冯德莱恩罕见松口，带头投降，决定放弃追赶中美，欧盟企业不干了

作品声明：内容取材于网络

冯德莱恩带头松口，释放了一个意想不到的信号。

她提出欧洲不必非要开发最先进的AI模型，也能从中赚钱。

没想到欧洲企业先急了，核心技术一旦放弃，以后只能花钱买别人的服务。

中美越跑越快，欧洲这次却要认输，冯德莱恩这样做究竟打着怎样的算盘？

冯德莱恩改口了？

欧洲科技圈，正在发生一场不小的争论。

过去的欧洲，总想在人工智能领域占据一席之地。

既要发展自己的技术，也要减少对美国科技巨头的依赖。

可随着中美不断加码，欧洲一些人开始改变想法：

既然暂时追不上，能不能换条路，先把人工智能用起来，再从中赚钱？

这个变化最受关注的信号之一，就是欧盟委员会主席冯德莱恩的表态。

她在2026年欧盟年终总结大会中提出，欧洲不一定非要自己开发最先进的人工智能模型，

也可以依靠现有工业基础和数据资源，从人工智能的发展中获得收益。

说白了，就是不一定非得争着造出最强的模型，

只要能够把人工智能用进工厂、企业和日常生产，同样有机会创造价值。

这个想法听起来很务实，毕竟训练最先进的人工智能模型，需要大量资金、算力、技术人才和能源支持。

美国拥有实力雄厚的科技巨头，中国也在持续推进人工智能技术和产业应用。

欧洲如果想从头追赶，就必须投入巨额资源，还要面对技术迭代速度越来越快的现实。

与其把钱全部砸进一场胜算不高的竞争，不如发挥欧洲制造业的优势，

把人工智能用到机械、汽车、化工等传统强项上。

这条路并非没有道理，可我觉得问题也恰恰出在这里。

因为不争第一，不等于不需要自己的核心技术。

如果欧洲连基础模型都不愿意投入资源开发，将来使用人工智能时，就可能长期依赖外国企业提供的技术和服务。

在我看来，冯德莱恩的思路有现实考虑，但如果把它理解为欧洲可以放心放弃底层技术，那就把事情想得太简单了。

因为使用别人的技术确实能省下一笔研发费用，可一旦核心技术掌握在别人手里，

欧洲企业就很难完全决定产品怎么升级、服务怎么收费，以及未来应该走哪条技术路线。

更重要的是，欧洲并不是没有人想继续往前冲。

法国人工智能企业Mistral的首席执行官阿瑟·门施，就公开表达了反对意见。

他的态度很明确，认为欧洲不能轻易放弃自主开发先进模型，

否则今天看起来省下来的钱，未来可能会变成长期依赖的代价。

这场争论也说明，欧洲内部并不是一致决定认输，而是有人想先赚钱，有人担心失去未来。

那么为什么一些欧洲企业宁愿继续投入，也不愿意接受这条看似省钱的捷径？

真正让他们担心的，还不是眼前能不能追上中美。

每年2600亿欧元流向海外

要理解欧洲企业为什么着急，就得看清人工智能背后的生意。

很多人认为，人工智能就是一个聊天工具，或者能够帮助企业提高效率的软件。

但对整个产业来说，真正有价值的东西还包括基础模型、云计算平台、算力设施和相关软件服务。

谁掌握了这些关键环节，谁就更有机会影响整个产业的发展方向。

法国Mistral和德国DeepL的负责人，担心的正是这个问题。

据相关报道，欧洲企业每年向美国云计算，

和软件供应商支付的费用超过2600亿欧元，这笔钱的规模不小。

如果欧洲未来，连自己的核心人工智能模型都不愿意开发，

那么越来越多企业可能只能使用海外平台提供的服务。

人工智能越普及，欧洲企业对外部技术的需求就可能越大。

这意味着，欧洲制造业即使利用人工智能提高了效率，也未必能把全部收益留在自己手里。

举个简单的例子，一家欧洲工厂引进人工智能系统，确实可以提高生产效率、减少人工操作。

但如果底层模型、云平台和关键服务都由外国公司提供，那么工厂就需要持续支付费用。

如果平台调整价格，或者技术升级的方向发生变化，欧洲企业也只能跟着适应。

我认为，这才是欧洲科技企业最不愿意看到的局面。

他们并不是反对使用外国技术，而是不希望欧洲永远只能做技术的使用者。

DeepL首席执行官库蒂洛夫斯基也强调，欧洲应该掌握人工智能价值链中的关键环节。

他关注的一个问题是，过去软件开发需要大量工程师参与，资金可以用于培养本土技术团队。

现在人工智能正在改变软件开发方式，企业购买模型服务的支出可能增加，资金流向也随之发生变化。

如果欧洲没有自己的基础模型，未来创造出来的一部分技术价值，就可能继续流向海外。

当然这并不意味着，欧洲必须把所有技术都自己制造出来。

全球科技产业本来就离不开国际合作，使用成熟的外部技术，也可以帮助企业降低成本。

但要注意的是，合作和依赖不是一回事。

在我看来，欧洲真正需要警惕的，是把眼前的成本优势看得太重，却忽略了长期竞争力。

如果一个产业的关键环节始终掌握在别人手里，

那么即使暂时赚到了钱，也很难真正掌握主动权。

不过话说回来，欧洲企业的担忧虽然有道理，毕竟现实困难也摆在那里。

想保住技术自主权，就必须拿出真金白银。

可当中美已经跑在前面，欧洲还有没有足够的时间和资源追赶？

欧洲还能追上中美吗？

面对现在的困境，欧洲并非没有尝试。

欧盟委员会已经启动人工智能超级工厂相关计划，

准备推动建设最多7座大型算力设施，相关投资规划约为300亿欧元。

这些设施如果顺利推进，可以为欧洲企业和研究机构提供更强的计算能力，

也能为开发先进模型创造条件。

从这个角度看，欧洲并没有彻底放弃自主研发。

只是内部对于应该投入多少资源、把钱花在哪里，仍然存在明显分歧。

问题在于，建设算力设施并不是花钱就能立刻见效。

大型项目需要经历规划、遴选、采购、建设和调试。

即使资金到位，也需要解决能源供应、技术人才和后续运营等问题。

与此同时，人工智能行业的竞争节奏非常快。

模型不断升级，算力需求持续增加，企业之间的差距也可能在短时间内拉大。

如果欧洲的项目推进速度跟不上技术变化，

那么等设施真正投入使用时，原本的技术目标可能已经发生变化。

此外，欧洲还有一个容易被忽视的问题：

即使建好了算力设施，也不代表企业就能立即用好人工智能。

欧盟统计局公布的2025年数据显示，在雇员达到10人及以上的企业中，使用人工智能的比例约为20%。

而欧盟希望到2030年，可以把这一比例提高到75%。

这个差距说明，欧洲面临的挑战不只是研发最先进的模型，

还包括如何让人工智能真正进入企业生产和日常经营。

大型企业和中小企业之间的差距尤其明显。

相关数据显示，大型企业的人工智能使用率约为55%，中小企业只有19%。

这意味着，即使欧洲掌握了更先进的技术，

也还需要解决企业成本、技术人员不足和实际应用能力等问题。

在我看来，欧洲最尴尬的地方就在这里。

一方面，欧洲拥有成熟的制造业、科研机构和工业人才。

另一方面，它又必须面对数字产业基础相对薄弱、算力投入不足以及技术商业化速度不够快等难题。

这不是简单地多投入几百亿欧元就能解决的。

欧洲需要在基础模型、算力设施和产业应用之间找到平衡。

只重视底层研发，可能让企业短期内承担过高成本。

而只顾着使用现成技术，又可能让欧洲逐渐失去自主发展的能力。

至于中国和美国，欧洲也不能只盯着谁的模型更先进。

真正决定竞争力的，还有技术能不能快速落地，企业能不能持续投入，以及整个产业能不能形成良性循环。

我认为欧洲现在最需要做的，不是急着宣布自己已经追不上中美，也不是为了面子而不计成本地投入。

而是先把能够掌握的关键技术抓在自己手里，同时利用自身制造业优势扩大人工智能的应用。

毕竟欧洲曾经拥有深厚的工业基础，也不缺优秀的科研人才。

然而真正的问题，是能不能把这些优势转化为数字时代的竞争力。

冯德莱恩希望欧洲从人工智能应用中获利，

企业负责人则担心放弃核心技术会让欧洲付出更大代价。

双方争论的表面是研发路线，背后其实是对欧洲未来的不同判断。

说到底欧洲可以不争每一项技术的第一，但如果连关键技术都不愿意掌握。

那么等到人工智能真正改变全球产业格局时，欧洲还能拿什么决定自己的位置？