欧洲云市场正日益向少数几家供应商集中。
在AI与数字主权并存的时代，这一现象带来了必须加以协调的张力。
通过采用分布式混合架构，社会既能获取经济价值，又能维护主权。
当前关于数字主权的讨论已不再停留于理论层面。地缘政治紧张、供应链冲击以及日益严峻的网络风险，使各国政府与企业都认识到，它们必须能够掌控那些关乎自身繁荣的技术。
然而，迄今为保护数字主权而采用的工具往往代价高昂。合规制度增加了成本与复杂性，“本地采购”规则可能使创新者无法使用世界一流的平台，而慷慨的补贴也难以缩小与少数全球科技领军企业之间的差距。
以欧洲云市场为例，本地供应商的合计份额已从2017年的29%下降至2024年的15%，而三家总部位于美国的超大规模云服务商目前占据约70%的需求。人工智能（AI）领域也呈现类似格局，最大规模的投资仍集中于少数几家总部位于美国或中国的企业所拥有的大型数据中心。
因此，核心问题在于：主权与竞争力是否必然朝相反方向拉扯，还是AI革命的下一阶段能够使二者趋于一致。越来越多的证据表明，二者趋于一致是可能的。
从单体模型到分布式智能
2022年末，OpenAI的ChatGPT等大型语言模型公开发布，引发了前所未有的实验热潮。各机构纷纷测试能够起草营销文案、归纳研究成果或编写软件代码的生成式应用。投资也随之激增：分析人士估计，过去四年全球AI支出中有逾三分之二被投向训练规模日益庞大的基础模型，其中大部分集中于集中式超大规模设施。
成效喜忧参半。麻省理工学院近期的一项调查发现，仅有约二十分之一的AI试点项目能够产生可衡量的商业价值。主要原因在于结构性问题：无论基础模型多么先进，它也只是更广泛系统中的一个组成部分。真正使银行、制造商或公共卫生机构有别于他人的数据，具有专有性、高度分散的特点，且往往受到严格的保密规定约束。要释放这些数据的价值，AI需要更贴近数据、适应本地情境，并在严格界定的护栏之内自主行动。
技术专家将这一下一阶段称为“智能体AI”。取代在云端回应文本提示的单一整体式模型，一个由专业化智能体组成的网络将开展协作、相互学习，并在必要时于“边缘”实时行动——例如在工厂车间、车辆内部或国家安全边界之内。简言之，AI正演变为一种混合式、多层级应用，其中集中式训练与本地推理持续相互强化。
AI革命改变主权方程式的三个原因
分布式架构不仅是技术上的必然趋势，还重新调整了地缘政治与经济的考量。其中有三大决定性特征：
其一，许多创造最大附加值的任务都依赖于本地数据，而这些数据往往十分敏感。因此，微调与推理均在数据所有者可控的环境中进行——例如企业数据中心、医院园区，或农村工厂内的本地化微型数据中心。这一安排减少了单方面依赖，并使各机构能够应用其自身的安全、隐私与合规标准。
其二，延迟至关重要。自主机器人、智能电网或算法交易引擎不能等待远端数据中心作出响应。边缘处理可提升性能与韧性，并催生对区域基础设施和专业化连接的需求。
其三，能源消耗与可持续性方面的考量，正迫使人们重新审视“越大越好”的理念。高密度AI集群需要大量电力，并产生显著的废热。将较小规模的设施设于低碳能源充足之处，并在可以回收利用余热的地方建设，可同时降低排放与运营成本。
其结果是形成一条AI价值链，其中不同主体、区域乃至各个城市分别扮演着各具特色、但又可相互协作的角色：
超大规模或“千兆工厂”级站点集中承担超大型模型的训练工作。
区域性或行业专属中心利用专有数据处理微调工作。
嵌入工厂、车辆或电信交换节点中的边缘节点负责实时推理并承载自主智能体。
高性能、安全的网络——即该生态系统的“神经系统”——将各层级连接起来，确保新的洞察能够循环回馈至模型再训练环节。
由于每一层都可以作出贡献，各国与企业可根据自身比较优势进行专业化分工：例如丰富的可再生电力、先进的制造业数据、强大的医疗体系，或针对敏感信息的稳健监管框架。换言之，竞争力与主权正成为互补性目标，而非相互冲突的目标。
对决策者的意义
对企业领导者而言，信息十分明确：未来由AI带来的价值，将更少依赖于掌控单一整体式模型，而更多取决于统筹协调一个由多元要素构成的体系。竞争优势将归于那些能够识别自身独特数据资产、在关键之处于本地基础设施上部署或与他人合作、并在无关紧要之处与全球模型供应商无缝整合的企业。
对政府而言，首要任务是培育一个生态系统，使本国参与者能够贡献关键节点——无论是节能数据中心、特定领域的模型调优，还是边缘AI部署——而无需试图复制技术栈的每一个组成部分。此类做法可增强韧性、支持本土产业，并与气候承诺保持一致。
AI革命才刚刚进入第二幕。通过采用分布式混合架构，社会可以获取远为可观的经济价值，同时降低战略依赖。如此一来，我们将更接近这样一个世界：数字主权与全球竞争力不再是相互取舍的关系，而是同一共同目标的两个侧面。
