AI 如何讓歐洲持續被美國雲端綁住
這個三篇系列是與 AI Now Institute 合作刊出。
Better Images of AI / CC-BY 4.0
在本系列上一篇中，我們談到在應用層運作的歐洲 AI 新創，以及為什麼押注某些版本的應用型 AI，可能會進一步鞏固歐洲對少數美國公司的依賴。
和瑞典 vibe-coding（氛圍式寫程式）公司 Lovable 這類新創相比，最明顯的反例是德國的 DeepL。這家公司於 2017 年推出，在瑞典一座使用再生能源的資料中心開發自有的專有模型，並且刻意依賴取得高品質資料，而不是去追趕 Google 多年爬取網頁所累積的訓練資料規模。DeepL 不只是歐洲 AI 成功案例；它在準確度評估中勝過 Google 翻譯。同時，DeepL 也把遵循 GDPR，以及在德國和冰島的自有伺服器上處理客戶資料，作為其對外敘事的核心，並成為吸引重視隱私與主權使用者的主要賣點。
這一點一直成立，直到 2026 年 4 月，這家總部位於科隆的公司通知付費客戶，它將與 Amazon Web Services（AWS）建立合作關係，並且不再只在自有伺服器上處理資料。外界公開認為，這項宣布是一個刻意做出的決定，而且至少隱含著背叛公司對歐洲承諾的意味。
從策略角度來看，這可能令人困惑：DeepL 這樣一家把主權作為主要賣點的公司，為什麼最後會與 AWS，也就是（外界認為的）三大 Big Tech 巨頭之一合作？
在本文中，我們將說明，為什麼歐洲的 AI 主權，與其既有對三家美國雲端供應商 Amazon、Microsoft 和 Google 的依賴，有著錯綜複雜的關係。
因此，歐洲每一次試圖靠建設擺脫困境，都有風險加深它原本想治癒的依賴。它推高了 AI 的需求，尤其是前沿 AI 的需求，也就推高了對專有模型的需求，而這些模型通常和主導市場的雲端服務供應商綁在一起。它建造巨型工廠，訓練出的模型最後卻跑在超大規模雲端業者的基礎設施上。即使歐洲建置自己的推論算力，也有可能變成在補貼那些領先的美國 AI 公司所需的容量，因為只有這些客戶的規模大到足以填滿它。
超大規模雲端業者掌握通路
和輿論看法相反，DeepL 的決定可以從一個高度集中的全球 AI 技術堆疊所呈現的殘酷結構現實來理解：DeepL 的企業客戶（想想跨國企業）希望在各地都能使用同樣的服務。AWS 全球營運，能提供低延遲、即時的效能，這是歐洲雲端服務供應商無法匹敵的。尤其當這家公司正轉向即時語音翻譯時，要從瑞典南部的一座資料中心向全球提供 AI 模型服務，已經變得不可行。對一家有企圖心、且已安排今年 IPO 的公司來說，在一個歷史性緊繃的市場中，為了自建資料中心而讓資產負債表背上債務，很可能會遭遇阻力。最後，考量到它在商業上需要與 Google Translate 無所不在的存在感競爭，取得 AWS 的終端使用者市場與分發通路，很可能是推動這項決定的原因：一旦 DeepL 上架 AWS Marketplace，企業就能透過可信任的採購平台，直接在既有的 AWS 基礎設施中取得、部署並管理 DeepL。
所有這些因素都指向全球運算基礎設施無所不在的壟斷力量，是它們把歐洲公司拉進自己的軌道，而不是這些公司對歐洲的承諾。
訓練是一次性的，推論卻是永久的
自 2025 年以來，歐洲的 AI 產業戰略一直圍繞著擴張歐洲訓練前沿模型的能力：也就是集中式、達到前沿規模的訓練能力，用來訓練、後訓練並評估最複雜的模型。這需要高度專門化的運算基礎設施，並配備（通常是 Nvidia 的）最新 AI 晶片。這種框架在政治上很方便，因為它可以動員既有的公共高效能運算叢集（EuroHPC），並將其轉向 AI 競賽。近期的 AI Factories 與 Gigafactories，正是這些倡議的後續產物，如今則因新浮現的資金缺口、難以掌握的需求，以及治理上的困難而面臨逆風。
但即使這些問題都解決了，一個更嚴重的問題仍然逼近：AI 的廣泛採用，不會自動帶來對一次性巨型訓練的需求。它帶來的是服務推論的需求：在個別使用者請求抵達時，逐一回應這些請求，並維持低延遲與高可用性；就像使用者在聊天機器人中輸入文字，並期待立刻得到回答一樣。推論同樣需要高容量的 GPU（雖然不一定要最新款），但它和訓練是根本不同型態的基礎設施。它是分散式、有彈性、靠近使用者的，而不是集中式且高度互連的。這導致了我們在其他地方稱為 「交接盲點」（handover blindness） 的現象，也就是一種只盯著公共運算叢集上進行的訓練流程，卻忽略這些模型最終將在其中運作並產生價值的私人運算生態系的傾向。
為什麼 AI 產品的主流需求會讓超大規模雲端業者受益
現在，歐洲政策制定者面對的明顯問題是：如何確保模型在歐洲的雲端基礎設施上運行。有三個原因可以解釋，為什麼即使 AI 推論需求龐大，也不代表這些需求（目前）能讓歐洲供應商受益。
超大規模雲端基礎設施上的專有模型
對政策受眾來說，值得再次強調的是，AI 模型有兩種類型，而這個差異決定了誰能夠運行它們。開放權重模型（open-weight model）是由開發者發布模型本身供人下載，因此任何人（也就是新創公司、大學、歐洲雲端服務商）都可以在自己的基礎設施上運行一份副本。阿里巴巴的 Qwen、Meta 的 Llama，以及法國的 Mistral 都是開放權重模型。能力最強的模型仍然是專有模型：Anthropic 的 Claude、OpenAI 的 GPT、Google 的 Gemini；即使 DeepSeek 和 Qwen 這類開放權重模型已經追上前沿梯隊。
專有模型業者會透過它們在資本與算力上所依賴的雲端供應商來發布模型，也就是 Amazon AWS、Microsoft Azure 和 Google Cloud，這在很大程度上繞過了歐洲供應商。舉例來說，SAP 為德國推出的「主權型」OpenAI 也是運行在 Microsoft 的 Azure 雲端上。這也源於 AWS、Microsoft 和 Google Cloud 與最大的 AI 實驗室達成了循環式支出合作，讓它們取得折扣後的運算成本（交換條件則是保證的高額支出或股權）。在高度集中的 AI 市場中，多數需求都指向專有 AI 模型；因此，AI 採用越多，就代表對運行在超大規模基礎設施上的模型需求越高。這形成了一個回饋循環：從模型運行中取得的資金與資料，可以用來訓練下一代模型。
歐盟雲端的雞生蛋、蛋生雞問題
這一切讓歐洲雲端服務商陷入兩難。由於它們無法提供專有的前沿模型，只能轉而服務開放權重模型。然而，最大的開放權重模型運行成本非常高，因為供應商必須為這項工作負載專門保留特殊 GPU。歐洲主要雲端服務商已經開始提供大型開放權重 AI 模型，但多半是較舊或壓縮後的版本，通常也不是最新版本。最明顯的例子是 IONOS，其最大的模型 Llama 3.1 405B，上一次領先業界已經是 2024 年中。Scaleway 走得最前，提供了一個在 2025 年底接近前沿水準的模型。整體來看，2026 年真正位於尖端的開放模型，仍大多無法取得。（以發布當時為準；這些目錄變動很快。）
我們的內容送到你的信箱。
謝謝！
超大規模雲端服務商（hyperscalers）AWS、Google 和 Microsoft 早已擁有自己的 GPU 機群；這些 GPU 原本就是為了訓練與執行其專有模型而採購，服務對象則是他們龐大、既有且已被鎖定的客戶群。因此，他們建置推論容量的風險很低。最壞的情況下，公司也可以把這些算力用來滿足內部需求。歐洲競爭者則必須從零開始建置機群，並承擔在需求到來前設備閒置的風險。
這就是先有雞還是先有蛋的問題，也解釋了為什麼每一家提供 AI 服務的歐洲雲端供應商，都把重點放在較小型與中型的開放權重（open-weight）模型上。這個選擇受到兩端限制：必須是開放權重，因為最前沿的專有模型根本不會開放給別人託管在自家以外的基礎設施上；也必須較小，因為這類模型的記憶體占用小得多，可以用較少的 GPU，以及其他推論所需的專用晶片來提供服務。這一切都在縮小你必須在需求成形前押注建置的機群規模。但同時，缺乏具競爭力的模型也被視為一個問題。
沒有開放權重需求，歐洲就沒有前沿模型服務
目前根本還沒有足以合理化大規模提供前沿模型服務所需投資的需求。這也解釋了為什麼那些旨在擴大推論用（公共）算力的歐洲倡議，最後都會與大型 AI 公司合作，讓它們成為錨定客戶。正如 Leevi 和 Boxi 在談到義大利 Apto 資料中心時所寫，這是歐洲投資基金（EIF）目前基礎設施投資組合中唯一的資料中心投資
世界不需要另一份聯合國 AI 宣言；需要的是架構。
位於萬國宮內的聯合國日內瓦辦事處。Shutterstock
下個月，在日內瓦某處，會有一位外交官宣告人工智慧必須造福全人類。這句話很容易說出口，也幾乎不可能有人反對。更困難的問題，也是將定義聯合國首次全球 AI 治理對話的問題是：這一次，漂亮話是否能催生足以支撐它們的架構；而這套架構不只由強權打造，也建立在全球多數人的知識、參與與能動性之上。
各國政府、公民社會、研究者、私人企業與技術專家將齊聚一堂，討論我們這個時代最關鍵的一些議題。時間點之所以關鍵，是因為包含 AI 在內的前沿科技，已不再只是抽象的科技政策問題。它正在重塑勞動市場、公共服務、教育、資訊生態系，以及亞洲各地不同社群中人們的能動性與認知能力。
目前形塑 AI 治理的機構，仍集中在少數富裕國家、強勢企業與資源充足的研究環境之中。對亞洲與太平洋許多國家而言，AI 系統到來的速度，快過理解、評估或挑戰它們所需的法規、技術與公民基礎設施；也遠早於社群建立足以承受已經成形之危害的韌性。當我們區域內的政策制定者只是努力跟上外國 AI 技術的腳步時，關於災難性與存在性風險的討論，幾乎還沒有真正推進。
這正是聯合國對話對人類仍然關鍵的原因。聯合國是唯一一個每個會員國都擁有平等席次的論壇，也是公民社會、受影響社群與技術專家能夠推動治理的場域，讓治理不只是反映主導市場、強勢政府與富裕私人利益的優先事項。
- 投資前沿模型訓練所需算力與歐洲模型開發商，就會自動降低對主導市場企業的依賴；
- 歐洲 AI 公司可以有意識地選擇避開美國超大型雲端業者；
- 也許最重要的是，雲端是一種通用產能，因此也存在通用的需求與供給。
最後這項假設尤其是歐洲最新立法提案《雲端與 AI 發展法案》（Cloud and AI Development Act, CADA）中的巨大漏洞。該法案目標是讓歐洲的雲端容量增加到三倍，同時確保公共部門需求中有一小部分流向歐洲供應商。但這忽略了不同雲端服務背後有不同的供給與需求邏輯。歐洲雲端供應商之間差異很大：例如德國的 Hetzner 在價格上非常有競爭力，擁有強大的開發者社群，也提供專用 GPU 伺服器，但並未提供具備模型預建 API 的「AI 即服務」（AI-as-a-Service, AIaaS）平台。法國的 Scaleway 則確實營運一套託管推論／模型即服務層，而不只是出租 GPU；但它仍缺乏 AWS 的全球規模與通路。
就連它的指標客戶 Mistral，如今也在 Nvidia 支援下建置自己的基礎設施，而不是在 Scaleway 上擴大規模。另一方面，Schwarz Group 的數位部門 Schwarz Digits，也就是 Lidl 背後這家零售集團的數位事業，則想成為歐洲的超大型雲端業者。
需求也不只是原始算力與儲存空間，而是與它們綁在一起的更高階服務：託管服務，以及周邊生態系與工具鏈。雲端服務的需求也越來越包含對專有 AI 模型的需求。而且，這許多所謂的「需求」與其說是可替換的消費選擇，不如說是契約鎖定與其他做法造成的結果；這些做法目前正受到調查與競爭主管機關關注。因此，即使在互通性條件完美的情況下，轉換服務也不一定總是可行。
歐洲接下來令人不安的選擇
正如我們從 DeepL 選擇與 AWS 合作所引發的反應中看到的，人們往往會把結構性的牽引誤讀為道德選擇。沒有任何歐洲供應商能提供 DeepL 所需要的東西。但我們不應因此得出 AWS 只是提供了更好產品的結論。透過控制通路與需求（並鎖定既有消費者），超大規模雲端業者（hyperscalers）就能形塑下游參與者的策略。
歐洲對三家美國雲端供應商的依賴，如今在歐盟政策辯論中已被廣泛理解；歐洲在取得大規模 AI 模型方面，仰賴少數美國公司的情況也是如此。
但人們仍遠遠不夠理解的是，雲端集中與 AI 依賴之間如何相互關聯：透過推升對 AI 的一般性需求（尤其是前沿 AI），歐洲可能反而推升對專有模型的需求，而這些模型又與主導市場的雲端供應商綁在一起。透過建造 gigafactories，歐洲可能訓練出最終仍在超大規模雲端業者基礎設施上運行的模型。即使是為推論打造歐洲自己的算力，歐洲也可能是在補貼領先美國實驗室所需的基礎設施，因為只有這些客戶有足夠需求能把它填滿。
AI 主權並不是獨立於歐洲一直未能正視的既有雲端市場動態之外。兩者之間有著錯綜複雜的連結，不是單純分別拉高供給與需求就能解決的。
情況並非全然悲觀，但 AI 市場的現實確實讓政策制定者面臨一些不舒服的選擇。我們會在本系列下一篇文章中討論這些問題。