AI正在成为一场区域竞赛

摘要

• AI主权已经从“是否采用”的争论，转向“自建还是外购”的决策。 Anjney Midha认为，已有数十亿人使用AI，各国政府实际上已经没有太多选择，无法再讨论是否拥抱AI。主持人将未来24个月各民族国家的相关支出称为可能“单笔最大的采购决策”。
• 较小国家不需要掌握完整的AI全栈，但必须选择值得信赖的合作伙伴。 Midha将世界划分为前沿“超算中心”和“算力荒漠”；通过合资，国家可以获得基础设施独立性，而不必实现全面自有。由于训练数据会嵌入文化规范，对齐也意味着要判断“谁的价值观与你更接近”。
• Midha认为，真正重要的只有算力、能源、数据和监管这4项要素。 资源丰富的国家可以用自身比较优势换取缺失能力，例如中东的能源可以吸引模型实验室和技术人才。共同训练的模型，可能让各国“摆脱自己不认同的价值体系，同时实现联合独立”。
• 真正的主权意味着控制关键依赖，而不是复制每一层能力。 ASML约2亿美元的光刻机说明了这一限制：美国重建这项能力可能需要“10多年”，而训练本土前沿模型可能只需数月到几个季度——前提是一个国家能找到全球少数具备能力的研究团队。
• Midha认为，美国的数据、能源和推理责任政策是关键风险，同时表示私人算力市场目前表现不错。 他估计，2024年美国各州层面出现了700多项AI立法，形成不断变化的拼图，让企业甚至无法判断“自己到底该遵守什么”。他还认为，核能开发受限，以及让模型开发者为下游滥用承担责任的提案，可能把创业公司推向海外，并进一步巩固大科技公司的地位。
• 最强的信号来自主权GPU订单和具备技术可信度的创始人。 各国政府在交付前12—36个月就开始订购NVIDIA GPU，因为数据中心正成为“主权新的原子单位”。Midha正在关注那些拥有前沿模型经验、愿意为政府建设基础设施的深度技术型创始人，例如创办Mistral AI的Arthur Mensch，以及在Meta主导最初Llama系列的Guillaume Lample；这一角色的影响力可能“具有相当长远的一代人意义”。

精读

1. AI普及后，主权问题变成自建还是外购

• Midha将AI视为大约20—22项通用技术之一，与电力和印刷术并列：它是一种横向放大器，而异常迅速的扩散意味着“我们早已过了‘要不要拥抱它’的阶段”。
• 主持人用企业作类比，进一步明确了这一决策：企业可以自建、租用或购买基础设施，超过190个国家面对的也是同一个选择。主持人认为，未来24个月各民族国家的采购可能成为“单笔最大的采购决策”。

2. 较小国家可以与超算中心结盟，而不是继续留在算力荒漠

• Midha把能够训练、构建和托管前沿模型的国家称为“超算中心”，把缺乏有意义的在役算力的国家称为“算力荒漠”。他的历史参照是电气化早期：当时较小国家通过与前沿伙伴成立合资企业来推进发展。
• 与电力不同，AI会编码价值观，因为训练数据携带着当地规范：在美国互联网数据上训练的模型会“总体上带有美国色彩”，而法国数据则会产生更细微、反映法国规范的价值取向。因此，AI可能会重演互联网在中国与世界其他地区之间的分化。
• Midha还把货币当作先例：缺乏本地资源、无法维持货币与美元挂钩的国家，曾围绕现代货币体系展开合作；新加坡、爱尔兰、卢森堡和苏黎世等较小经济体，则通过与权力中心对齐，成为金融“流量节点”。较小国家在选择兼容的超算中心后，也可以在AI领域扮演同样的角色。

3. 比较优势比全面拥有更重要

• Midha说，真正重要的有4项要素：算力、充足且低成本的能源、高质量数据Token，以及监管。它们分布不均，反而为联盟创造了机会；一个中东国家可能没有大型数据中心，却可以利用能源储备吸引顶尖团队、企业和基础模型实验室。
• 他看好盟友关系，包括与其他国家的私人企业合作，并表示共同训练的模型可以让国家在AI栈的某一部分建立优势，同时摆脱自己不信任的价值体系。
• Midha反对把主权定义为“对全栈每一部分拥有100%的所有权”。ASML约2亿美元的精密光刻机说明了原因：美国复现EUV能力可能需要10多年，而建设并训练一个本土前沿模型可能只需数月到几个季度——前提是能找到全球少数具备能力的研究团队。独立性的真正含义，是避免依赖由不信任对象提供的关键环节。

4. 政府能否接入私人AI，仍是战略分水岭

• 主持人询问，美国主权是否可以直接交给Anthropic或OpenAI。Midha表示，在一些国家，政府与私人部门的边界非常清晰，在另一些国家则相当模糊；他将美国与中国2017年《国家情报法》作对比，称该法要求中国个人和实体支持国家情报工作。
• 在美国及大多数盟友国家，私人技术通常受到保护，但双重用途技术或涉密国防技术等受管制领域除外，尤其是由国防项目出资开发的技术。Midha表示，Five Eyes通常采用联合框架对这类基础设施进行分类，但AI模型总体上尚未被归类为双重用途技术，也未被纳入国家安全保护范围。
• 主持人认为，减少官僚流程拖延、释放一个国家最优秀的人才，历来都是保持领先的关键。

5. 美国的政策瓶颈可能浪费其算力优势

• Midha认为，美国私人市场正在满足算力需求，但数据政策“异常棘手”。他把拜登行政命令描述为发令枪：命令发出后，各州开始自行行动；他表示，2024年美国各州层面出现了700多项AI立法，但联邦层面仍没有统一的训练数据框架。
• 他认为，只要规则清晰，前沿模型创始人会接受符合监管要求的美国制度；他们不愿面对50套不断变化、且有时根本无法执行的体系。他还指出，现实中的数据壁垒，以及政府对跨境合作支持不足，都限制了盟友地区之间的数据流通。
• 能源是另一个弱点：法国20年前拥抱核能，使其具备建设极高能效数据中心的条件，而美国“亲手让自己失去了优势”。如果要求开发者为他人滥用推理输出承担责任，也可能把创业公司推向其他地区，削弱它们对抗大科技公司的能力，并进一步巩固既有巨头。

6. 主权GPU订单和技术型创始人是领先指标

• Midha称数据中心是“主权新的原子单位”，AI供应链的第一公里就从这里开始。他指出，政府资产负债表正在产生前所未有规模的NVIDIA采购订单，各国把订单排到了交付前12—36个月：“如果排不到队伍前面，一切就结束了。”
• 他还关注那些拥有学术或深度研究背景、已经主导过前沿模型开发的深度技术型创始人，其中许多人此前在超大规模云厂商的实验室工作。代表人物包括创办Mistral AI的Arthur Mensch，以及在Meta主导最初Llama系列的Guillaume Lample。
• Midha认为，一类新的创始人正在出现：他们愿意解决大型国家和地区面临的复杂基础设施问题；只要具备必要的“胆量”，他们对人类的影响可能“具有相当长远的一代人意义”。