欧洲为什么没有OpenAI？

作者 | 山竹

出品 | 锌产业

7月30日，欧盟正式启动新一轮AI超级工厂招标。

按照官方公布的方案，欧洲计划建设7座面向下一代模型训练的AI超级工厂，由欧盟及成员国提供约100亿欧元公共资金，再吸引约200亿欧元私人投资。

每座工厂都将拥有大规模AI芯片组成的算力集群，首期计划在2028年投入运行。

这是欧洲迄今为止规模最大的AI基础设施抱团行动，也是一场意味深长的紧急追赶。

当中美模型公司已经进入千亿美元融资、全球用户争夺和超级数据中心建设阶段，欧洲才开始用公共资金来补齐算力缺口。

提起大模型，地球村的村民们想到的多为OpenAI、Anthropic、Kimi、Qwen、DeepSeek......，这些明星大模型均出自中国或美国。

欧洲拥有世界一流的大学、实验室、工程师和工业企业，但在全球大模型竞争中一再掉队。

以至于在这场举世瞩目的AI科技周期中，欧洲诸国仿佛集体失声。

那么，在过往历次工业革命中风光无两的欧洲，究竟为什么没能长出OpenAI？

01 前沿大模型，一场资本消耗战

在这场大模型技术竞争中，最容易产生的一种错觉是：

只要找到一批优秀的AI研究员，设计出还不错的算法，再采购一批芯片，就有机会训练出一个顶级GPT。

诚然，算法优化、数据质量、工程能力可以在一定程度上弥补算力不足，DeepSeek已经证明了这一点，更高的训练和推理效率也可以帮助后来者弯道入赛。

但有能力参赛与能够留在牌桌上是两回事儿，训练出一款模型，只是拿到了这场竞赛的入场券。

模型发布后，企业需要持续承担推理服务、芯片采购、数据中心、电力、网络、数据清洗、人才招聘、安全测试和产品开发成本。

用户越多，推理开支就越大；模型能力越强，下一轮训练需要的资源也就越多。

与此同时，大模型产品还面临着巨额获客成本。

免费版本、低价API和企业试用看起来是产品策略，实则都需资本输血，模型公司必须在尚未找到稳定盈利方式时，提前建设能够服务数亿用户的基础设施。

更棘手的是，前沿模型至今还没有明确的“建成时刻”。

一座工厂建成后可以持续生产，一代大模型登顶几个月后就可能被竞争对手超越。

上一轮投入尚未收回，下一轮训练已经开始，因此，模型公司烧钱烧出来的往往不是一次胜利，而是一张需要不断续费的竞争资格证。

这决定了前沿大模型之战首先是一场资本消耗战，并且这次烧钱大战短期内还看不到终点。

那么，欧美在AI领域的资金投入如何呢？

斯坦福大学《2026年AI指数报告》中就有这样一组统计数据：

2025年美国私人AI投资约为2859亿美元，英国约为59亿美元、法国约为44亿美元、德国约为39亿美元；

如果只统计生成式AI领域的投资，美国当年的私人投资约为1636亿美元，欧洲约为32亿美元。

换句话说，2025年美国在生成式AI领域的私人投资超过欧洲约50倍。

即便这一统计数据没有完全计入各国政府的资金投入，依然可以清晰看到欧美之间在AI领域投资存在着几个数量级的差距。

此外，资本还在向少数头部公司集中。

仅OpenAI在2025年3月的一轮融资规模就达到了400亿美元，这笔融资是法国、德国当年私人AI投资金额总和的数倍，甚至接近欧洲许多国家整体风险投资市场的体量。

这其中的问题不在于欧洲投资者看不懂AI，而在于双方金融系统所能承受的风险不同。

美国拥有规模庞大的养老金、主权资金、风险资本、私募股权和公开股票市场，一家公司即使连续多年亏损，只要仍有机会研发下一代计算平台，就可能继续获得数百亿美元资金。

在美国的资本市场，投资人愿意为遥远的未来提前定价，也允许企业用高估值换取现金、芯片和人才。

欧洲金融体系则更依赖银行。

银行适合支持拥有稳定现金流、厂房、机器等固定资产能用来做抵押的企业，却很难为一家长期亏损、核心资产是人才和算法的模型公司提供大额资金贷款。

欧洲投资银行将之称为“规模化融资缺口”。

实际上，欧洲并不缺早期科研资金，也能支持创业公司做出产品原型，真正困难的是，企业从几百人扩张到几千人、从单一产品走向全球市场时，所欠缺的大规模融资缺口。

美国模型公司还获得了另一层独特的支持，云计算和互联网巨头可以把模型投入纳入到长期资本开支，通过旗下多种业务逐步消化成本。

《金融时报》 近日根据美国四大科技巨头最新财报给出了一组统计数据：

自2023年以来，亚马逊、谷歌、Meta和微软已在人工智能基础设施上投入已经达到了1.1万亿美元，预计仅今年一年还将增加7450亿美元。

一家欧洲模型公司通常要自己融资、自己购买算力、自己开发产品，还要逐个国家建立销售渠道，而它面对的对手，却可以调用全球科技巨头的资源和渠道。

如果换一个视角来看，如果OpenAI生长在欧洲，它要面对的第一道门槛很可能不是模型能力，而是如何获得长期、大规模、又能够容忍失败的资本。

02 欧洲也缺AI算力

谈到欧洲的芯片产业，大多数会想到Arm和ASML，前者拥有广泛使用的处理器架构和关键IP，后者则掌握了先进芯片制造所需的核心光刻设备。

但在产业链上独占这两个关键节点，不等于拥有可以直接训练和运营前沿模型的算力。

以ASML为例，没有ASML的极紫外光刻机，先进制程芯片就很难实现规模制造。

但ASML处于产业链上游，AI芯片还要经过架构设计、晶圆制造、先进封装、服务器集成、数据中心部署和云平台调度，才能变成模型公司能够规模化调用的计算资源。

Arm拥有庞大的芯片架构生态，但架构授权能力同样不能直接转化成数十万颗高端GPU组成的大规模训练集群。

欧洲缺少的，是将这些单点优势组织成完整计算系统的企业：

在AI芯片领域，欧洲没有与英伟达同等规模的AI算力供应商；

在先进制造环节，欧洲也没有台积电式的尖端代工企业；

在云计算领域，全球五朵云中，AWS、Azure、GCP均属美国，阿里云、华为云则属于中国，欧洲云服务商的规模、客户基础和资本开支也未能进入全球第一梯队。

一套完整的AI算力闭环，至少包括芯片设计、先进制造、服务器、数据中心、能源、云服务和模型训练。

美国的优势在于，本土产业支持这些环节相互咬合成一个完整的系统：

英伟达提供AI芯片，微软、亚马逊、谷歌建设数据中心，OpenAI、Anthropic获得稳定的训练及推理资源，算力投入通过云服务和各类AI应用转化为收入，收入又支持下一轮基础设施扩张。

欧洲的产业能力则分散在不同国家、不同企业和不同市场，一家巴黎的大模型团队需要采用在美国设计的GPU，在亚洲完成芯片制造，再使用美国或中国企业的云服务。

模型虽然诞生在欧洲，主要算力资源和商业基础设施却来自海外，而这样复杂的产业链路，直接导致全球顶级模型团队中，没能看到欧洲的身影。

不过，欧盟正在试图改变这一局面。

目前欧洲已经部署19座AI工厂和13个区域节点，2026年7月启动的新计划再次提出建设7座规模更大的AI超级工厂，总投资约300亿欧元，其中约100亿欧元来自欧盟和成员国。

这些基础设施将面向下一代模型训练，单座工厂需要部署大规模先进AI芯片，同时配套电力、网络和冷却设施。

它们的目标不只是增加服务器数量，也让欧洲创业公司、大学和工业企业获得本土算力。

但这项计划本身也暴露了欧洲AI算力短缺问题。

据法国《世界报》报道，欧洲现阶段无法自行生产超级工厂所需的前沿AI芯片，首批项目仍将大量采用英伟达和AMD的处理器。

能源是另一个重要约束条件，欧洲数据中心不仅不少关键组件需要进口，电价也是达到了美国和中国的2-3倍。

对模型公司而言，训练成本只是账面上最醒目的数字，随着用户规模扩大，日常推理服务才会成为那项最耗费资源的长期支出。

每一次对话、图片生成、代码补全和智能体调用都在消耗算力，电价、芯片价格和数据中心利用率的微小差异，最终会被数亿次调用不断放大。

欧洲的跨国能源结构又为这条链路高效运行增加了难度。

法国拥有核电优势，北欧拥有丰富的低碳能源，德国等工业国家则需要同时处理能源价格、电网扩容和数据中心选址等问题，统一的AI计划最终仍要在不同国家的电力和审批体系中循环。

更何况，欧洲需要的不是几座孤立的数据中心，而是一条能够持续扩张的AI计算链路。

03 欧洲的BAT，长在工厂里

在ChatGPT发布三年之后，再回头看这场大模型之战，已经从最初的OpenAI一家独大，转向科技巨头和大模型明星团队两条竞争路线。

尤其拥有互联网属性的科技巨头，在这场竞争中起到了关键作用。

这其中，美国有微软、谷歌、亚马逊和Meta，中国有阿里、腾讯、字节和百度，这些科技巨头拥有云计算、搜索、广告、办公、电商、社交和内容平台，可以用既有现金流支持模型，再把模型嵌入原有产品体系中。

科技巨头“养模型”的的优势不只体现在资金上，更重要的是它们能够提供现成的分发体系。

模型能力一经完成升级迭代，他们不必从零寻找客户，就可以进入搜索框、办公软件、手机系统、云服务控制台和社交应用。

这些科技巨头还能通过用户反馈调整产品，再利用开发者生态和企业销售体系完成商业化。

这是一个同时包含资金、算力、产品和分发渠道的复合优势。

欧洲当然也有跨国巨头，只是它们大多不长在消费互联网里。

欧洲真正具有全球影响力的企业更多分布在工业软件、自动化、能源、汽车、医疗和企业管理领域。

SAP、西门子、博世、施耐德电气和达索系统控制着大量企业流程与工业数据，却没有数十亿普通消费者每天打开的超级入口。

欧洲的BAT，大多长在工厂里。

以西门子为例，西门子近些年投入大量精力在做的Siemens Xcelerator，试图连接工业硬件、软件、数字孪生、数据、合作伙伴和应用市场，造一个开放的商业平台。

2026年，西门子又进一步与英伟达进一步合作，提出要造一个工业AI操作系统，按照双方的分工和构想，英伟达提供AI基础设施、加速计算、模型、仿真库和开发框架，西门子则提供工业软件、自动化硬件、领域知识以及来自真实生产系统的数据。

通过这一系列动作，西门子想要从工业设备供应商转型为平台型科技公司。

西门子希望掌握工业AI时代的入口，决定模型如何理解工厂、如何调用工业软件，又如何连接机器和生产流程。

但即便是正在平台化的西门子，主业依然是工业，这样的基因决定了，西门子即便转型成功，也无法像BAT一样在欧洲“复制”一个OpenAI。

实际上，西门子也并不打算亲自训练一款与GPT正面竞争的通用基础模型，它更想做的是让英伟达等公司提供计算底座和基础能力，再利用自身积累数十年的客户关系、工业软件和工程知识完成商业化。

这也很可能是欧洲更有优势的AI进化路径：

不在通用通用大模型上复制美国路径，而是在制造、能源、汽车、医疗等行业建立垂直平台。

欧洲央行的研究显示，欧洲制造业在AI、大数据和机器人应用方面并不落后。

与消费互联网相比，工业AI的部署速度较慢，却拥有更明确的客户、更高的迁移成本和更深的数据壁垒。

欧洲未必能养出一个自己的OpenAI，但很可能会掌控模型进入工厂后的关键环节。

04 为什么Mistral不是欧洲的OpenAI？

如果要从欧洲找出一家最像OpenAI的公司，那么，Mistral倒是有几分相似。

这家2023年成立于法国巴黎的公司，核心成员来自于DeepMind和Meta，2025年底推出的Mistral Large 3模型在LMArena的OSS非推理模型类别中位列第二，在OSS总榜排名第六。

Mistral也被法国政府和欧洲产业界赋予了“主权AI”的特殊意义。

它不缺模型能力，也不缺明星光环。

Mistral早期采取开源路线，用相对有限的资源快速建立起了自己的影响力，这种策略既迎合了欧洲对透明度和技术自主的期待，也帮助它避开了与OpenAI在超大模型上的同台竞争。

但Mistral进入市场时，ChatGPT已经完成了全球用户教育，微软、谷歌和亚马逊也开始把生成式AI装进云计算、搜索、办公和开发工具。

Mistral不是在开辟一块空白市场，更多是在追赶OpenAI，和当初Meta开始研发大模型时的状况有点类似。

更加不同的是，双方背后的资源结构。

OpenAI需要扩大训练规模时，可以借助微软的资本与Azure，需要接触企业客户时，可以进入Microsoft 365、GitHub和微软的全球销售体系，需要触达开发者时，Azure本身就是入口。

Mistral则需要同时建设这些能力。

它一边训练基础模型，一边发展类似ChatGPT的Le Chat，同时还要销售企业解决方案、投入本土数据中心。

据Mistral近日公布的计划，Mistral在相关基础设施上投入约40亿欧元，并通过借款支持数据中心建设。

这对一家欧洲创业公司而言已经是罕见规模，但放到全球前沿模型竞争中，仍无法与美国头部企业的资本支出相比。

更重要的是，Mistral需要把一笔钱同时分配给模型、产品、算力和销售，而美国模型公司则可以由背后的云巨头承担其中多个环节。

分发问题更具代表性，Mistral模型已经进入Azure AI、Amazon Bedrock、Google Cloud Vertex AI、Snowflake和IBM watsonx。

这有助于它迅速接触全球企业，却也意味着客户入口、云计算收入和开发者关系仍有一部分掌握在外部平台手中。

Mistral希望代表欧洲减少对美国AI的依赖，但要扩大商业影响，又很难绕过美国云生态。

Mistral在今年7月就与微软围绕欧洲AI基础设施建设达成一项价值数十亿美元的协议，这正是欧洲模型公司的不得不。

Le Chat尚未形成ChatGPT式的产品飞轮，这让Mistral在企业私有化部署、多语言、开放模型和主权AI方面虽然拥有差异化优势，却没能建立起同等规模的消费级入口。

它更像一家模型与企业AI基础设施供应商，而不是为全球用户服务的大模型厂商。

欧洲人才的流动进一步加深了这种差距。

欧洲拥有强大的数学、计算机和工程教育体系，巴黎、伦敦、苏黎世、柏林和阿姆斯特丹都是重要AI人才中心，DeepMind诞生于伦敦，大批美国AI公司也在欧洲建立了研究机构。

欧洲培养人才，美国公司则通过更高薪酬、更充足的算力、股权激励和成熟的创业退出体系吸收人才。

即使研究人员留在欧洲当地企业，企业进入规模化阶段后，也可能转向美国资本、芯片和云平台。

欧洲央行指出，2008年至2021年间，接近30%的欧洲创立独角兽后来迁往海外，其中绝大多数流向美国，更充足的资本、更统一的市场和相对简单的规模化环境，是这些公司外迁的重要原因。

于是，人才和研究可能来自欧洲，平台价值、云收入和资本回报却更多留在美国。

欧洲承担教育、基础研究和早期创业风险，美国生态获得规模化商业收益。

这并不意味着Mistral在这场大模型竞赛中已经失败。

相反，它已经证明欧洲能够组织顶级团队，也能推出具有全球竞争力的模型。

真正的问题是，Mistral被要求同时扮演模型公司、云基础设施建设者、企业软件供应商和欧洲技术主权象征，而OpenAI身后的许多任务由微软和美国资本市场共同承担。

这在欧洲的创业环境下，几乎是一个不可能完成的任务。

欧洲AI真正需要回答的问题，不是能否再训练出一个高分模型，而是能否让资本、芯片、云、市场和人才收益留在同一套产业系统中。

7座AI超级工厂可以补上算力，但这只是第一步。

在闭环形成之前，欧洲仍然可以拥有Mistral、ASML和西门子，却很难拥有自己的OpenAI。