本文来自微信公众号： 版面之外 ，作者：画画


AI竞争打到今天，连德国也坐不住了。


最近，德国总理默茨在柏林迎来英伟达创始人黄仁勋。西门子、奔驰、奥迪等德国工业巨头的代表悉数到场，话题指向同一件事：AI如何进入工厂，改变制造业。


这一幕的背后，藏着欧洲深层的焦虑。


两百年前，欧洲用蒸汽机和内燃机改变了人类命运，但到了互联网和芯片时代，话语权逐渐落入了美国手中。


如今AI浪潮席卷全球，美国拿着芯片和模型大吃红利，中国把AI带进产业场景，日韩则占据半导体材料与存储的供应链上游。


只有欧洲，仿佛被困在了上个时代的辉煌里。


一、工业老大哥的"失落三十年"


今天欧洲的落寞，早在几十年前就已经埋下了伏笔。


18世纪，英国人用蒸汽机把手工作坊推进了工厂时代，19世纪，德国人用西门子的电机、巴斯夫的化学实验室，建立起严密的实验室到车间的工业帝国。这套把科研快速转化为产品的机制，曾是欧洲最硬的底气。


可当世界走向半导体和互联网时，这套齿轮却转得越来越慢。


当美国在硅谷用风险投资催生出谷歌、微软和亚马逊，依托统一的本土市场把一项技术迅速铺向全球时，欧洲却陷入了长期的内耗。它有全球最严苛的法律体系、被割裂的27个成员国市场，以及一套对试错并不友好的资本体系。


荷兰的ASML造出了当今最精密的极紫外光刻机，但前CEO温宁克在离任前曾大声疾呼，欧洲正在失去创新的灵魂，因为这里的人习惯了在规章制度里打转，而不是去开创未来。



这种脱节在生成式AI爆发时达到了一个高峰。


当OpenAI的ChatGPT横空出世，欧洲的工业巨头们惊讶地发现，自己虽然拥有一堆顶级实验室和世界500强工厂，手里却没有一张能够参与AI顶级牌桌的入场券。


二、全球牌桌上的四国演义


如果把AI产业拆开来看，这场全球博弈从来不是单一技术的比拼，本质上是一场场残酷的供应链割据战。


美国玩的是霸道的生态闭环。英伟达卖GPU，台积电代工，微软和谷歌搭数据中心，OpenAI、Anthropic攻坚大模型。


英伟达最可怕的不是把显卡卖得有多贵，更在于围绕CUDA建立的软件生态。开发者多年积累的代码、开发工具与底层调优经验越多，迁移到其他平台的成本就越高。芯片由此不再只是硬件产品，也成为了整套计算体系的入口。


买它的芯片，就等于顺从了它的规则。


日本未必掌握AI最受关注的大模型产品，却在若干难以绕开的底层制造环节占据着重要位置。信越化学与胜高的半导体级硅晶圆、东京电子的涂布与刻蚀设备、爱德万测试的芯片测试系统，构成了芯片制造的基础设施。


日本并没有放弃自身AI产业，而是将其产业优势沉淀在了供应链中下游那些门槛和替代成本高的核心环节。



韩国则演了一出依靠AI翻盘的戏码。


2023年，全球存储芯片市场遭遇严重周期性下行，SK海力士承受了巨大的利润压力。但在巨额亏损的阴影下，公司依然维持了对高带宽内存（HBM）的研发与产能投入。


随着AI加速器对高吞吐内存带宽的需求爆发，SK海力士凭借在HBM3与HBM3e上的先发优势，成为了英伟达等芯片厂商的核心供应商。到了2026年，其市值历史性地突破1万亿美元。


海力士用一个财务翻盘的故事证明，只要拿捏了AI算力的咽喉，濒临亏损的公司也能打一场翻身仗。


中国则展现了推理降本与场景工程的双重推动力。2025年初DeepSeek R1模型的横空出世，给硅谷的算力阵营浇了一盆冷水。它用极低的价格和巧妙的架构，打破了只有千亿美金才能堆出领先模型的门槛。


与此同时，模型使用成本的下降，进一步激活了中国庞大的制造业体系，为AI提供了丰富的试验场，也让经过验证的方案有机会快速复制到更多生产环节。


反观欧洲，虽然有ASML的光刻机、法国Mistral的开源模型，却更像是一盘散沙。


它手里握着一堆好牌，却缺了一个能把牌打出去的庄家。


三、规矩太多，钱太少


欧洲其实不是没有试过拯救自己。


法国曾诞生过全欧洲最亮眼的AI独角兽Mistral AI，其创始人来自OpenAI和DeepMind。但在公司急需数亿美元进行模型迭代的关键时刻，欧洲本土的资金池却没有跟上。


2024年起，Mistral先后引入了微软1500万欧元的战略投资，并将其大模型深度分发绑定在微软Azure云平台上，后续英伟达等硅谷巨头也相继跟进。


更大的尴尬藏在欧洲引以为傲的工厂里。


按照欧盟官方的规划，政府准备动用数百亿欧元在各国建造"AI超级工厂"，希望用公共资本帮企业补上算力的缺口。


然而，当技术方案真正落地到工厂层面时，工程人员面临的往往是更基础的数字化断层。大量中小型工厂虽然拥有极高精度的机床，但底层工控协议（如OPC UA）未能统一，老旧设备缺乏标准化数据采集接口，数据孤岛普遍存在。


欧盟委员会发布的数据直观地呈现了这一差距。


截至2024年，在欧盟范围内真正将AI技术深度集成到核心业务流程中的企业占比仅有约8%。经合组织的数据显示，欧洲制造企业里，真正把AI应用到核心生产线上的连10%都不到。


过度的合规成本、碎片化的本土市场、缺乏持续输血的后期风险资本，再加上工厂底层数字基础设施的补课压力，共同拖慢了欧洲AI商业化的脚步。


四、黄仁勋的商业算计


正是在这种被动与焦虑的氛围下，黄仁勋带着英伟达的方案来到了柏林。


英伟达宣布要在欧洲追加近100亿美元投资，不仅投向德国的机器人和医疗AI初创公司，更直接与西门子、奥迪捆绑，要在德国推广物理AI。


黄仁勋看中的，不是让欧洲人多用几个聊天机器人，他瞄准的是德国工厂里积攒了几十年的制造数据和工程经验。


以西门子与英伟达合作的工业仿真平台为例，企业可以在虚拟空间中构建产线的数字孪生模型，测试生产流程与设备配置，从而在真实部署前大幅降低试错成本。


对于GDP增速连年低迷、被高能源成本和出口压力压得喘不过气来的德国而言，借助AI提升全要素生产率，是维持其工业地位的重要选项。


但这种合作也带来了新的议题：如果欧洲工业界的软件仿真、机器人控制与算法训练都建立在英伟达的系统之上，英伟达获得的就不只是一笔芯片销售额，更可能演变为工业系统的基础平台。


黄仁勋带来的既是机会，也是一道新的选择题：欧洲能否借助美国的技术重塑自己的工业竞争力，同时保留足够的自主空间？


五、逃离硅谷


欧洲终于清醒地认识到，在通用大模型与纯算力堆砌的赛道上去硬碰硬，并非其优势所在。它开始把更多的筹码，押注在自己最擅长的领域：工业自动化、医疗健康、精密机械以及科学计算。


荷兰的光刻机、德国的机械臂、法国的航空航天，这些沉淀了数百年的工业机密，是硅谷用代码无论如何也无法在短时间内模拟出来的真实数据。


然而，工业积累本身并不自动等于AI优势。


欧洲唯有将这些工业经验转化为可训练的数据与可规模化的商业产品，并打破27国之间的合规与市场壁垒，才能真正将老资产变成新引擎。



全球AI比赛的下半场，已经从虚拟的数字世界，蔓延到了真实的物理世界。


黄仁勋带着算力敲开了欧洲的大门，而欧洲能否重新站稳脚跟，取决于它能否在硅谷的计算体系中，找到属于自己的不可替代性。


【版面之外】的话：


技术革命从不按资历排座次。


一个时代积累的优势，到了下一个时代，可能是起点，也可能成为惯性。


工业史不会替任何人保留席位。