AI牌桌上只有中美，其余190国在干嘛

你有没有过这种感觉：刷AI新闻，每天看到的都是OpenAI发了新模型、Google出了新功能、Anthropic融了几十亿。偶尔穿插一条DeepSeek又整活了、阿里的Qwen又更新了。

全是美国公司和中国公司。

世界上有190多个国家。AI这么重要的事，其他国家在干嘛？不着急吗？做不了吗？

答案是：上不了牌桌。

三道门槛，筛掉了190个国家

AI大模型这局游戏，进场有三道硬门槛。不是比谁聪明，是比谁家里有矿。

第一道：芯片。

训练一个前沿大模型，需要几万张高端GPU。目前全球最先进的AI芯片，几乎全由一家加州公司设计：Nvidia（英伟达）。制造在台积电，工厂在中国台湾。

而且不光是GPU本身。高端数据中心AI GPU通常离不开HBM（高带宽内存）；没有足够HBM，性能会被内存带宽卡住。

HBM这个市场，比GPU还要集中。全球57%的份额握在一家韩国公司手里：SK海力士。就在5月27日，海力士市值突破1万亿美元，16个月前它还不到1000亿。Nvidia最新一代Vera Rubin平台的HBM4订单，海力士一家拿了七成。2026年全年产能已经卖完了，短缺预计持续到2027年。

换句话说，全球AI的算力命脉，设计在美国（Nvidia），制造在中国台湾（台积电），记忆体在韩国（海力士）。三家公司的供应链，没有一个环节是"很多国家都能做"的。

美国通过出口管制决定谁能买到高端GPU。2022年拜登政府收紧管制后，中国连Nvidia的顶级芯片都拿不到了，只能用降级版。连中国都被卡着脖子，其他国家就更不用想了。

没有芯片，模型训练就是纸上谈兵。没有HBM，芯片自己也跑不动。

第二道：电力。

几万张GPU一起跑，耗电量相当于一座小型城镇。训练一次GPT-5级别的模型，电费账单按百万美元算。

美国四大云厂商的AI基建投入正在向数千亿美元级别扩张，外部机构对2026年的合计预估已接近6500亿美元。阿里巴巴三年AI投资计划是530亿美元，已经是中国的顶级玩家了。微软一家一年就花了800亿。

大部分国家的电网，根本没有多余的容量去接一个千卡集群，更不用说吉瓦级数据中心。

第三道：数据。

大模型是拿海量数据喂出来的。中美在英文/中文语料、平台数据、企业数据和应用闭环上优势明显；印度等国家也有海量用户，但语言和平台结构更碎片化。

三道门槛叠在一起：芯片卡供应，电力卡基建，数据卡规模。三层筛下来，190个国家被挡在基础大模型的牌桌外面。拼的不是谁更努力，是物理限制。

那其他国家在干嘛？

上不了大模型的牌桌，不等于举手投降。每条赛道的选择，其实很能看出一个国家的底牌。

欧盟：做规矩。

欧盟选了完全不同的路：不追基础模型，追监管标准。

2024年通过的《AI Act》是全球第一部全面AI监管法律。当美国公司在拼命发模型、中国公司在拼命铺开源的时候，欧盟在定规则。

规则这东西，先发优势极大。谁先定标准，谁就决定了什么是安全的AI、什么是合规的AI。以后所有想进欧洲市场的AI公司，都得按欧洲的规矩来。

法国是欧洲最接近"自己做模型"的国家。Mistral AI被称为"欧洲的OpenAI"，估值超过60亿欧元。CEO Arthur Mensch今年在达沃斯说："中国落后美国6个月？这是美国人讲给自己听的童话。"

中东：做基建枢纽。

阿联酋和沙特没有芯片设计能力，也没有十亿用户的数据池。但他们有钱、有地、有能源。

阿联酋自己训练了Falcon大模型，沙特和美国签了AI基础设施合作协议。中东国家的策略很清楚：不做最先进的模型，但做全球AI的基础设施提供方。数据可以存在我们这里，算力可以在我们这里跑。当美国的算力中心和中东的基建枢纽咬合在一起，中东就成了AI供应链上绕不开的一环。

日韩：卡供应链上游。

前面芯片那段已经提到了SK海力士，但这件事值得单独拉出来讲。

韩国现在是全球AI供应链上被低估的狠角色。海力士和三星两家加起来，占了全球HBM市场超过80%的份额。三星电子本月早些时候也突破了1万亿美元市值。韩国成了美国之外，唯一同时拥有两家万亿美元市值公司的国家。

这不叫"做产业AI"，这叫卡脖子。每一张Nvidia GPU出厂时，里面都塞着韩国产的HBM。AI越火，GPU需求越大，韩国就越赚钱。海力士的营业利润率已经到了72%，比苹果还高。韩国KOSPI指数跟着AI行情连创历史新高，三星和SK海力士两家就占了指数一半的权重。

日本的情况更接近"错失阵地但还有底牌"。日本在上世纪80年代曾经统治全球存储芯片市场，后来被韩国和中国台湾反超。如今日本在AI上的定位更务实：ELYZA做了日语特化模型，丰田用AI做产线质检。但真正的战略赌注在半导体材料和设备——东京电子、信越化学这些上游供应商，仍然是全球芯片产业链上不可或缺的一环。

新加坡：做主权AI。

新加坡是最有意思的案例。AI Singapore旗下SEA-LION新版本，从早期Llama路线转向阿里Qwen架构。

一个小国，不用美国的闭源模型，也不用美国的开源模型，选了中国的开源模型。背后的逻辑很简单：主权AI的核心是"我的数据、我的模型、我的规则"。Qwen开源、可自部署、成本低，恰好符合这个需求。

这其实是一种宣言：未来会有越来越多中等国家，不加入任何一方的阵营。哪边的技术更能保证自主权，就用哪边。

印度：做多语言覆盖。

印度有22种官方语言、上百种方言。政府支持本土公司Sarvam AI做多语言模型。印度的判断很清醒：英语AI已经卷成红海了，但22种印度语言的AI几乎空白。这是一个巨大的蓝海，而且刚好是Google和OpenAI都不太愿意投入的领域。

梳理完你会发现，这些国家没有在睡觉。它们搞不起基础大模型，但都在自己最使得上劲的地方发力。

"搞不起基础大模型"和"不搞AI"，是两回事。

芯片厂只有三个地方能造，但AI的应用场景遍布全世界。谁能把AI在自己的场景里用得最深，谁就有机会在第二波浪潮里跑到前面。