为什么欧洲做得出光刻机，却做不出大模型？

本文来自微信公众号： 科工力量 ，作者：科工力量

在几轮工业革命中长期领先的欧洲，到了人工智能时代，也开始担心自己掉队。

据英国《卫报》报道，9月14日，欧洲央行行长拉加德发出警告，欧洲必须发展自己的人工智能技术并建设更多数据中心，否则将面临被美国或者中国切断供应的威胁。

几乎同一天，路透社发布了一组数据。摩根大通估算，2025年ASML占全球光刻机市场的94%；在制造先进AI芯片所需的EUV光刻机领域，ASML仍然没有商业竞争对手，实际份额接近100%，产能已被预订至2027年。

一边掌握着全球先进制程的关键入口，一边却担心因为缺少好用的大模型而被中美“切断”。欧洲拥有最先进的工业技术，却被全球AI竞争挤到了中间。

更令欧洲不安的是，这一次把它挤到中间的已经不只是美国。随着中国大模型通过开源和低价迅速进入全球市场，AI竞争正在形成中美领跑、欧洲追赶的格局。

欧洲做得出光刻机，为什么做不出与中美抗衡的大模型平台？

光刻机拼供应链，大模型拼平台

答案不在某一项技术，而在两类产业完全不同的组织方式。

一台EUV光刻机由超过10万个零部件组成，背后连接着一个高度专业化的跨国供应网络。ASML虽然是一家荷兰企业，但德国蔡司为其提供核心光学系统，德国通快负责高功率激光器，荷兰VDL等企业供应精密机械与模块，ASML承担的则是技术协调和系统集成。

这套合作关系可以持续数十年。光刻机的客户主要是台积电、三星、英特尔等少数芯片制造商，技术路线和产能需求可以提前数年规划。2012年，在EUV商业化仍面临技术和资金压力时，英特尔、台积电和三星甚至共同出资参与ASML的客户联合投资计划。客户提前投入资金、锁定设备，供应商据此扩建产能，ASML再把整个系统组织起来。

这种模式与欧洲长期形成的工业传统高度契合：技术不断积累，企业各自守住一个细分环节，再通过长期订单和稳定合作完成整合。研发周期长、投入巨大并不是问题，只要技术路线相对明确，客户愿意为十年后的产品提前下注，欧洲就能发挥精密制造和跨国分工的优势。

从技术积累来看，欧洲原本也有条件把这种优势延续到人工智能领域。

欧洲切入AI并不晚。1997年，德国学者Sepp Hochreiter和Jürgen Schmidhuber提出的LSTM，是早期语言模型的重要基础；2010年在英国成立的DeepMind，更训练出了击败李世石的AlphaGo。

进入大模型时代，欧洲也没有完全缺席。2022年，总部位于法国的Hugging Face牵头全球上千名研究人员，在法国政府支持的Jean Zay超级计算机上训练出1760亿参数的BLOOM。当时，它是全球最早一批千亿参数、开放权重的多语言大模型之一。

此外，欧洲拥有培养顶尖AI人才的大学，有承载大模型训练的超级计算机，还有西门子、博世、施耐德、空客、宝马等企业提供工业场景。论科研、人才、算力和产业数据，欧洲似乎并不缺少任何一块拼图。

但大模型遵循的是另一套规则。它面对的不是几家可以提前锁定的晶圆厂，而是数量庞大、需求不断变化的企业、开发者和普通用户。模型能力、技术路线和商业模式可能几个月就发生一次变化，客户不会为五年后交付的模型提前下单，企业必须先投入巨额资金训练模型，再通过用户调用和应用收入验证方向。

因此，大模型竞争依靠的不是一条稳定运转的供应链，而是一个高速反馈循环：模型上线吸引用户，用户产生数据和需求，开发者推出应用，云平台降低调用成本，收入和反馈再支持下一轮训练。谁能更快完成这个循环，谁就更有可能留在牌桌上。

这恰恰是欧洲的短板。欧洲拥有几乎所有的拼图，却缺少贯通芯片、云平台与应用的数字产业基座。约4.5亿人口分散在27个国家和20多种语言中，资本市场、公共采购和监管规则也未完全统一，本土企业还缺少全球性的消费者入口。模型可以在欧洲诞生，却很难像中美产品一样迅速触达数亿用户，形成规模化迭代。

中国的情况则相反。尽管在先进芯片上受到更严格的限制，但庞大的国内市场、相互竞争的模型和云厂商，以及迅速增长的应用需求，仍然让市场与研发相互推动。DeepSeek掀起价格竞争后，阿里、百度、腾讯等企业迅速跟进降价；低价又吸引更多开发者和企业调用模型，最终把有限的算力转化成更多用户、数据和改进机会。

从“卡别人”到“怕被卡”

两种产业组织方式的差异，最终变成了欧洲现实中的技术依赖：欧洲掌握着制造先进芯片不可或缺的光刻机，却要借助美国企业的AI芯片和云平台，将工业优势转化为模型能力。

云计算是欧洲最明显的短板之一。欧洲竞争力报告显示，亚马逊AWS、微软Azure和谷歌云三家美国企业，占据全球及欧洲云市场65%以上的份额；欧洲最大的云服务商，在本土市场的份额也只有约2%。

这会产生一个连锁反应。欧洲企业训练模型，需要购买英伟达芯片或者租用美国云平台；模型训练完成后，又需要借助这些平台接触客户和开发者。即便模型本身来自欧洲，它的算力、分发和商业化仍可能掌握在美国企业手中。

以Mistral为例，今年9月，公司完成30亿欧元融资，估值达到约210亿欧元，已经是欧洲最有希望的大模型企业之一。Mistral成立之初受益于Meta的Llama 2所带动的开源生态，当下的Mistral Large 3则建立在英伟达H200上。近些年来，美国对是否限制向欧洲出口AI芯片的态度一度摇摆。一旦供应被撤回或者条件发生变化，欧洲就可能面临“无米下锅”的窘境。

Mistral虽然拥有自己的API平台和Le Chat，也支持企业在本地部署模型，但要规模化触达客户，仍需要进入Google Cloud Marketplace、微软Azure和AWS等美国云平台。与掌握全球云平台、办公软件和消费者入口的美国科技巨头相比，Mistral仍然更像一家模型供应商，而不是能够控制整个AI生态的平台。

拉加德在演讲中列举了一组数据。2025年，美国推出了59个重要人工智能模型，中国推出35个，法国和英国却各自只有1个。美国拥有全球约75%的人工智能计算能力，欧洲只占5%。

过去，欧洲讨论“人工智能主权”，主要针对美国。如今，随着DeepSeek、千问等中国模型在性能、成本和开放程度上快速追赶，中国已经从AI技术的追赶者，变成能够向欧洲输出基础模型的另一极。拉加德就明确表示，中国开放模型已经处于全球第一梯队，并点名DeepSeek和Kimi。

而随着中国模型迅速追赶，欧洲在这场竞争中的位置变得更加尴尬。斯坦福大学《2026年人工智能指数报告》显示，从2025年初开始，中美头部模型曾多次交替领先。截至2026年3月，美国头部模型的性能优势已经缩小到2.7个百分点。

如果这一趋势延续，欧洲所谓的“主权AI”最终甚至可能呈现出一种颇具讽刺意味的组合：机房建在欧洲，服务器装着美国芯片，运行的却是中国模型。欧洲保住了数据存放的地点，却仍未真正掌握决定AI能力的芯片、模型和平台。

欧洲开始补课，最难补的不是机器

欧洲已经意识到，单靠制定规则无法获得人工智能主导权。近两年，欧盟开始在监管之外直接建设算力，通过AI Factory弥补基础设施短板。

例如，欧盟正在建设19座人工智能工厂和13个配套节点，并计划采购至少9台新的AI优化超级计算机，将EuroHPC体系的人工智能计算能力扩大到原来的3倍以上。

所谓人工智能工厂，本质上是一座以超级计算机为核心的公共算力中心。它把芯片、数据、人才和技术服务集中起来，让没有能力自建集群的欧洲初创企业也能获得训练模型的机会。

在此基础上，欧盟还准备建设最多7座人工智能超级工厂。按照规划，每座超级工厂将配置超过10万颗先进AI处理器，用于训练参数规模达到万亿级别的下一代模型。欧盟及成员国将提供最多100亿欧元公共资金，希望带动至少200亿欧元私人投资。

这个数字看起来不小，但与欧洲的真实缺口放在一起，仍然只是杯水车薪。

欧盟数据显示，欧洲数据中心的供给缺口将从2025年的约3吉瓦扩大到2036年的约20吉瓦。按照当前建设成本计算，算上服务器和芯片，填补缺口所需的资金最高可能达到6000亿欧元。欧盟新建的人工智能超级工厂，只能覆盖其中很小一部分。

更尴尬的是，这些被冠以“主权AI”之名的超级工厂，仍然要依赖英伟达、AMD等美国企业提供核心处理器。

即使芯片能够顺利买到，欧洲还要面对另一个更加本土化的约束：电力。当下，欧洲企业支付的电价通常是美国企业的2至3倍。同样一批芯片放在欧洲，训练和运行模型的长期成本可能天然高于美国。

数据中心目前已经消耗欧盟接近3%的电力。未来算力继续扩张，还会与传统工业、居民用电和减排目标争夺有限的电网容量。在一些地区，真正卡住数据中心的可能不再是有没有投资，而是有没有电、什么时候能够并网。

这些约束会进一步抬高欧洲追赶AI的成本，但算力并不是唯一缺口。AI Factory能够提供芯片和训练环境，却不能自动建立连接模型、开发者、企业客户与应用入口的平台。没有这样的商业循环，公共算力可以训练出模型，却很难把模型变成持续迭代的产品和生态。

人工智能主权的关键，也不只是把机房建在欧洲，而是把模型的迭代权、分发权和产业收益留在欧洲。否则，所谓“主权AI”最终仍可能只是用欧洲的土地和电力，承载别人的芯片、模型和平台。

ASML让欧洲在芯片时代握住了一个不可替代的入口；到了人工智能时代，这个入口已经从一台设备变成一个能够自我强化的平台。欧洲能否补上这个平台，才决定这些AI工厂会成为人工智能主权的起点，还是仅仅成为中美技术在欧洲运行的机房。