歐洲為什麼沒有OpenAI？

歐盟於7月30日正式啟動新一輪AI超級工廠招標，計劃在歐洲境內建設7座專為下一代模型訓練打造的AI超級工廠。根據官方公布的方案，這項計畫將由歐盟及各成員國提供約100億歐元的公共資金，並預計吸引約200億歐元的私人投資。每座工廠都將配備由大規模AI晶片組成的算力集群，首期計畫預計在2028年投入運作。這是歐洲至今規模最大的AI基礎設施聯合行動，背後反映的是一場意義深遠的緊急追趕。當美國與中國的AI模型公司已進入千億美元融資、全球用戶爭奪以及超級數據中心建設的階段時，歐洲才剛開始動用公共資金來填補算力上的巨大缺口。 提到當前的大型語言模型，全球大多數人腦中浮現的往往是OpenAI、Anthropic、Kimi、Qwen、DeepSeek等名字，這些明星級模型無一例外都來自美國或中國。歐洲雖然擁有世界一流的大學、實驗室、工程師與工業企業，卻在全球大模型競賽中一再落後。以至於在這場備受矚目的AI科技浪潮中，歐洲各國彷彿集體失去了聲音。那麼，在過去幾次工業革命中始終扮演領頭羊角色的歐洲，為何遲遲無法誕生自己的OpenAI？ 前沿大模型的競爭，首先就是一場資本消耗戰。在這一領域，最容易產生的誤解是，只要找到一批優秀的AI研究員，設計出不錯的演算法，再採購一批晶片，就能訓練出一個頂尖的GPT模型。誠然，演算法優化、數據品質與工程能力可以在一定程度上彌補算力的不足，DeepSeek的案例已經證明了這點，更高的訓練與推理效率也能幫助後來者找到切入點。但有能力參賽，與能夠持續留在牌桌上，完全是兩回事。訓練出一個模型，只是拿到了這場競賽的入場券。 模型發布之後，企業必須持續承擔推理服務、晶片採購、數據中心、電力、網路、數據清洗、人才招募、安全測試以及產品開發等各項成本。用戶越多，推理開支就越大；模型能力越強，下一輪訓練所需的資源也越多。與此同時，大模型產品還面臨著鉅額的獲客成本。免費版本、低價API以及企業試用看起來是產品策略，實際上都需要資本持續輸血，模型公司必須在尚未找到穩定盈利模式之前，就提前建設能夠服務數億用戶的基礎設施。更棘手的是，前沿模型至今仍沒有明確的「建成時刻」。一座工廠建成後可以持續生產，但一代大模型登頂幾個月後，就可能被競爭對手超越。上一輪投入尚未回收，下一輪訓練已經開始，模型公司燒錢燒出來的，往往不是一次勝利，而是一張需要不斷續費的競爭資格證。 歐美在AI領域的資金投入差距，從數據上可以看得非常清楚。根據史丹佛大學《2026年AI指數報告》，2025年美國的私人AI投資約為2859億美元，而英國約為59億美元、法國約為44億美元、德國約為39億美元。若只統計生成式AI領域的投資，美國當年私人投資約為1636億美元，歐洲則僅約32億美元。換句話說，2025年美國在生成式AI領域的私人投資，超過歐洲約50倍。即便這項統計並未完全納入各國政府的資金投入，歐美之間在AI投資上的數量級差距依然清晰可見。此外，資本還在向少數頭部公司集中，光是OpenAI在2025年3月的一輪融資規模就達到400億美元，這筆金額是法國、德國當年私人AI投資總和的數倍，甚至接近歐洲許多國家整體風險投資市場的規模。 這背後的核心問題，並非歐洲投資者看不懂AI，而是雙方金融體系所能承受的風險類型截然不同。美國擁有規模龐大的養老金、主權資金、風險資本、私募股權以及公開股票市場，一家公司即使連續多年虧損，只要仍有機會研發下一代計算平台，就可能繼續獲得數百億美元的資金。在美國的資本市場，投資人願意為遙遠的未來提前定價，也允許企業用高估值換取現金、晶片與人才。歐洲金融體系則更依賴銀行，銀行適合支持擁有穩定現金流、廠房、機器等固定資產作為抵押的企業，卻很難為一家長期虧損、核心資產僅是人才與演算法的模型公司提供大額貸款。歐洲投資銀行將此稱為「規模化融資缺口」。歐洲並不缺乏早期科研資金，也能支持創業公司做出產品原型，真正的困難在於企業從幾百人擴張到幾千人、從單一產品走向全球市場時，所欠缺的大規模融資支持。 美國模型公司還獲得了另一層獨特的優勢，那就是雲端運算與網路巨頭可以將模型投入納入長期資本開支，並透過旗下多種業務逐步消化成本。根據《金融時報》近日引述美國四大科技巨頭最新財報的統計，自2023年以來，亞馬遜、Google、Meta與微軟已在AI基礎設施上投入達到1.1兆美元，預計僅今年一年還將再增加7450億美元。一家歐洲模型公司通常得自己融資、自己購買算力、自己開發產品，還要逐個國家建立銷售渠道，而它面對的競爭對手，卻可以調動全球科技巨頭的資源與渠道。如果換個角度看，若OpenAI誕生在歐洲，它要面對的第一道門檻，很可能不是模型能力，而是如何獲得長期、大規模、又能容忍失敗的資本。 歐洲在算力上也面臨嚴峻挑戰。提到歐洲的晶片產業，多數人會想到Arm與ASML，前者擁有廣泛使用的處理器架構與關鍵IP，後者則掌握了先進晶片製造所需的核心光刻設備。但在產業鏈上獨占這兩個關鍵節點，並不等於擁有能夠直接訓練與營運前沿模型的算力。以ASML為例，沒有它的極紫外光刻機，先進製程晶片就很難實現規模製造，但ASML處於產業鏈上游，AI晶片還需經過架構設計、晶圓製造、先進封裝、伺服器整合、數據中心部署與雲端平台調度，才能變成模型公司可規模化調用的運算資源。Arm擁有龐大的晶片架構生態，但架構授權能力同樣無法直接轉化為數十萬顆高階GPU組成的大規模訓練集群。歐洲缺少的，是將這些單點優勢組織成完整計算系統的企業。在AI晶片領域，歐洲沒有與NVIDIA同等規模的AI算力供應商；在先進製造環節，歐洲也沒有台積電式的尖端代工企業；在雲端運算領域，全球前五大雲端服務商中，AWS、Azure、GCP均屬美國，阿里雲與華為雲則屬於中國，歐洲雲端服務商的規模、客戶基礎與資本支出都未能進入全球第一梯隊。 一套完整的AI算力閉環，至少涵蓋晶片設計、先進製造、伺服器、數據中心、能源、雲端服務與模型訓練。美國的優勢在於，本土產業支持這些環節相互咬合成一個完整的系統：NVIDIA提供AI晶片，微軟、亞馬遜、Google建設數據中心，OpenAI、Anthropic獲得穩定的訓練與推理資源，算力投入透過雲端服務與各類AI應用轉化為收入，收入又支持下一輪基礎設施擴張。歐洲的產業能力則分散在不同國家、不同企業與不同市場，一家巴黎的大模型團隊需要採用在美國設計的GPU，在亞洲完成晶片製造，再使用美國或中國企業的雲端服務。模型雖然誕生在歐洲，主要算力資源與商業基礎設施卻來自海外。歐盟正在試圖改變這一局面，目前歐洲已部署19座AI工廠與13個區域節點，2026年7月啟動的新計畫再次提出建設7座規模更大的AI超級工廠，總投資約300億歐元。但這項計畫本身也暴露了歐洲AI算力短缺的問題。據法國《世界報》報導，歐洲現階段無法自行生產超級工廠所需的前沿AI晶片，首批項目仍將大量採用NVIDIA與AMD的處理器。能源是另一個重要約束條件，歐洲數據中心的電價是美國與中國的2到3倍，這對模型公司而言，隨著用戶規模擴大，日常推理服務將成為最耗費資源的長期支出。 歐洲的網路巨頭，也與美國或中國的科技巨頭有著本質上的不同。歐洲真正具有全球影響力的企業，更多分布在工業軟體、自動化、能源、汽車、醫療與企業管理領域。SAP、西門子、博世、施耐德電氣與達索系統控制著大量企業流程與工業數據，卻沒有數十億普通消費者每天打開的超級入口。歐洲的BAT，大多長在工廠裡。以西門子為例，它近年來投入大量精力推動Siemens Xcelerator平台，試圖連接工業硬體、軟體、數位孿生、數據與合作夥伴，打造一個開放的商業生態。2026年，西門子進一步與NVIDIA合作，提出要打造一個工業AI作業系統。但即便正在平台化的西門子，主業依然是工業，這樣的基因決定了它無法像BAT一樣在歐洲「複製」一個OpenAI。西門子並不打算親自訓練一款與GPT正面競爭的通用基礎模型，它更想做的，是讓NVIDIA等公司提供運算底座與基礎能力，再運用自身積累數十年的客戶關係、工業軟體與工程知識來完成商業化。 這很可能就是歐洲更有優勢的AI進化路徑：不在通用大模型上複製美國路線，而是在製造、能源、汽車、醫療等行業建立垂直平台。歐洲央行的研究顯示，歐洲製造業在AI、大數據與機器人應用方面並不落後。與消費網路相比，工業AI的部署速度較慢，卻擁有更明確的客戶、更高的遷移成本與更深的數據壁壘。歐洲未必能養出一個自己的OpenAI，但很可能會掌控模型進入工廠後的關鍵環節。 若要從歐洲找出一家最像OpenAI的公司，Mistral或許有幾分相似。這家2023年成立於法國巴黎的公司，核心成員來自DeepMind與Meta，2025年底推出的Mistral Large 3模型在LMArena的OSS非推理模型類別中位列第二。Mistral也被法國政府與歐洲產業界賦予了「主權AI」的特殊意義。它不缺模型能力，也不缺明星光環。但Mistral進入市場時，ChatGPT已經完成了全球用戶教育，微軟、Google與亞馬遜也開始把生成式AI裝進雲端運算、搜尋、辦公與開發工具。Mistral不是在開闢空白市場，而是在追趕OpenAI。更關鍵的是，雙方背後的資源結構存在巨大差異。OpenAI需要擴大訓練規模時，可以借助微軟的資本與Azure；需要接觸企業客戶時，可以進入Microsoft 365、GitHub與微軟的全球銷售體系。Mistral則需要同時建設這些能力，它一邊訓練基礎模型，一邊發展類似ChatGPT的Le Chat，同時還要銷售企業解決方案、投入本土數據中心。據Mistral近日公布的計畫，它在相關基礎設施上投入約40億歐元，並透過借款支持數據中心建設。這對一家歐洲創業公司而言已是罕見規模，但放到全球前沿模型競爭中，仍無法與美國頭部企業的資本支出相比。 Mistral的模型已經進入Azure AI、Amazon Bedrock、Google Cloud Vertex AI、Snowflake與IBM watsonx，這有助於它迅速接觸全球企業，卻也意味著客戶入口、雲端運算收入與開發者關係仍有一部分掌握在外部平台手中。Mistral希望代表歐洲減少對美國AI的依賴，但要擴大商業影響，又很難繞過美國雲端生態。Le Chat也尚未形成ChatGPT式的產品飛輪，這讓Mistral在企業私有化部署、多語言、開放模型與主權AI方面雖然擁有差異化優勢，卻沒能建立起同等規模的消費級入口。歐洲人才的流動進一步加深了這種差距。歐洲擁有強大的數學、計算機與工程教育體系，巴黎、倫敦、蘇黎世、柏林與阿姆斯特丹都是重要的AI人才中心，DeepMind誕生於倫敦，大批美國AI公司也在歐洲建立了研究機構。歐洲培養人才，美國公司則透過更高薪酬、更充足的算力、股權激勵與成熟的創業退出體系來吸收人才。歐洲央行指出，2008年至2021年間，接近30%的歐洲創立獨角獸後來遷往海外，其中絕大多數流向美國。 歐洲AI真正需要回答的問題，不是能否再訓練出一個高分模型，而是能否讓資本、晶片、雲端、市場與人才收益留在同一套產業系統中。七座AI超級工廠可以補上算力，但這只是第一步。在閉環形成之前，歐洲仍然可以擁有Mistral、ASML與西門子，卻很難擁有自己的OpenAI。