配置，从而在真实部署前大幅降低试错成本。

对于 GDP 增速连年低迷、被高能源成本和出口压力压得喘不过气来的德国而言，借助 AI 提升全要素生产率，是维持其工业地位的重要选项。

但这种合作也带来了新的议题：如果欧洲工业界的软件仿真、机器人控制与算法训练都建立在英伟达的系统之上，英伟达获得的就不只是一笔芯片销售额，更可能演变为工业系统的基础平台。

> 黄仁勋带来的既是机会，也是一道新的选择题：欧洲能否借助美国的技术重塑自己的工业竞争力，同时保留足够的自主空间？

五、逃离硅谷

欧洲终于清醒地认识到，在通用大模型与纯算力堆砌的赛道上去硬碰硬，并非其优势所在。它开始把更多的筹码，押注在自己最擅长的领域：工业自动化、医疗健康、精密机械以及科学计算。

荷兰的光刻机、德国的机械臂、法国的航空航天，这些沉淀了数百年的工业机密，是硅谷用代码无论如何也无法在短时间内模拟出来的真实数据。

> 然而，工业积累本身并不自动等于 AI 优势。

欧洲唯有将这些工业经验转化为可训练的数据与可规模化的商业产品，并打破 27 国之间的合规与市场壁垒，才能真正将老资产变成新引擎。同时，一些欧洲公司尝试通过CS2下注等新兴领域探索数字化机会，以弥补传统工业转型的滞后。

全球 AI 比赛的下半场，已经从虚拟的数字世界，蔓延到了真实的物理世界。

黄仁勋带着算力敲开了欧洲的大门，而欧洲能否重新站稳脚跟，取决于它能否在硅谷的计算体系中，找到属于自己的不可替代性。

【版面之外】的话

技术革命从不按资历排座次。

一个时代积累的优势，到了下一个时代，可能是起点，也可能成为惯性。

工业史不会替任何人保留席位。

本文来自微信公众号“版面之外”，作者：画画，36氪经授权发布。