AI 真的只有中美在做嗎？
法國、英國、加拿大、以色列都有人在做。但看完三個數字就會懂，為什麼大家的印象是只剩中美。
「AI 好像只剩中美在做」——這是很多人的印象。
但這個印象不完全對。 法國有 Mistral，英國有 DeepMind，加拿大有 Cohere，以色列有 AI21，日本有 Sakana AI，阿聯酋有 Falcon。真正的問題不是「有沒有人在做」，而是為什麼他們的存在感這麼低。
答案藏在三個數字裡。
三個數字
一、資本差 8 倍。 過去十年，美國投入 AI 的民間資本超過 4000 億美元，整個歐盟加起來約 500 億。
二、算力差更多。 歐盟境內的 AI 算力只有 2 GW，佔全球 5%。而且已規劃中的專案，幾乎不會改變這個比例。
三、最具體的對照： Mistral 是歐盟最認真的一次嘗試，但它的營收、估值、累計募資，各自大約都只有 OpenAI 的 2%。
差的不是人才
這點很容易被誤解。
DeepMind 在倫敦，Transformer 論文的作者來自多國，法國的數學教育長年世界頂尖。歐洲從來不缺做 AI 的人。
卡住的是兩件更物理的事：
算力。訓練前沿模型要的是成千上萬張高階晶片、加上供電與冷卻。這是資本密集的基礎建設，不是寫得出好演算法就能繞過去的。
資本。前沿模型單次訓練成本以億美元計，而且要連續燒好幾年才看得到商業回報。這種賭注只有兩種主體敢下：極深口袋的私人資本，或國家意志。
中美各自靠什麼
這兩國走的其實是完全不同的路。
| 美國 | 中國 | |
|---|---|---|
| 主要驅動 | 民間資本 | 國家協調 |
| 關鍵優勢 | 前沿晶片設計（NVIDIA） | 製造與供應鏈自主化 |
| 弱點 | 高度依賴少數幾家公司 | 先進製程仍受限 |
美國靠的是晶片設計加上敢賭的私人資本。 NVIDIA 幾乎壟斷了訓練用的高階晶片，而矽谷的資本結構容許連續虧損多年。
中國靠的是國家級的資源協調。 面對出口管制，它把大量資源投入降低對外依賴——今年九月 CXMT 宣布第五代 DRAM 進入量產，就是這條路線的成果之一。
歐洲缺的是機制
歐盟的困境不在技術，在沒有把錢導向本土的機制。
中國能用公共採購撐起本土晶片產業，美國有成熟的創投鏈條把資本送進前沿實驗室。歐盟兩者都沒有——它有全世界最完整的 AI 法規（AI Act），卻沒有對應的產業扶植管道。
先立規矩、再想產業，順序剛好是反的。
那這對我們有什麼意義
三件比較現實的事：
你能用到的 AI，短期內就是中美的產品。 不管是 ChatGPT、Claude、Gemini 還是 DeepSeek、Qwen，選擇範圍就在這裡面。
「模型主權」會愈來愈常被提起。 當一個國家的關鍵服務都建在別國的模型上，那是實實在在的依賴。各國政府接下來幾年都會談這件事。
但對個人來說，糾結產地不如熟悉工具。 差距是結構性的，短期內不會變。與其等本地選項成熟，不如先把手上能用的用好。
資料來源