核心结论 :其他国家没有退出 AI 竞赛,只是换了比赛项目。2026 年全球 AI 算力约 45 GW,美国 35 GW(78%)、中国 5 GW(11%)、欧盟约 2 GW(5%)------硬拼前沿模型,除了中美没人有资格。所以它们改比三件事:海湾出钱买算力 (沙特 HUMAIN 约 1000 亿美元、阿联酋 Stargate 1 GW 集群)、欧洲出规则换时间 (AI Act 高风险义务推迟到 2027--2028 年,同时建最多 7 座超级工厂)、日韩把 AI 焊进工厂(日本 METI 2026 财年 1.23 万亿日元、韩国 AI 数据中心约 550 万亿韩元)。印度和新加坡走的是第四条路:应用规模与治理枢纽。
目录
-
- 一句话结论:不是退出,是换牌桌
-
- 先看牌面:78% / 11% / 5% 的三条线
-
- 为什么份额比总量更残酷:分母也在涨
-
- 欧洲路线:用规则换时间
-
- 海湾路线:用石油美元买「算力地主」的位置
-
- 日韩路线:不追通用模型,把 AI 焊进工厂
-
- 印度、新加坡、英国:应用规模与治理枢纽
-
- 共同的天花板:电、芯片许可与人才
-
- 一张对照表:症状 → 原因 → 解法
-
- 完整可运行代码:把各国的份额账算一遍
-
- 三种下注方式:按手里的牌选路线
1. 一句话结论:不是退出,是换牌桌(A Different Table)
先给结论 🎯:「中美 AI 竞赛」这个说法只在前沿模型和风险资本这两条线上成立。换一条线看,牌桌上坐满了人------欧盟在写规则,海湾在买电买卡,日本韩国在改工厂,印度在铺应用,新加坡在做治理枢纽。
之所以会产生「只有中美在玩」的错觉,是因为我们习惯用模型榜单 当唯一计分板。榜单只统计「谁训练出了最强模型」,而这件事的门槛是算力(compute,算力)------2026 年全球 AI 算力约 45 GW,美国一家占 78%,中国 11%,欧盟只剩 5%。用榜单当唯一视角,当然只看得见两家。
我在2026年10月AI大事盘点:世界模型、开源万亿参数与智能体激战里梳理过当月国际动态,当时评论区最多的一句是「怎么全是中美的事」。这篇就把镜头转过去,专门讲另外那几十个国家在干什么、为什么这么干、以及它们的账算不算得过来。
2. 先看牌面:78% / 11% / 5% 的三条线(The Three Lines)
把「AI 实力」拆成三条可量化的线,会看到一个非常反直觉的图景:三条线的第一名不是同一个国家。
| 维度 | 第一名 | 第二名 | 第三名 | 数据来源口径 |
|---|---|---|---|---|
| AI 算力装机 | 美国 35 GW(78%) | 中国 5 GW(11%) | 欧盟 2 GW(5%) | Bruegel 2026,全球约 45 GW |
| 2025 年重要模型数 | 美国 59 个 | 中国 35 个 | 韩国 8 个 | 斯坦福 AI Index 2026 |
| AI 论文被引份额 | 中国 20.6% | 欧洲 19.5% | 美国 12.6% | AI Index 2026(2024 年数据) |
| 2025 年私人 AI 投资 | 美国 2859 亿美元 | 中国 124 亿美元 | --- | AI Index 2026,全球 3447 亿美元 |
三条线读下来,结论很清楚 🔍:
- 算力是美国的独角戏。35 GW 对 5 GW 是 7 倍,对 2 GW 是 17.5 倍(欧洲央行同一口径给的是 75%,比 Bruegel 的 78% 略低,差异来自统计边界)。
- 论文是中国的主场。20.6% 的被引份额压过欧洲 19.5% 与美国 12.6%,这是过去十年持续投入的结果。
- 模型数量是双寡头。59 比 35,韩国拿到 8 个,法国和英国各 1 个------欧洲在「能上榜的模型」这一项上,几乎挂零。
还有一个容易被忽略的统计口径问题 ⚠️:私人投资 2859 亿对 124 亿,看着是 23.1 倍,但 AI Index 在脚注里补了一句------中国 2000 至 2023 年通过政府引导基金累计部署约 9120 亿美元,其中估测 1840 亿直接投向 AI。拿「私人 VC」这一列去比「举国投入」,本身就不在一个池子里。这也是后文要反复用到的判断原则:先看口径,再看倍数。
参考资料:
- The 2026 AI Index Report -- Stanford HAI ⭐值得阅读
- The AI opportunity for Europe -- ECB
- How can Europe address its pressing AI compute infrastructure shortfall? -- Bruegel
3. 为什么份额比总量更残酷:分母也在涨(Why Share Beats Absolute)
这里有个大多数分析会跳过的细节:份额是个分数,分母自己也在涨。
Bruegel 的测算是,全球 AI 算力到 2031 年预计扩容 8 倍以上;瑞士人工智能研究所(SIAI)进一步算过,即便欧洲把在建项目全部落地、自身算力涨 10 倍,它在全球的份额也只能从 5% 爬到 5.6%,绝对差距反而继续扩大。
打个比方 🎭:这像全班平均分每年都在涨。你从 60 分补到 70 分,确实进步了,但平均分从 65 涨到了 85,你的名次还是往下掉。补课速度追不上大盘速度,名次就永远追不上。
把账算实一点(第 10 节有可运行代码可复算):
- 现状:全球 45 GW,欧盟 2 GW,占 4.4%。
- 维持 5%:若全球涨到 360 GW,欧盟需要 18 GW,是现在的 9 倍。
- 冲到 15%:需要 54 GW,是现在的 27 倍。
- 而欧盟在建的 7 座超级工厂,单座门槛是「至少 10 万颗尖端 AI 芯片」,全部落地也远达不到 27 倍。
这里就是本文第一个反直觉取舍:既然份额注定追不上,欧洲为什么还要砸最多 100 亿欧元公共资金去建超级工厂?理由不是「赢训练」,而是「赢推理与数据驻留」------具体在 §4 欧洲路线与 §8 天花板两节展开,简单说:训练可以租别人的,但银行、医院、政府的推理请求不能出境。
参考资料:
- Europe in the AI Value Chain: Little Capital, a Lot of Talent and the Choice of Open Weights -- SIAI
- How can Europe address its pressing AI compute infrastructure shortfall? -- Bruegel
4. 欧洲路线:用规则换时间(Europe: Rules for Time)
欧洲打的是一套「三件套」组合拳:规则先立、算力后补、公司兜底。
第一件,规则。AI Act(人工智能法案)2024 年生效后,实施节奏一直跟不上------高风险系统的标准、成员国的主管机构、合格评定机构都没就位。于是欧盟委员会在 2025 年 11 月提出 Digital Omnibus on AI,欧洲议会在 2026 年 6 月通过,把高风险义务的落地时间明确往后推:
- 独立部署的高风险 AI 系统:2027 年 12 月 2 日起适用。
- 嵌入产品(如电梯、玩具)并受欧盟部门安全法规约束的系统:2028 年 8 月 2 日起适用。
- AI 生成内容的标识义务:2026 年 12 月 2 日起适用。
这套安排的本质是「用时间换标准」:先把规则框架立住,让全球厂商按欧洲的合规文档、风险评估、技术文档格式来做产品,等标准和机构配齐了再真正开罚。对欧洲本土公司来说,这是难得的喘息窗口;对中美公司来说,这是必须交的「合规税」。
第二件,算力 。2026 年 7 月欧盟启动招标,计划建最多 7 座 AI gigafactory(AI 超级工厂),每座配备至少 10 万颗尖端 AI 芯片;公共资金最多 100 亿欧元,官方预期撬动至少 200 亿欧元私人投资,合计超过 300 亿欧元。投标 12 月 3 日截止,结果预计 2027 年初公布。同月,诺基亚、Nscale、Telia、Verda、Skeleton 等公司还组了个「北方 AI 超级工厂」联盟,在芬兰、爱沙尼亚、拉脱维亚、瑞典建分布式算力,用高速网络拼成一张大网------既然单点拼不过,就把四个小国拼成一个。
第三件,公司 。2026 年 9 月,巴黎的 Mistral 拿到 30 亿欧元 D 轮,三星电子领投,投后估值超过 210 亿欧元;同时放出万亿参数的 Mistral Large 4 预览版,并在巴黎南边自建数据中心,规划到 1 GW。欧洲终于有一家能进「前沿模型」牌桌的公司,虽然只有一家。
所以欧洲的真实战略是:不跟你比谁的模型最强,比谁的模型最合规、最容易进欧洲的银行和政府部门。它卖的是市场准入,不是 benchmark(评测榜单)。
参考资料:
- Digital Omnibus on AI -- European Parliamentary Research Service
- AI Factories -- European Commission
- Mistral AI: Sovereign AI and a €21bn Valuation Push -- AI Magazine
- 想减少对中美依赖,欧洲要搞跨国「算力超级工厂」-- 观察者网
5. 海湾路线:用石油美元买「算力地主」的位置(Gulf: Compute Landlord)
沙特和阿联酋走的是另一条路:不自己训模型,直接买成算力房东。
沙特:主权基金 PIF 全资的 HUMAIN,由王储亲自担任主席,业务横跨数据中心、芯片、云、阿拉伯语基础模型和应用。目前已承诺约 1000 亿美元,铺 11 个数据中心、2.2 GW 容量;与 NVIDIA 的合作从首批 18000 台 GB300 Grace Blackwell 系统起步,规划最多 500 MW 的 AI 负载。
阿联酋 :阿布扎比的 G42 牵头 Stargate UAE,与 OpenAI、Oracle 合建 1 GW 的 NVIDIA 集群,整个园区规划最多 5 GW,首期 200 MW 预计年内投运------这是美国之外最大的同类设施。资本端,MGX 在 2026 年 6 月关账 490 亿美元基金,超募完成;其联合发起方 Mubadala 管理 3300 亿美元资产,已把 AI 与机器人列为主投方向。
但这里有个必须说清的前提 ⚠️:海湾的算力,跑的全是美国批准的硅 。芯片出口许可握在华盛顿手里,所以它的「主权」是有条件的------数据可以留在本国,模型可以本地部署,但算力的开关不在自己手上。
打个比方 🎭:这像在别人家的电网旁边自建电厂。厂房、地皮、发电机都是自己买的,可发电机的核心部件要靠对方供货,对方一纸许可就能决定你能不能扩产。
这解释了海湾的下一步动作:一边买卡,一边当 LP 。MGX、PIF 大量投资 OpenAI、xAI 这类公司,本质是用资本换「模型优先供应权」------既然买不到技术领先,就买技术领先公司的股东席位。
参考资料:
- The Gulf states are betting big on AI: who's investing where? -- Fortune
- UAE & Saudi AI 2026: G42, HUMAIN, Stargate Explained -- explainx.ai
- Middle East AI Investment: HUMAIN vs PIF vs G42 vs MGX
6. 日韩路线:不追通用模型,把 AI 焊进工厂(Japan & Korea: AI Into Factory)
日本和韩国的选择更务实:通用模型让别人去卷,自己去做「物理 AI(physical AI,实体人工智能)」和上游器件。
日本的投入在 2026 年明显加码。经济产业省(METI)2026 财年给 AI 与半导体的支持约 1.23 万亿日元,大约是此前水平的 4 倍;其中 3873 亿日元专门投向国产基础模型、数据基础设施、物理 AI 和底层算力。具体项目也很「日本」:
- Noetra 启动国产多模态基础模型研发,规划 27500 颗 NVIDIA Rubin GPU 的算力底座。
- Rapidus 攻 2 纳米逻辑制程,目标 2027 年量产,2026 年 2 月又拿到 2676 亿日元新资金。
- 2026 年 4 月 12 日,软银、NEC、索尼、本田联合成立 Japan AI Foundation Model Development,规模约 63 亿美元,三家大银行和两家钢铁厂做小股东------这阵容摆明了不是做聊天机器人,是给制造业做底座。
韩国的力度更猛。2026 年 6 月总统主持的「三大超级项目」把存储半导体、物理 AI、AI 数据中心列为三大重心,总规模逾 1800 万亿韩元;其中 AI 数据中心一项约 550 万亿韩元,目标是吉瓦级超大型设施。2027 年预算案是史上最大,AI 相关投入近乎翻倍:4.7 万亿韩元支持自主研发的前沿模型,5000 亿韩元在制造、智能工厂、国防等 8 个领域做实体 AI 示范;国家 AI 计算中心落在全罗南道海南郡,由三星 SDS 主导的联合体建设运营。
为什么是这两个国家选这条路? 因为它们最强的资产不是模型团队,是供应链:日本的机床、材料、汽车,韩国的存储、面板、电池。AI 对它们不是「做一个更强的 chatbot」,而是「让已经卖到全世界的硬件多卖一轮」。模型的输赢由工厂订单决定,不由榜单决定。
参考资料:
- Japan's industrial AI machine is running while Western investors are still looking at the scoreboard -- Startup Fortune
- Japan launches sovereign AI push with Noetra multimodal foundation model, 27,500 Nvidia Rubin GPUs planned
- Japan's Tech Comeback Goes Global -- EUReflect
- 韩国算力建设直面能源挑战 -- 人民网
- 韩国科信部下半年将启动三大AI超级项目扶持体系 -- 福建省科学技术厅
7. 印度、新加坡、英国:应用规模与治理枢纽(India, Singapore, UK)
前面三条路线都在「算力或制造业」上下注。剩下这几个国家的选择更轻:不建最大机房,也不造最强模型,靠市场规模和规则话语权换位置。
印度走的是「算力公共品」路线。IndiaAI Mission 总盘子 1037.2 亿卢比、周期 5 年,把算力当自来水来做:共享算力池在 2026 年 6 月已扩到 4.5 万张 GPU,另有 2 万张在采购流程中;早期上线的 3.8 万张 GPU 按每小时 65 卢比计费,约为全球均价的三分之一,另有 1050 块 TPU 作补充。到 2026 年 8 月,237 个项目已经用掉 931.8 万 GPU 小时,同时有 12 支团队入围国产基础模型。
这里有个能直接换算的对比 ⚠️:欧盟一座超级工厂的门槛是 10 万颗尖端 AI 芯片,印度全国的公共算力池是 4.5 万张 GPU------还不到半座工厂 。这不是印度没钱,而是它选了另一件事:先把开发者数量和使用习惯做起来。2026 年 2 月它还在新德里办了 India AI Impact Summit,思路和办产业展会一样------算力可以少,话语权不能少。
新加坡 走的是「治理枢纽」路线。2025 至 2030 年投入 10 亿新元做 AI 研发;2026 年 2 月成立国家 AI 理事会(NAIC),由总理黄循财亲自主持;5 月更新国家 AI 战略(NAIS,National AI Strategy),把优先方向重排成 10 项,同时与 Google、OpenAI 建立合作,目标三年内带动 1 万家企业用上 AI。它的体量注定赢不了算力,但规则怎么定、跨境数据怎么流,它能坐上桌。
英国介于两者之间:划定 5 个 AI Growth Zones(首个落在拉纳克郡,3 亿英镑、3400 个岗位),承诺 20 亿英镑把公共算力扩到 20 倍(2030 年),布里斯托的 Isambard-AI 已上线,主权 AI 单元备了最高 5 亿英镑投本土公司,官方口径是到 2030 年带动超过 282 亿英镑投资。
三家的共同点很清楚:它们不比谁的模型强,比谁能让 AI 更快落到本国企业和政府里。
参考资料:
- IndiaAI Mission: Sovereign AI Computing Capacity At Scale -- PIB ⭐值得阅读
- IndiaAI Mission: 38,000 GPUs at ₹65 per hour, 1,050 TPUs onboarded -- PIB
- Update to Singapore's National AI Strategy: Refreshed Priorities -- MDDI
- Singapore updates national AI strategy, partners Google and OpenAI -- Singapore EDB
- AI Opportunities Action Plan: One Year On -- GOV.UK
- AIRR advanced supercomputers for the UK -- GOV.UK
8. 共同的天花板:电、芯片许可与人才(Shared Ceiling)
无论走哪条路线,最后都撞上同一堵墙,而且三块砖的难度顺序是固定的:电有钱能买到,卡要看批文,人最难留。
第一块,电。 2026 年全球 AI 数据中心的电力需求是 29.6 GW,大致相当于纽约州全州的峰值负荷------两者只差 1.9 GW。Gartner 测算全球数据中心 2026 年用电 565 TWh,同比增长 26%(2025 年为 447 TWh),到 2030 年会突破 1200 TWh,比日本全国一年的用电量还多。高盛算得更具体:到 2028 年底,美国光电力缺口就有 33 GW,约等于英国的基础负荷。
第二块,卡。 芯片出口许可不在买家手里。海湾的钱再多,扩产节奏也取决于华盛顿的批文------这正是它们一边建机房、一边当 LP 的原因。
第三块,人。 斯坦福 AI Index 2026 有一个很少被引用的观察:美国吸引全球 AI 人才的能力在下降。这给其他国家开了窗口------日本用 63 亿美元的联合体把本国工程师留在制造业体系里,新加坡用治理与研究岗位吸引区域人才,逻辑是同一个。
一句话总结这堵墙:钱能解决的都不算瓶颈,瓶颈恰恰是钱解决不了的。
参考资料:
- Gartner Says Data Center Electricity Consumption to Grow 26% in 2026 -- Gartner ⭐值得阅读
- The 2026 AI Index Report -- Stanford HAI
9. 一张对照表:症状 → 原因 → 解法(Symptom, Cause, Fix)
把前八节踩过的坑整理成一张表,遇到对应症状时可以直接对号:
| 症状 | 原因 | 解法 |
|---|---|---|
| 觉得「只有中美在搞 AI」 | 只看模型榜单这一个计分板 | 换三条线看:算力装机、论文被引、私人投资 |
| 欧洲越投越多,份额却越来越低 | 全球分母在 8 倍扩张,增速追不上大盘 | 放弃份额目标,改守推理与数据驻留 |
| 海湾买了卡,扩产仍要看别人脸色 | 芯片出口许可不在自己手里 | 建设与投资并行,用 LP 席位换优先供应权 |
| 日韩做通用大模型没胜算 | 缺前沿模型团队与风险资本 | 转向物理 AI 与上游器件,用工厂订单计分 |
| 印度、英国算力规模差一个量级 | 主动选择了应用与治理路线 | 用公共算力池压低单价,用规则换取生态 |
| 所有非中美项目都卡在同一处 | 电、许可、人才三块砖同时受限 | 先锁电,再锁卡,最后抢人 |
10. 完整可运行代码:把各国的份额账算一遍(Runnable Code)
下面这段代码不依赖任何第三方库,复制粘贴就能跑。它复算三件事:现状份额、2031 年守住目标份额需要多少 GW、以及欧盟超级工厂的公共资金杠杆比。
python
# -*- coding: utf-8 -*-
"""复算本文的份额账:现状分布、目标份额所需算力、公共资金杠杆比。"""
GLOBAL_GW = 45.0 # 2026 年全球 AI 算力总量(GW),Bruegel 口径
CAPACITY = {"美国": 35.0, "中国": 5.0, "欧盟": 2.0, "其他": 3.0} # 地区 → 装机容量(GW)
def share_table(total_gw, capacity):
"""打印各地区算力份额表。
参数:
total_gw: 全球算力总量(GW)
capacity: 地区 → 算力(GW)的字典
"""
for region, gw in capacity.items(): # 逐地区计算占比
print(f"{region} {gw:>4.1f} GW {gw / total_gw * 100:>5.1f}%") # 形如「欧盟 2.0 GW 4.4%」
print(f"合计 {sum(capacity.values()):>4.1f} GW") # 校验各地区之和
print("=== 2026 年现状 ===")
share_table(GLOBAL_GW, CAPACITY) # 美国 77.8% / 中国 11.1% / 欧盟 4.4%
print("\n=== 全球扩容 8 倍后,守住目标份额需要多少 GW ===")
total_2031 = GLOBAL_GW * 8 # 2031 年全球总量:45 × 8 = 360 GW
for target in (0.05, 0.10, 0.15): # 分别试算 5% / 10% / 15%
need = target * total_2031 # 目标份额 × 全球总量 = 需要多少 GW
multiple = need / CAPACITY["欧盟"] # 相对当前欧盟 2 GW 的倍数
print(f"目标 {target:.0%}:需 {need:>5.1f} GW,是当前欧盟的 {multiple:>4.1f} 倍")
print("\n=== 两种口径下的中美差距 ===")
print(f"算力:{CAPACITY['美国'] / CAPACITY['中国']:.1f} 倍") # 35 / 5 = 7.0 倍
print(f"私人 AI 投资:{285.9 / 12.4:.1f} 倍") # AI Index 2026:2859 亿 vs 124 亿美元
print("\n=== 欧盟超级工厂的公共资金杠杆比 ===")
public, private = 10.0, 20.0 # 公共最多 100 亿,预期撬动 200 亿欧元
print(f"公共 {public:.0f}B → 私人 {private:.0f}B,杠杆比 {private / public:.1f}x") # 2.0x
实际输出:
text
=== 2026 年现状 ===
美国 35.0 GW 77.8%
中国 5.0 GW 11.1%
欧盟 2.0 GW 4.4%
其他 3.0 GW 6.7%
合计 45.0 GW
=== 全球扩容 8 倍后,守住目标份额需要多少 GW ===
目标 5%:需 18.0 GW,是当前欧盟的 9.0 倍
目标 10%:需 36.0 GW,是当前欧盟的 18.0 倍
目标 15%:需 54.0 GW,是当前欧盟的 27.0 倍
=== 两种口径下的中美差距 ===
算力:7.0 倍
私人 AI 投资:23.1 倍
=== 欧盟超级工厂的公共资金杠杆比 ===
公共 10B → 私人 20B,杠杆比 2.0x
读这段输出的关键是第二段:同一份「全球扩容 8 倍」的假设下,想守住 5% 要涨 9 倍,想冲到 15% 要涨 27 倍。而欧盟在建的 7 座超级工厂,单座门槛是 10 万颗芯片------即使全部落地,也远够不到 27 倍。这就是第 3 节说的「分母在涨」。
11. 三种下注方式:按手里的牌选路线(Three Ways to Bet)
把前面所有案例压成一张决策表:
| 手里最厚的牌 | 该走的路 | 代表 | 关键动作 |
|---|---|---|---|
| 电便宜、钱多 | 买算力当房东 | 沙特、阿联酋 | 建 GW 级园区,用 LP 席位换模型优先供应 |
| 有工业场景与供应链 | 物理 AI + 上游器件 | 日本、韩国 | 把 AI 塞进机床、汽车、存储与面板 |
| 有市场与规则权 | 合规即壁垒 | 欧盟 | 用 AI Act 把技术文档格式定成自己的标准 |
| 有人口与交付能力 | 公共算力 + 应用规模 | 印度、新加坡、英国 | 压低算力单价,做开发者与治理生态 |
用法是逐条自查,顺序不能颠倒:先问自己有没有电 ,没有电就别碰自建机房;再问有没有场景,没有场景就别做垂域模型;最后才轮到「规则」和「生态」------它们是前两张牌都打完之后的加分项。反过来下注,就是拿最贵的方式买最不擅长的东西。
该看这条线的时候 :产品要出海、要在海外建算力、或评估某国合规成本时。不必看的时候:只在国内做应用开发------这些地缘变量短期改不了你的技术选型。
本专栏《LLM 大模型技术专栏》从 Transformer 注意力机制一路讲到模型选型、推理优化、Agent 落地与 AI 产业格局,每篇都配一段可直接运行的代码,每周更新一篇。想按顺序读完,可在专栏页订阅。