英伟达的战略定位与产业角色 - 公司将OpenAI视为共建者而非普通客户，共同打造下一代AI工厂[6] - 公司参与从芯片、驱动到工厂级电力和网络系统的全流程设计、调试、优化和部署[11] - 公司被比作AI世界的政府，通过投资、兜底和租赁等方式为AI产业链提供信用背书[28][29] - 公司采取极致协同设计策略，每年升级包括GPU、CPU、互联、交换芯片及上层软件在内的整套系统[24] AI产业前景与算力需求 - AI被视为帮助社会扩容脑力的关键，全球55%至65%的GDP来自人类脑力劳动，AI辅助可带来巨大增长潜力[12][14] - 推理环节已演变为轻量级实时训练，思考过程越长消耗的算力越大，潜藏着巨大的算力需求[15][16][18] - 未来每个人可能拥有一个住在云端的个人AI数字分身，AI也将被赋予身体，成为能识别表情、听懂语气的机器人[43][45] 英伟达的竞争优势与市场策略 - 公司的核心优势在于每瓦电力的输出效率，而非芯片价格，客户在固定功率配额下最关心的是有用token的产出量[19][21] - 面对大公司自研AI芯片的趋势，公司通过构建开放、可插拔的AI工厂平台生态来保持韧性，支持快速变化的算法环境[25][27] - 公司通过投资和业务合作支持AI云服务商，例如向CoreWeave投资1亿美元并签署13亿美元GPU租回合同，助其营收从2500万飙升至近20亿[29] 全球AI发展趋势与地缘视角 - 主权AI成为新共识，各国需要建设自己能控制的模型和基础设施，AI系统应像交通、通信一样成为国家基础设施[30][32] - 公司对中国市场保持工程师式清醒，认为中国节奏快、制造强、工程师多，中国市场具有战略重要性，公司将在出口规则内最大化技术影响力[33][34][36] - 人才是核心竞争力，建议为STEM毕业生直接发绿卡，吸引并留住全球最聪明的人才是保持竞争力的关键[39] AI对就业与参与方式的看法 - AI不会导致大规模失业，而是改变工作结构，提升效率后团队会承接更多项目，反而增加工程师等岗位需求[40][42] - 面对指数级增长的AI浪潮，最佳策略是尽早参与、边学边干，而非等待完美预测，最早投入的群体将打开发展空间[46][47]

生成式AI行业动态 - OpenAI被曝在用户不知情情况下将GPT-4和GPT-5等模型路由至低算力敏感模型"gpt-5-chat-safety"和"gpt-5-a-t-mini" 当系统判定内容涉及敏感话题或情绪表达时自动触发切换 [1] - OpenAI回应称切换为临时性安全路由系统测试 但未经同意的模型更改行为引发用户权益质疑 [1] - 腾讯发布工业级原生多模态生图模型混元图像3.0 参数规模80B 是目前测评效果最好且参数量最大的开源生图模型 [2] - 混元图像3.0基于50亿级图文对和6T语料训练 具备千字级复杂语义解析能力 支持长文本生成和小文字处理 [2] - 快手推出KAT-Dev-32B开源和KAT-Coder闭源两款Agentic Coding大模型 在SWE-Bench Verified上分别达到62.4%和73.4%解决率 [3] - 快手开发基于熵的树剪枝技术和强化学习训练框架SeamlessFlow 模型经训练后涌现出对话轮次减少和多工具并行调用新能力 [3] AI教育应用进展 - 好未来提出AI教师L1-L5分级理论 学而思"小思AI一对一"对标L3级别 能实现实时观察学生解题步骤并提供针对性引导 [4][5] - L3级AI教师需配备多模态传感器和专用硬件 形成"批改-讲题-推荐"数据飞轮 数学解题正确率达98.1% [5] - 好未来自研"九章"大模型结合20多年教研内容 在线下培训、在家学习和进校学习三大场景实现统一学情画像 [5] 前沿科技战略布局 - Meta计划投入数十亿美元研发人形机器人"Metabot" 战略地位与AR项目同级 聚焦软件开发而非硬件制造 [6] - Meta拟采用软件平台授权模式 与机器人制造商合作建立行业通用标准 新成立超级智能人工智能实验室构建物理"世界模型" [6] - 谷歌DeepMind视频模型Veo 3涌现四层能力：感知经典视觉任务、建模物理定律、操纵图像编辑、推理视觉问题 [10] - Veo 3通过帧链(CoF)技术实现跨时空推理 在七个代表性任务上显著超越Veo 2 可能成为视觉领域的GPT-3时刻 [10] 技术理论与方法创新 - 图灵奖得主Richard Sutton认为大语言模型是错误起点 强调真正智能需通过经验学习实现 而非对人类行为的模仿 [7] - 陈丹琦团队提出RLMT方法 将显式思维链推理融入通用聊天模型 在WildBench等基准测试中表现优异 [8][9] - RLMT要求模型生成推理轨迹后再输出最终答案 通过奖励模型评分 使推理风格从线性规划转变为迭代式思考 [8][9] 行业战略与市场展望 - 英伟达从芯片公司转型为AI基础设施合作伙伴 通过极端协同设计构建AI工厂生态系统 竞争护城河基于总拥有成本优势 [11] - AI推理将迎来十亿倍增长 预训练、后训练和推理三大扩展定律驱动万亿级市场 年度AI基础设施资本支出预计达5万亿美元 [11] - 主权AI时代各国需建立独立AI基础设施 主张通过技术出口最大化影响力而非脱钩 保持美国梦品牌吸引全球人才 [11]

AI行业市场前景与增长动力 - AI行业竞争比以往任何时候都更激烈，市场已从简单的GPU演变为复杂的、持续进化的AI工厂，需要处理多样化的工作负载和指数级增长的推理任务 [5] - 如果未来AI为全球GDP带来10万亿美元的增值，那么背后的AI工厂每年的资本支出需要达到5万亿美元级别 [5] - 未来5年内，AI驱动收入从1000亿美元增至1万亿美元的概率几乎是确定的，而且现在几乎已经达到了 [6] - 全球的算力短缺不是因为GPU短缺，而是因为云服务提供厂商的订单往往低估了未来需求，导致英伟达长期处于紧急生产模式 [6] - 每个国家都必须建设主权AI，没有人需要原子弹，但每个人都需要AI [7] - 人工智能不是零和游戏，智能越多，能解决的问题就越多，创造的工作和就业机会也越多 [7] 英伟达技术优势与竞争格局 - 英伟达芯片的竞争优势在于总拥有成本（TCO），其性能或每瓦token数是其他芯片的两倍，客户可以从他们的数据中心产生两倍的收入 [6] - 现在的AI竞争比以往任何时候都困难，因为晶圆成本越来越高，这意味着除非进行极限规模的协同设计，否则就无法实现X倍增长因子 [6] - 英伟达在10年内实现了10万倍的AI性能增长，从Kepler到Hopper，而Hopper和Blackwell之间在一年内实现了30倍增长 [30] - 英伟达的竞争护城河比三年前更大，因为协同设计是极限的，规模也是极限的，客户在一个架构上的采购订单可达500亿美元 [34] - 即使竞争对手将芯片价格定为零，英伟达系统仍然是更好的选择，因为客户可以从数据中心产生两倍的收入，机会成本极高 [41] - 英伟达转向年度发布周期，每年构建六七款芯片，每一款都是系统的一部分，需要在整个系统中进行优化 [42] AI技术演进与未来趋势 - 推理即将增长十亿倍，因为推理链的出现，AI从一次性推理转变为思考型AI，计算量要大10亿倍 [9] - 现在有三个缩放定律：预训练缩放定律、后训练缩放定律和推理缩放定律，而不是一个 [10] - 在接下来的5年里，真正酷且将被解决的事情之一是人工智能与机器人技术的融合，每个人都将在云端拥有自己关联的GPU，80亿人口对应80亿个GPU [51] - AI将改变任务，许多任务将被消除，但也有许多任务将被创造出来，对许多人来说，他们的工作是受到有效保护的 [48] - 通用计算时代已经结束，未来是加速计算和AI计算，全世界有多少万亿美元的计算基础设施需要更新换代，将转向加速计算 [17] - 即使不考虑AI创造的新机会，仅仅是AI改变了做事方式就有巨大价值，就像不再使用煤油灯而改用电力，不再使用螺旋桨飞机而改用喷气式飞机一样 [18] 英伟达与OpenAI等公司的合作 - 英伟达与OpenAI建立了直接关系，包括直接的工作关系和直接的采购关系，类似于马斯克和X那样的关系 [5] - OpenAI很可能会成为下一个万亿美元级别的超大规模公司，英伟达唯一的遗憾是没有早点多投资一些，应该把所有钱都给他们 [5] - 英伟达正在与OpenAI在几个项目上合作，包括Microsoft Azure的建设、OCI的建设和Core Weave的建设，这些项目都已签约，有很多工作要做 [13] - 新的合作关系是关于帮助OpenAI建设自己的AI基础设施，这是直接与OpenAI在芯片层面、软件层面、系统层面、AI工厂层面的合作 [14] - 英伟达还投资了XAI和Corewave，这些投资都很棒，非常明智 [27] - 英伟达与OpenAI的合作是完美的证明，英伟达实际上是一家AI基础设施公司，是AI基础设施合作伙伴 [43] AI对全球经济和社会的影响 - 人类智能大约占全球GDP的55-65%，也就是约50万亿美元，这50万亿美元将得到增强，很可能被10万亿美元增强 [18] - 如果雇佣一个10万美元薪资的员工，然后为他配备1万美元的AI，这1万美元的AI能让员工提高2倍、3倍的生产力，公司会毫不犹豫地这样做 [18] - AI是最大的均衡器，消除了技术鸿沟，现在每个人只需要学习人类语言，而不需要学习C++或C或Python [48] - AI将改变美国，美国的再工业化从根本上将是变革性的，鼓励公司来美国建设，投资工厂，以及对技术工人队伍进行再培训和提升技能 [47] - 科技就像过去的玉米和钢铁一样，现在是如此基本的贸易机会，为什么你不希望美国技术被每个人渴望，这样它就可以用于贸易 [47] - 在21世纪，我们不会有一百年的进步，我们可能会有两万年的进步，思考指数级增长，以及加速变化的速度、加速增长的速度 [52]

AI行业格局与竞争态势 - AI竞争比以往任何时候都激烈，市场已从简单的GPU演变为复杂的、持续进化的AI工厂，需要处理多样化的工作负载和呈指数级增长的推理任务 [1] - 竞争对手在构建更便宜的ASIC，但即使竞争对手将芯片价格定为零，客户仍然会选择英伟达系统，因为运营该系统的总成本更低 [4][69] - 谷歌拥有的优势是前瞻性，在一切开始之前就启动了TPU1，但当TPU成为一门大生意后，客户自有工具将成为主流趋势 [4][56] - 现在的AI竞争比以往任何时候都激烈，但也比以往任何时候都困难，因为晶圆成本越来越高，这意味着除非进行极限规模的协同设计，否则就无法实现X倍增长因子 [4][54] AI市场前景与增长预测 - 未来5年内，AI驱动的收入将从1000亿美元增至万亿美元级别，这一概率几乎是确定的，而且现在几乎已经达到了 [1][2][35] - 如果未来AI为全球GDP带来10万亿美元的增值，那么背后的AI工厂每年的资本支出需要达到5万亿美元级别 [1][4][30] - 人工智能大约占全球GDP的55-65%，也就是约50万亿美元，这50万亿美元将得到增强，很可能发生的是，那50万亿美元被10万亿美元增强 [13][29][30] - 每个国家都必须建设主权AI，没有人需要原子弹，但每个人都需要AI，每个国家都需要拥有一些主权能力并发展AI基础设施 [13][79][80] 英伟达与OpenAI的合作关系 - OpenAI很可能会成为下一个万亿美元级别的超大规模公司，英伟达唯一的遗憾是没有早点多投资一些，应该把所有钱都给他们 [1][4][47] - OpenAI想和英伟达建立起类似于马斯克和X那样的直接关系，包括直接的工作关系和直接的采购关系 [4][22][24] - 合作涉及帮助OpenAI首次为他们建设自己的AI基础设施，这是直接与OpenAI在芯片层面、软件层面、系统层面、AI工厂层面的合作 [19][20] - 10吉瓦大约需要4000亿美元的投资，这4000亿美元很大程度上需要通过OpenAI的承购协议来资助，也就是他们指数级增长的收入 [4][46] 英伟达的技术优势与战略 - 英伟达芯片的竞争优势在于总拥有成本，性能或每瓦token数是其他芯片的两倍，客户可以从他们的数据中心产生两倍的收入 [13][70] - 公司转向年度发布周期，从Hopper到Grace Blackwell，再到Vera Rubin、Ultra、Fineman，以实现指数的指数增长，使客户能够降低代币成本 [48][49][50] - 英伟达通过极限协同设计进行创新，必须同时优化模型、算法、系统和芯片，在数据中心级别的交换机、网络、软件等所有方面进行优化 [51][54][71] - 公司实际上是一家AI基础设施公司，是客户的AI基础设施合作伙伴，不要求客户购买所有产品，可以按照客户喜欢的任何方式销售 [75] 推理任务的演变与增长 - 如今超过40%的收入来自推理，但推理即将发生变化，因为推理链的出现，它即将增长十亿倍 [10][11] - 现在有三个缩放定律：预训练缩放定律、后训练缩放定律（AI练习）和推理缩放定律（思考型AI），而不是一个 [12][14][41] - 推理能力正经历第二个指数增长，从一次性的、记忆答案转变为思考型AI，计算量要大10亿倍 [41] - 旧的推理方式是一次性的，但新的推理方式是思考，在回答之前先思考，思考得越久，得到的答案质量就越好 [14] AI对经济和社会的影响 - AI技术带来的变化包括创造一个新的AI代理产业，OpenAI是历史上收入增长最快的公司，呈指数级增长 [33] - AI是最大的均衡器，消除了技术鸿沟，现在人们只需要学习人类语言就可以编程，每个人都必须参与 [81] - 智能不是零和游戏，周围的人越聪明，想法就越多，可以解决的问题就越多，创造的工作和就业机会就越多 [6][83] - 在接下来的5年里，真正酷且将被解决的事情之一是人工智能与机器人技术的融合，每个人都将在云端拥有自己关联的GPU [13][85] 供应链与产能挑战 - 全球的算力短缺不是因为GPU短缺，而是因为云服务厂商的订单往往低估了未来需求，导致英伟达长期处于紧急生产模式 [4][39] - 供应链已经准备好，从晶圆开始到封装、HBM内存等所有技术都已就绪，如果需要翻倍就可以翻倍，现在只是在等待需求信号 [39] - 云服务提供商、超大规模厂商提供的每一个预测都是错误的，因为他们预测不足，所以公司总是处于紧急模式 [39] - 为了每年进行数千亿美元的AI基础设施建设，需要提前一年开始准备大量产能，涉及数千亿美元的晶圆启动和DRAM采购 [53]

AI行业前景与市场规模 - AI预计将为全球GDP带来10万亿美元的增值 背后AI工厂年资本支出需达5万亿美元级别 [2] - 未来5年内 AI驱动收入将从1000亿美元增至万亿美元级别 且该增长概率几乎确定 [4][6] - AI占全球GDP比例预计达55-65% 约50万亿美元 其中10万亿美元需通过AI基础设施增强 [13][35][36] 英伟达与OpenAI合作 - 英伟达与OpenAI建立价值1000亿美元的合作关系 涉及芯片、软件、系统及AI工厂层面直接合作 [6][19][24] - OpenAI很可能成为下一个万亿美元级别超大规模公司 英伟达对其早期投资不足表示遗憾 [3][6][51] - 合作包括Microsoft Azure建设（数千亿美元规模）、OCI建设（5-7吉瓦）及Core Weave项目 [23] 英伟达技术优势与竞争格局 - 英伟达系统总拥有成本（TCO）优势显著 即使竞争对手芯片价格为零 客户仍会选择英伟达系统 [4][7][75] - 英伟达芯片每瓦token数为其他芯片两倍 客户数据中心可产生两倍收入 [13][76] - 竞争格局从单一GPU芯片演变为复杂AI工厂系统 需处理多样化工作负载和指数级增长的推理任务 [2][64] 算力需求与供应链挑战 - 全球算力短缺主因是云服务厂商订单低估需求 英伟达长期处于紧急生产模式 [6][43] - 推理任务量预计增长十亿倍 因推理链、思考型AI及多模态应用出现 [12][17][46] - 供应链已准备就绪 可响应需求翻倍 但客户预测持续不足导致产能紧张 [43][44] 产品战略与技术路线 - 英伟达转向年度芯片发布周期 2024年推出Hopper 2025-2026年推Vera Rubin 2027年推Ultra 2028年推Fineman [53] - 通过极限协同设计（同时优化模型、算法、系统及芯片）实现性能指数级提升 如Blackwell比Hopper性能提升30倍 [55][57] - 推出CPX芯片处理上下文及视频生成 Dynamo系统实现分解式AI工作负载编排 [63][72] 主权AI与全球布局 - 每个国家需建设主权AI能力 因AI涉及国家安全、经济安全及文化价值观编码 [13][84][85] - 英伟达定位为AI基础设施合作伙伴 提供芯片、组件或完整系统解决方案 [81] - 美国再工业化及AI技术民主化将消除技术鸿沟 推动全球参与 [86][87] 行业影响与未来趋势 - AI与机器人技术融合将成为未来5年重点 实现个性化AI代理及数字孪生应用 [14][91][92] - AI代理产业快速增长 OpenAI成为历史上收入增长最快公司 [38] - AI非零和游戏 将创造更多工作机会及经济增量 而非单纯替代现有岗位 [8][88][89]

AI行业增长前景 - OpenAI很可能成为下一个万亿美元市值公司 是英伟达的重要合作伙伴 [1][3][4] - AI驱动收入将在5年内从1000亿美元增长至万亿美元级别 目前可能已达到该水平 [1][26][28] - AI将增强全球50万亿美元规模的人类智能经济活动 可能创造10万亿美元增量价值 [20][21][24] 计算范式转型 - 通用计算时代结束 全球数万亿美元计算基础设施将全面转向加速计算和AI计算 [3][17][18] - 传统超大规模计算模式（搜索 推荐 购物）正从CPU转向GPU驱动 形成数千亿美元市场 [18][28][34] - 数据处理市场（Databricks Snowflake Oracle SQL）目前主要使用CPU 未来将全面转向AI处理 [34] 英伟达竞争战略 - 通过"极致协同设计"实现系统级优化 年度发布周期使性能呈指数级提升（Hopper到Blackwell提升30倍） [3][41][47] - 即使竞争对手芯片免费 英伟达系统在总拥有成本（TCO）上仍具优势 因电力 数据中心等运营成本更低 [1][75][77] - 从GPU供应商转型为AI基础设施建设者 能整合各类ASIC满足多样化工作负载需求 [3][62][64] 技术发展路径 - AI规模定律从预训练 后训练扩展到"思考"推理定律 推理能力将实现百万倍至十亿倍增长 [3][7][8] - Token生成速度每几个月翻一番 驱动每瓦性能需持续指数级提升 电力消耗与收入直接相关 [22][24][43] - 年度发布周期包括2024年Hopper 2025年Grace Blackwell 2026年Vera Rubin 2027年Ultra 2028年Feynman [41][47] 生态系统建设 - 与OpenAI的Stargate合作涉及1000亿美元投资 帮助其建立自主AI基础设施 [3][10][11] - 推出NVLink Fusion等开源平台 整合英特尔 ARM等生态系统合作伙伴 [71][73][74] - 投资xAI CoreWeave等公司 但不与采购义务挂钩 属于机会性股权投资 [39][40] 市场容量分析 - 全球AI基础设施年资本支出可能达到5万亿美元 对应生成10万亿美元token价值（50%毛利率） [21][22] - 目前4000亿美元市场规模将增长4-5倍 阿里巴巴计划将数据中心电力容量增加10倍 [22][25] - 供应链已做好准备应对需求增长 实际需求持续超出客户预测 [31][32] 工作负载演进 - AI从单一语言模型发展为多模型系统 能同时运行 使用工具并进行研究 [9] - 传统"一次性"推理转向"思考型"推理 大幅增加单次使用的计算量 [11][13][33] - 视频生成 上下文处理等专业化工作负载需要特定芯片（如CPX） [62]

AI行业前景与市场规模 - AI将为全球GDP带来10万亿美元增值 背后AI工厂年资本支出需达5万亿美元级别 [2][3] - AI驱动收入在未来5年内从1000亿美元增至1万亿美元的概率几乎确定 目前已接近实现 [3][14] - 全球算力短缺主因是云服务提供商订单低估需求 导致长期处于紧急生产模式 [3][16] 英伟达与OpenAI合作 - OpenAI邀请英伟达早期投资 可能成为下一个万亿美元级超大规模公司 [2][6] - 合作涉及直接工作关系和直接采购关系 类似马斯克与X的合作模式 [2][7] - 合作涵盖Microsoft Azure建设(数千亿美元规模) OCI建设(5-7千兆瓦)和Core Weave项目 [6] 技术竞争格局 - 当前AI竞争比以往更激烈 市场从GPU演变为复杂AI工厂 需处理多样化工作负载 [2][26] - 英伟达芯片竞争优势在于总拥有成本(TCO) 性能或每瓦token数是其他芯片两倍 [4][33] - 谷歌TPU优势在于前瞻性 但客户自有工具将成为主流趋势 [3][27] 技术发展路径 - 推理能力将增长十亿倍 从一次性推理转变为思考型AI [6][18] - 出现三个缩放定律:预训练缩放 后训练缩放和推理缩放 替代单一缩放定律 [6] - 年度发布周期实现技术指数级提升 Hopper到Blackwell性能提升30倍 [22][23] 生态系统建设 - 每个国家都需要建设主权AI能力 如同需要能源和通信基础设施 [4][38] - 英伟达定位为AI基础设施公司 提供芯片 组件或完整系统解决方案 [36] - 与英特尔 ARM等公司合作实现生态系统融合 扩大市场机会 [32] 商业模式演进 - AI工厂需要处理持续变化的多样化工作负载 非单一芯片能解决 [28][29] - 超大规模厂商从CPU向加速计算和AI转型 代表数千亿美元市场 [9][10] - 即使竞争对手芯片免费 英伟达系统仍能提供更优每瓦性能收益 [33][34] 应用场景拓展 - AI与机器人技术融合将成为未来5年重点发展方向 [4][43] - 传统数据处理市场(主要使用CPU)将转向AI数据处理 [18] - 每个人可能拥有个性化AI模型 80亿人口对应80亿GPU成为可行方案 [43] 产业影响 - AI将增强全球50万亿美元人类智能产出 带来生产力革命 [11][12] - 能源产业迎来复兴 核能 燃气轮机等基础设施公司表现突出 [13] - 消除技术鸿沟 人类只需使用自然语言与AI交互而非编程语言 [40]

文章核心观点 - 美国科技巨头（微软、英伟达、OpenAI）在英国进行大规模AI基础设施投资，总投资额超过310亿英镑（约420亿美元），标志着AI竞争从技术研发转向全球实地部署能力[1][2][3] - 投资重点在于构建"主权AI"能力，即在英国本土建设算力工厂和数据中心，实现数据不出境、模型本地化运行，而非简单的技术输出或API服务[3][25][28][30] - 此次合作代表新型科技合作模式：美国企业提供核心技术标准和硬件，英国提供土地、政策和能源，共同搭建本地化但联通全球的AI节点，引发对英国能否真正掌握AI控制权的讨论[35][36][37][42] 微软投资分析 - 微软宣布投资300亿美元（约220亿英镑），用于在英格兰东北部"AI增长区"建设AI数据中心、云算力设施与本地研发团队，分为硬件（土地、数据中心）、软件（研发团队）和人才三部分[5][7][8][9] - 公司强调投资基于在英国40年的政策稳定性，目标是为未来AI工厂打地基，将AI转化为可被业务使用的工具，而非短期市场扩张[5][6][12][13] - 公司预计AI对英国GDP增长的贡献可能需要5年时间显现，强调AI价值实现需经历组织流程重塑和业务落地[10][11] 英伟达战略部署 - 英伟达宣布在英国部署12万片最新Blackwell GPU芯片，为欧洲历史上最大规模落地，同时向英国AI基础设施公司Nscale投资5亿英镑[2][18][19] - 公司强调GPU是"外交语言"，主权AI的核心是将数据和训练能力留在本国，此次部署旨在帮助英国建立完整的算力工厂和数据中心[17][20][24][25] - 公司认为英国作为AI发源地应大胆发展自主AI能力，此次部署是"能力转移"而非技术输出，关键在于本土算力基础设施的建设[16][21][22][23] OpenAI本地化项目 - OpenAI启动"Stargate UK"项目，在英国北泰恩赛德建设本地大模型平台，首批部署8000张GPU，由OpenAI牵头、Nscale承建、英伟达提供硬件[2][26] - 项目标志公司从全球API服务商转向本地部署伙伴，确保数据不出境、模型在英国本土运行和训练，为英国开发者提供定制化平台[27][28][29][30] - 这种合作模式将AI深度融入当地政策、能源和监管框架，英国通过提供土地和政策获得技术能力，但项目主导权归属引发关注[30][31] 行业影响与竞争格局 - 投资潮涉及微软、英伟达、OpenAI、谷歌、CoreWeave、Salesforce等企业，横跨AI、能源、芯片领域，构成国家级产业布局[2][3][42] - AI竞争重点从模型性能转向部署能力，未来比拼的是算力、人才、应用的完整闭环，以及本土AI工业体系的建设能力[15][42][43] - 英国短期受益于投资、岗位和基础设施，但长期面临核心能力（如模型训练权、调度接口）仍由美国企业掌控的挑战[35][36][38][39]

作者 | 汤拯 2025.09. 17 过去30年，互联网和智能手机迅速发展，成为现代社会的关键基础设施，深刻改变了人类的生活方式。然而，欧盟却未能孕育出可与美国硅谷或东亚 科技巨头比肩的新兴企业，与互联网移动时代屡屡失之交臂。 当前，人工智能（AI）正以惊人的速度成为下一代"数字基础设施"，其重要性可媲美当年的互联网和智能终端。这一次，欧盟各界弥漫着一股危机感。 从重新审视产业政策到加大研发投入，越来越多欧洲人意识到，AI时代很可能是重塑这片大陆竞争力的最后窗口期。如果再度错失良机，欧盟在未来 的产业与科技角逐中或将被彻底边缘化。 本文字数：3858，阅读时长大约6分钟 AI将成为未来社会的基础设施 首先，欧洲资本市场整体偏保守且碎片化，高风险创新项目难以获得持续大规模的融资。欧洲风险投资的规模和激进程度远不及美国。数据显示， 2018年至2022年欧洲深度科技创业公司仅吸引到约325亿欧元投资，同期美国这一数字超过1200亿欧元。欧洲社会和资本对失败的容忍度较低，更青 睐稳健经营，这种保守文化使很多创业者不敢或无力采取激进扩张策略。 其次，欧洲大型企业对初创公司的带动作用不足。统计显示，只有约12%的欧洲 ...

科技巨头在英国的投资计划 - 微软、OpenAI等美国企业计划在英国科技基础设施领域投入超过310亿英镑约423亿美元 [1] - 投资涵盖人工智能系统、量子计算项目及其他科技领域开发 [1] - 这些举措支持英国首相强化英美关系及推动科技发展的战略 [1] OpenAI的"星际之门"项目 - OpenAI主导总规模达5000亿美元的"星际之门"AI基础设施项目 [2] - 在英国项目中计划部署多达6万块英伟达Blackwell系列芯片 [2] - 2026年第一季度将率先启用8000块芯片 最终规模扩大至3.1万块 [2] - 项目将覆盖英格兰东北部新建的"AI增长区" [2] 微软的投资承诺 - 微软同意在未来四年内向英国AI基础设施及现有业务投入300亿美元 [2] - 这是微软对英国市场规模最大的资金承诺 [2] - 将携手Nscale共建超级计算机 配备超过2.3万块先进GPU [2] - 设备将部署于伦敦附近洛顿的Nscale AI园区 [2] 英伟达的参与计划 - 英伟达宣布参与价值110亿英镑的AI数据中心建设计划 [2] - 目标到2026年在英国部署12万块AI加速芯片 [2] - 在Nscale的全球扩建项目中总计将部署30万块芯片 [2] - 这一布局将使Nscale成为"全球级基础设施运营商" [2] CoreWeave的追加投资 - CoreWeave将在英国投资15亿英镑 此前已投入10亿英镑 [2] - 与英伟达及DataVita合作部署技术 [2] - 数据中心采用可再生能源供电 总算力达31兆瓦 [2] - 预计2026年第一季度投入运营 [2] 其他科技企业的投资 - 赛富时将于2030年前在英国追加20亿美元投资 [2] - 谷歌将在两年内对英国投资50亿英镑 包括新建数据中心 [2] - 贝莱德将向数据中心领域投资5亿英镑 [2] 全球AI基础设施趋势 - 英国正致力于打造本土AI基础设施即"主权AI" [3] - 英伟达将这一趋势视为未来增长的关键驱动力 [3] - 全球在"主权AI"领域的投入有望催生高达4万亿美元的AI相关支出 [4]