文章核心观点 - Anthropic凭借其专注编码的Claude Opus 4.5模型展现出卓越的智能编码能力，在AI行业竞争中占据先机，其“少即是多”的战略和自建超算的计划可能标志着AI军备竞赛的拐点 [1][5][6] Claude Opus 4.5的技术实力与市场反响 - Claude Opus 4.5仅用一小时便复现了一个曾让谷歌工程师钻研整年的AI系统 [1] - 借助Opus的智能编码能力，一位科学家早期长达六年的探索工作可被高度浓缩至几个月内完成 [2] - 有开发者在半小时内不写一行代码便构建出一款iOS应用 [27] - 有人在20分钟内打造了类似ESPN风格的应用 [29] - 该模型可根据系统设计指导完成任何要求的编程任务，并被用于接入智能家居系统、分析原始DNA数据等广泛场景 [25][34][36] Anthropic的战略与商业模式 - 公司采取“少即是多”的战略，押注用最少的资源做更多的事，专注于更高质量的训练数据、加强模型推理能力的后训练技术以及让模型跑得更便宜、更容易被大规模采用的现实目标 [5][17] - 公司并非否认规模的重要性，但认为规模不是唯一的杠杆，下一阶段的胜利取决于每一美元算力能交付多少能力 [17][19] - 公司定位为企业优先的模型供应商，Claude的主要收入来源是被嵌入到别人的产品、工作流和内部系统中，这类场景黏性更强、更接近真实生产力 [20][23] - 公司收入已经连续三年实现同比十倍增长，并构建了独特的销售策略，使Claude几乎出现在所有主流云平台上，包括那些同时也在卖自家竞争模型的云厂商 [24] 算力基础设施与供应链布局 - Anthropic计划购买近100万块谷歌TPU v7芯片以自建超算，芯片将从博通直接下单，交易金额或达210亿美元 [6][8][11] - 依据行业推测，TPU v7单价大概在15,000–25,000美元之间 [11] - 该交易结构意味着Anthropic自有超算将不再依赖CUDA生态和云厂商，将算力主权握在手中，这可能导致英伟达丢失300亿美元的潜在大订单 [11][12] - 部署架构为Anthropic持有TPU所有权，基础设施由TeraWulf、Hut8和Cipher Mining提供，现场运维外包给Fluidstack [9] 行业竞争格局与资本动态 - 2026年AI行业演变为“暴力规模与效率”的较量，作为规模派代表的OpenAI投入1.4万亿美元用于算力和基础设施建设 [17] - Anthropic目前已经锁定了约1000亿美元规模的算力承诺 [19] - 谷歌持有Anthropic公司14%的股份，亚马逊向Anthropic追加投资40亿美元，Zoom也持有其部分股权 [39] - 谷歌被传出正在洽谈追加投资Anthropic，新一轮融资或将使Anthropic的估值突破3500亿美元 [40] - 有猜测认为谷歌可能在2026年收购Anthropic，但此举可能因Anthropic的成功及其“安全AI”的标榜而面临挑战，并可能终结当前的AI竞赛格局 [43][46][47]

文章核心观点 - 商汤科技通过其“大装置-大模型-应用”三位一体战略，全面拥抱国产化，致力于构建和优化国产AI算力生态，推动中国AI产业从依赖进口算力走向自主可控，并已在多模态模型适配、工程化效率提升及商业化落地方面取得关键突破，走出一条长期主义发展道路 [2][4][7][16][27] 市场信心与战略融资 - 商汤科技于12月18日完成由不少于六家机构积极认购的B类股份配售，配售款项将主要用于扩大AIDC“大装置”规模及提高国产化比例，反映了市场对其长期价值的坚定信心 [3] 国产AI产业的关键节点 - 寒武纪于12月15日宣布完成对商汤“日日新”Seko系列多模态模型的“Day 0”级别同步支持，标志着国产算力在高带宽、高并发的多模态场景中实现关键跨越 [3] - 中国AI行业重心已从云端转向算力层的自主可控，AI产业下半场不再是参数规模竞逐，而是回归物理现实与系统级协同 [4][5] - 原生AI企业正成为国产芯片成熟化的“加速器” [4] 国产化挑战与商汤的路径 - AI国产化面临硬件架构不统一导致的“孤岛”与高迁移成本问题 [6] - 商汤科技选择全面拥抱国产化，致力于解决生态“可战性”问题，而非仅死磕芯片制程工艺 [7][9][10] 大装置：国产芯片的练兵场与生态构建者 - 商汤大装置（SenseCore）是一个巨大的异构调度与适配平台，充当国产芯片的“练兵场”和“试飞中心” [8][11] - 其在千亿参数级、超大规模并发的真实业务场景中激发国产芯片潜能，并通过抽象统一软件介质，实现跨异构加速卡的统一训练，为开发者提供标准化接口 [13] - 与国产芯片厂商合作进入深度耦合阶段，构建“多维共生”的算力生态 [14] - 与寒武纪：构建“阶梯式产品创新体系”，实现软硬协同 [14] - 与摩尔线程：形成互补的“技术共生”，满足AIGC视频生成的复合算力需求 [14] - 与沐曦：确立“算力集群+行业拓展”合作，通过大装置提供场景验证，沐曦提供高性价比算力以降低建设成本 [14] - 在国内市场首次完成基于384卡超大规模集群的华为昇腾910C超节点全面适配，通过了工业级标准的严苛考验，意味着国产算力从“可用”走向“好用” [15] 工程化创新与效率提升 - 商汤展示的工程化能力表明，在计算方式和架构创新下，国产算力集群未来有望实现效率反超，获得成本优势 [18][19] - 与记忆张量合作，通过PD（Prefill-Decoding）分离技术的大规模商用落地，使国产GPU的推理性价比提升150% [19] - 在视频生成领域，开源LightX2V推理框架，下载量已突破350万次，该框架支持昇腾910B、海光DCU等主流国产芯片，并通过硬件友好机制将推理性能提升3倍以上 [19] - 商汤Seko系列模型作为行业首个多剧集生成智能体，在视频一致性上取得突破，依托自研技术底座与国产算力的长期磨合 [21] - 通过开源生态将复杂的硬件适配工作封装在底层，使上层应用开发者无需关心芯片差异 [22] 应用落地与商业化验证 - 商汤的产品矩阵涵盖从大装置、日日新多模态模型到端侧应用的全栈生态 [25] - 端侧应用如AI办公应用“小浣熊”和AI数字人生成平台“如影”均已完成国产芯片适配，并实现高效运行，打破了“国产算力难以在终端普及”的认知 [26] - 在城市管理、金融、医疗等对数据主权敏感的领域，商汤提供全栈国产化私有化部署方案，解决了高性能、便捷性、自主可控的“不可能三角”问题，并已实现全面适配与正式交付 [27] - 基于国产算力和国产大模型的解决方案已从技术验证走向真正的商业化 [27]

沐曦股份科创板上市表现 - 公司于2025年12月17日在科创板上市，成为A股第二家国产GPU领军企业 [1] - 上市首日开盘价700元，高开568.83%，收盘涨幅达692.95%，市值突破3320亿元人民币 [1] - 按盘中最高价计算，单签盈利近40万元，成为近10年来最赚钱新股 [1] 政策与行业宏观背景 - 中央经济工作会议明确提出“深化拓展‘人工智能+’”与“完善人工智能治理”并行的双轨部署，政策转向系统性产业赋能 [2] - 2025年中国智能算力规模预计达1037.3 EFLOPS，增长43% [5] - 预计到2028年，中国智能算力规模将达2782 EFLOPS，未来五年复合增长率超过40% [5] 国产GPU行业意义与公司战略 - 沐曦股份与摩尔线程被视为国产GPU“双子星”，其上市暴涨反映了资本市场对中国“算力安全”的信任 [3] - 公司坚持自主研发，致力于实现从指令集架构到软件生态的全流程自主可控 [3] - 上市募集资金将投入新型高性能通用GPU、新一代AI推理GPU及前沿高性能GPU技术研发三大项目 [5] 坤元资产的生态布局 - 坤元资产已完成“全栈式”布局，精准卡位算力、算法、应用三大核心要素 [2] - 生态圈内除沐曦股份外，还包括冲击“中国AI第一股”的智谱AI，以及人形机器人公司宇树科技 [2] - 早在2023年布局沐曦股份，是基于对底层算力需求是“确定性锚点”的洞察 [5] 大模型领域进展（智谱AI） - 智谱AI估值已超400亿元人民币，正冲刺“AI第一股” [6] - 其GLM-4.5及GLM-4.6模型在权威基准测试中稳居全球第一梯队，与OpenAI分庭抗礼 [6] - 面向开发者的软件工具和模型业务年度经常性收入已突破1.4亿元人民币 [7] - 2024年总收入达4200万美元，预计2025年销售额将实现翻倍增长 [7] 人形机器人领域进展（宇树科技） - 宇树科技已提交IPO辅导报告，计划募集30亿元用于扩建人形机器人生产线，距离“具身智能第一股”仅一步之遥 [8] - 公司2025年营收预计突破10亿元人民币 [9] - 其人形机器人G1售价为9.9万元人民币，累计交付量超1500台，订单总额超5亿元 [9] - 公司走高性能、低成本、量产化的“中国特色”道路，致力于让通用人形机器人进入工厂替代人力 [8]

大湾区交易所科技大会概况 - 2025年大湾区交易所科技大会于11月28日至29日举行，主题为“迈向人工智能+时代” [1] - 大会由深圳证券交易所联合香港交易所、广州期货交易所共同举办 [1] - 鹏城实验室主任、北京大学博雅讲席教授高文出席并发表主题演讲 [1] 中国算力网计划 - “中国算力网”研究计划的初衷源于国家发展和改革委员会的“东数西算”工程 [3] - “东数西算”工程旨在结合西部丰富的能源优势与东部密集的计算需求，实现全国算力资源优化配置 [3] - 加快建设“中国算力网”是保障国家在数字时代拥有“算力主权”的关键举措 [3] 国际竞争背景 - 美国正在布局“星际之门计划”、“创世纪任务”等国家级战略工程 [3] - 美国相关工程的意图被描述为建立全球性的“算力霸权” [3] - 发展“中国算力网”被视为避免在未来竞争中受制于人的需要 [3]

AI芯片市场竞争格局变化 - 谷歌加速自研AI芯片TPU商业化步伐，正与Meta等科技公司洽谈外部采购合作，若合作落地TPU将进入谷歌体系外超大规模数据中心，可能冲击英伟达GPU主导的算力市场[1] - 谷歌推动TPU走向外部客户，Meta考虑从2027年开始在数据中心部署谷歌TPU，并可能最早于2025年通过Google Cloud租用TPU容量，潜在合同金额或达数十亿美元[4] - 全球科技巨头普遍加速自研AI芯片争夺算力主权，从训练到推理、从通用模型到专业应用，企业将掌握自有算力视为下一阶段竞争力关键[6] 英伟达市场反应与应对策略 - 谷歌TPU商业化消息导致英伟达股价震荡，周二美股早盘一度下滑7%，最终收跌约2.6%，自10月29日以来市值从5.03万亿美元跌至4.32万亿美元，缩水超7000亿美元[1] - 英伟达正面回应竞争，强调继续向谷歌供货，自称"领先行业整整一代"，是唯一能运行所有AI模型并在所有计算场景中部署的平台[1] - 英伟达创始人黄仁勋指出AI ASIC企业虽多但极少有产品能真正投入生产，强调加速计算技术栈异常复杂[7] 技术路线与市场趋势演变 - 业内观点认为随着AI训练与推理负载增长和多元化，未来更可能呈现ASIC、GPU异构部署，而非单一架构一统天下[2] - 行业正从GPU单线制向多架构、多供应商异构化体系演进，Anthropic同时采用英伟达Blackwell、Rubin系统和谷歌Ironwood TPU，体现"多路线并行"采购趋势[7] - AI基础设施行业从单一硬件竞争转向系统级竞争，随着软件框架、模型体系、能效变化，AI芯片格局持续演变[8] 谷歌TPU发展现状 - 谷歌TPU研发始于2013年，与谷歌云服务紧密结合，最新一代为TPU v7（Ironwood），最近迭代出Gemini 3[4] - 谷歌通过模型和硬件耦合方式强化大模型时代技术闭环，Gemini 3已大量使用TPU完成训练和推理，为TPU商业化提供更强验证场景[4] - 谷歌表示自家定制TPU和英伟达GPU需求都在加速增长，谷歌依然采购英伟达GPU[5] 竞争对手动态 - AWS持续迭代Graviton、Trainium、Inferentia系列自研芯片，势头凶猛，微软在发布自研AI芯片Maia系列后新芯片计划有所推迟[7] - 中国市场后起之秀如华为昇腾、寒武纪、百度昆仑芯等正在快速推进[7] - TPU、Gaudi、Trainium等ASIC芯片往往根据特定框架或任务场景，在特定负载上取得极高效率[5]

AI芯片市场竞争格局变化 - 谷歌正加速自研AI芯片TPU的商业化步伐，并与Meta等科技巨头洽谈外部采购合作，潜在合同金额或达数十亿美元[2][6] - 若合作落地，谷歌TPU将进入其体系外的超大规模数据中心，可能对英伟达GPU主导的算力市场构成冲击[2] - 英伟达股价受此消息影响出现震荡，周二美股早盘一度下滑7%，最终收跌约2.6%[2] - 自10月29日至11月25日，英伟达市值从5.03万亿美元跌至4.32万亿美元，不到一个月缩水超过7000亿美元（约合人民币5万亿元）[2] 英伟达的回应与市场地位 - 英伟达公开回应竞争，强调其技术"领先行业整整一代"，是唯一能运行所有AI模型并在所有计算场景中部署的平台[4] - 公司表示与谷歌的合作稳定且持续，将继续向谷歌供货[4] - 英伟达目前在AI芯片市场占据超过90%的份额[6] - 尽管面临竞争，谷歌自身也表示对定制TPU和英伟达GPU的需求都在加速增长[4] 行业技术发展趋势 - 随着AI训练与推理负载增长和高度多元化，未来更可能呈现ASIC、GPU异构部署的格局，而非单一架构主导[4][9] - 大型AI公司如Anthropic采取"多路线并行"采购策略，同时采购英伟达和谷歌的芯片，以保持算力供应链多元化[9] - AI基础设施行业正从单一硬件竞争转向系统级竞争，涉及软件框架、模型体系、能效等多方面演变[10] 全球科技巨头自研芯片动态 - 除谷歌外，AWS持续迭代Graviton、Trainium、Inferentia系列自研芯片，微软也发布了自研AI芯片Maia系列[9] - 中国市场上，华为昇腾、寒武纪、百度昆仑芯等厂商正在快速推进[9] - 自研芯片成为科技巨头降低能耗、控制成本的关键路径，特别是在大模型训练成本几何级上升的背景下[6]

行业投资趋势 - 人工智能竞争焦点转向基础设施，巨额资本正以前所未有的规模投向算力基石 [1] - 摩根大通预计全球AI和数据中心基础设施投资规模将达到5万亿美元 [1][5] - 头部AI公司和科技巨头均在疯狂押注算力基建，投资规模巨大，例如OpenAI计划未来8年投入约1.4万亿美元，Meta计划未来三年在美国投资6000亿美元 [1][4] Anthropic公司动态 - Anthropic宣布将投入500亿美元建设全美人工智能基础设施网络，首批数据中心选址得克萨斯州与纽约州 [1] - 此次500亿美元投资是与英国AI云平台企业Fluidstack合作进行 [3] - 公司业务增长强劲，目前服务超30万家企业客户，其中年贡献额超10万美元的大客户数量过去一年激增近7倍 [4] - 公司有望在2028年实现盈亏平衡，远快于其竞争对手OpenAI [4] - 此前已获得大型基础设施支持，包括亚马逊在印第安纳州为其建成的投资110亿美元、占地1200英亩的数据中心园区，以及与谷歌达成的数百亿美元算力合作协议 [3] 科技巨头资本开支 - 在第三季度财报电话会上，亚马逊、微软、Meta等均表示将继续投资AI [1][4] - 亚马逊预计2025年总投入1250亿美元 [4] - 谷歌将2025年资本支出上调至910亿至930亿美元 [4] - Meta预计2025年资本支出为700亿至720亿美元，几乎是去年的两倍 [4] - 微软上季度投入创纪录的349亿美元，并宣布下一财年将投入1000亿美元 [4] 投资驱动因素与行业观点 - 巨额投资指向同一目标：争夺算力主权 [1] - 诺贝尔经济学奖得主迈克尔·斯宾塞指出，在战略竞争背景下，投资不足的代价远高于投资过度 [1] - 科技企业若在AI竞赛中落后两三步，就可能被淘汰出局 [1] - 微软CFO表示，尽管已投入数百亿美元，仍难以满足当前对AI及其他服务的需求 [7] - OpenAI发言人指出，当前人工智能的需求已超过现有计算资源的供给能力 [7] 面临的挑战与瓶颈 - 电力保障是主要瓶颈，AI训练集群需数百兆瓦甚至吉瓦级电力，但输电线路建设周期远长于数据中心 [6] - 微软CEO坦言面临“不缺AI芯片但缺电力”的局面，大量已采购的GPU因电力问题闲置 [6] - 摩根士丹利警告，到2028年美国可能因AI数据中心消耗大量电力而面临高达20%的电力缺口，潜在缺口达13至44吉瓦 [6] - 科技巨头资本开支增速远超收入增速，引发投资者对盈利路径的担忧，例如Meta公布财报后股价大跌逾11% [6]

行业投资趋势 - 人工智能竞争焦点转向基础设施，巨额资本正以前所未有的规模投向算力基石 [1] - Anthropic宣布投入500亿美元建设全美人工智能基础设施网络，首批数据中心选址得克萨斯州与纽约州 [1] - OpenAI计划在未来8年投入约1.4万亿美元用于新建与扩建人工智能数据中心 [1] - Meta表示未来三年将在美国基础设施和就业领域投资6000亿美元，其中包括人工智能数据中心建设 [1] - 摩根大通报告预计，全球AI和数据中心基础设施的投资规模将达到5万亿美元 [1][4] - 亚马逊2025年预计总投入1250亿美元，谷歌将2025年资本支出上调至910亿至930亿美元，Meta预计2025年资本支出为700亿至720亿美元（几乎是去年的两倍），微软上季度投入创纪录的349亿美元并宣布下一财年将投入1000亿美元 [3][4] Anthropic公司动态 - Anthropic创立于2021年，由前OpenAI研究员创立，核心产品Claude系列对标OpenAI的GPT系列 [2] - 公司于今年9月完成F轮130亿美元融资，投后估值约1830亿美元 [2] - 此次500亿美元的基础设施投资，选择与英国AI云平台企业Fluidstack合作进行，后者具备在短时间内提供吉瓦级供电能力的优势 [2] - 新建数据中心将支撑其企业业务快速增长与长期研发需求，公司目前服务超30万家企业客户，其中年贡献额超10万美元的大客户数量过去一年激增近7倍 [2][3] - 有预测显示，公司有望在2028年实现盈亏平衡，远快于竞争对手OpenAI [3] - 此前，亚马逊已在印第安纳州为其建成占地1200英亩、投资110亿美元的数据中心园区并投入运营，公司还与谷歌达成了数百亿美元级别的算力合作协议 [2] 投资驱动因素与行业观点 - 巨额投资均指向争夺算力主权的目标，参与者均未放缓投资步伐，在第三季度财报电话会上，亚马逊、微软、Meta等都表示将会继续投资AI [1] - 诺贝尔经济学奖得主迈克尔·斯宾塞指出，在战略竞争背景下，投资不足的代价远高于投资过度，科技企业若在AI竞赛中落后两三步就可能被淘汰出局 [1] - 微软CEO萨提亚·纳德拉坦言"不缺AI芯片但缺电力"，大量已采购的英伟达GPU因电力问题无法上线运行 [5] - OpenAI发言人表示当前人工智能的需求已超过现有计算资源的供给能力，投入的每一美元都正用于服务数以亿计的用户 [6] - 科技企业们的"激进"投资基于一个更高维度的选择：如果AGI在5–10年到来，提前掌握算力、电力、数据三大入口就等于掌握下一个平台周期的话语权 [6] 面临的挑战与潜在风险 - 典型的AI训练集群需要数百兆瓦甚至吉瓦级电力，相当于一座中型城市的用电量，数据中心建设仅需两年但输电线路建设可能需要长达十年 [5] - 摩根士丹利警告称，到2028年，由于AI数据中心消耗大量电力，美国可能面临高达20%的电力缺口，潜在缺口达到13至44吉瓦（GW），相当于超过3300万美国家庭的用电量 [5] - 科技巨头资本开支增速远超收入增速，Meta在公布2025年第三季度财报后股价大跌逾11%，反映出投资者对其巨额AI资本开支和不确定盈利路径的恐慌 [5] - AI初创公司如Anthropic和OpenAI都仍在亏损，OpenAI 2025上半年净亏损达到135亿美元，预计到2028年将录得740亿美元的经营亏损 [6] - 美国银行10月调查显示，54%的基金经理认为科技股估值过高，创历史新高 [6] - 有分析指出当前AI基础设施投资热潮与2000年前后的互联网泡沫存在相似之处，如资本过度乐观、估值脱离基本面、基础设施先行于应用场景 [6]

公司概况 - 沐曦是一家专注于GPU设计的中国公司，计划在科创板上市 [1] - 公司创始人陈维良拥有20年芯片行业经验，曾主导AMD 15款GPU量产 [1][3] - 公司成立于2020年9月，创始团队包括三位AMD前核心骨干 [3][4] - 公司累计融资超过20亿元人民币，获得和利资本、红杉中国等20余家机构投资 [5] 财务表现 - 2022-2024年营收复合增长率达4074.52%（40.75倍） [1][9] - 2023年营业收入为5302.12万元人民币 [5] - 2024年营业收入爆发式增长至约7.42-7.43亿元人民币 [1][5] - 2025年第一季度主营业务收入达3.2亿元人民币 [5] - 2025年第一季度主营业务毛利率达55.26% [5] 产品与技术 - 首款产品曦云C500于2023年6月回片，采用中芯国际12nm代工、通富微电封装，实现全流程国产化 [5] - 曦云C系列采用自研XCORE架构与MetaXLink高速互连技术，可支持千亿参数级AI大模型训练 [5] - 曦云C600正处于测试阶段，已支持128B MoE大模型训练，预计2025年底量产 [5] - 2025年第一季度曦云C系列GPU板卡占主营业务收入比例高达97.5% [5] 业务模式与客户 - 公司采用"直销+经销"双模式，2024年直销收入占比62.6%，经销收入占比37.4% [5] - 主营业务收入主要来自GPU板卡与GPU服务器产品，占比分别为68.99%与28.29% [5] - 下游客户包括服务器厂商、系统集成商及智算中心建设方 [5] 行业背景 - GPU已成为AI训练、科研仿真等核心场景的刚需品，生成式AI爆发让市场需求持续扩容 [2][8] - GPU行业经历三阶段发展：2000-2010年图形GPU主导，2010-2020年通用GPU兴起，2020年至今进入"算力主权"时代 [9] - 行业新爆发点在于"云边端融合"与"多卡互连"技术 [9] - 2024年英伟达营收达936亿元人民币，主要来自数据中心GPU，占比超88% [9] 市场机会 - 2024年国内数据中心GPU进口占比超80%，政策要求2025年核心芯片自主化率达50% [13] - 全国超150个智算中心规划落地，单中心需数千颗GPU [13] - AI for Science兴起开辟蓝海，GPU加速蛋白质折叠、材料研发等科研计算 [13] 行业挑战 - 主流架构每18-24个月更新，需要持续研发投入 [14] - 12nm工艺单次流片成本达8000万元人民币，前期投入至少10亿元 [14] - 生态构建难度大，需要"芯片+软件+应用"协同，攻克CUDA兼容需要1-2年时间 [15]

算力主权的核心概念 - 人工智能全球竞赛的核心正从算法和数据转向其物理基础——算力，前沿AI模型所需计算资源约每六个月翻一番，对专业计算基础设施的控制权成为政府和行业讨论的核心[2] - “算力主权”是一个复杂议题，需在三个层面解构：AI计算资源是否位于本国领土内、拥有AI数据中心的公司归属哪国国籍、为数据中心提供动力的AI加速器来自哪个国家供应商[2] - 全球算力地图呈现极度不均衡格局，一个国家是否拥有“算力主权”完全取决于分析层面，这对全球政策制定者、科技巨头和国际关系学者具有深远影响，揭示了技术自主追求中的权衡、战略依赖和地缘政治断层线[3] 领土主权层面的算力分布 - 在领土主权层面，全球AI算力资源高度集中，九大云服务商布局的225个云区域中仅132个配备AI加速器，这些关键资源仅分布在33个国家，绝大多数国家处于“计算穷国”地位[4] - 高端“训练相关”算力分布更为集中，全球仅24个国家拥有此类资源，仅占联合国成员国约12%，美国（26个AI云区域）和中国（22个AI云区域）数量领先，欧盟27国总共拥有27个AI云区域[4] - 追求领土主权存在核心权衡：政府需在“确保关键资源供应安全”的战略利益与“消耗宝贵能源、水和土地资源”的巨大本地成本间做出选择，对缺乏竞争优势的国家而言，盲目投资国家数据中心产业可能不划算[4][5] 供应商国籍层面的主权策略 - 在供应商国籍层面存在“分层管辖权”困境，外国云巨头在东道国运营数据中心时需同时遵守东道国和母国法律，这削弱了东道国的监管排他权，引发主权焦虑[6] - 全球云市场由六大“超大规模”供应商主导（美国AWS、谷歌、微软和中国阿里、华为、腾讯），迫使大多数国家在战略上做出选择[7] - 国家策略可分为“结盟”和“对冲”两种：31个拥有外国AI算力国家中18个采取“结盟”策略（如澳大利亚、日本、以色列完全依赖美国供应商），12个国家采取“对冲”策略（如新加坡同时拥有美国和中国的云区域）[8][9] 芯片供应商层面的终极依赖 - 在AI加速器（芯片）供应商层面呈现最极端市场集中，美国芯片设计公司NVIDIA主导全球AI加速器市场80%至95%份额，132个配备AI加速器云区域中95.5%依赖美国设计的加速器[10] - 这种“加速器的枷锁”使得前两个层面主权努力显得苍白，只有美国和中国在境内部署的AI数据中心使用了本国设计的芯片[11] - 实现“加速器主权”最为困难昂贵，欧盟《芯片法案》计划投资430亿欧元用于本土半导体开发，中国在美国出口管制倒逼下正投入巨资发展自主AI加速器能力[12] 多层权衡的总体结论 - “算力主权”不是简单目标而是复杂多层决策框架，充满艰难权衡，一个国家可能在一个层面主权而在另一个层面深度依赖[13] - 全球算力分布存在惊人不对称：仅少数国家拥有AI算力，其中大多数依赖外国云服务商，而几乎所有国家都依赖美国芯片技术[13] - 未来全球算力地图演变将取决于地缘政治格局、超大规模供应商商业决策和各国产业政策成败，控制计算、网络和芯片等关键基础设施节点将掌握全球治理和经济创新话语权[13]