2026年7月中旬，东京的气温已经逼近盛夏高点。英伟达首席执行官黄仁勋仍穿着那件标志性的黑色皮衣，出现在日本政府主办的人工智能活动上。与他一同到场的，有日本产业大臣，也有发那科、安川电机等机器人和制造企业负责人。

活动期间，英伟达宣布与日本机器人企业推进人工智能合作。另一边，日本政府支持、索尼参与投资的Noetra宣布，计划采购2.75万颗英伟达Rubin芯片，建设面向机器人和“物理AI”的国家级计算基础设施。

项目计划于2027年4月开工，2028年6月投入运行。它目前仍是一项尚未建成的工程，而不是已经具备产能的系统，但采购规模足以表明日本试图把人工智能重新嵌入自己的工业体系。

这幅画面包含了主权AI时代最难回避的矛盾：日本希望重新掌握未来工业系统的智能，却必须从一家美国企业购买最关键的芯片和软件生态。

黄仁勋在东京说，日本缺少的下一项技术叫作“物理AI”；六周前，日本数字大臣则使用了更加尖锐的措辞——如果无法跟上人工智能的发展，日本可能沦为“AI殖民地”。

这句话并不只是为了保护一家本国模型公司。日本真正担心的是，当汽车、机器人、工厂和基础设施逐渐由模型感知环境、判断状态并执行动作时，制造业最核心的决策层可能长期依赖境外技术。

外国平台控制的将不再只是一个软件入口，还可能是日本的机器如何理解现实世界。

类似的焦虑正在全球扩散。欧洲建设跨国AI工厂，英国用国家资本投资本土人工智能企业，印度把数万颗GPU组织为公共计算平台，韩国把半导体、数据中心和物理AI放进同一项工业战略，沙特与阿联酋则试图用能源、土地和主权资本，换取进入前沿技术体系的速度。

葡萄牙这样的较小国家，也开始训练本国语言模型，希望公共服务、历史和文化知识不必永远通过美国平台来解释。

各国都在谈论主权AI，但它们想保住的，并不是同一种东西。

当软件开始作判断，AI就成为国家基础设施

互联网时代，数字主权主要围绕通信网络、数据中心、操作系统和个人信息展开。生成式AI带来的变化，在于数字系统开始从保存和传输信息，转向解释信息并采取行动。

模型可以判断哪些材料值得呈现，哪些风险需要预警，下一项任务应该交给哪个部门。智能体还可以连接邮件、数据库、支付、办公软件和工业控制系统，直接修改文件、调用资源并推动流程向前运行。

当人工智能进入社会保障、医疗、税务、司法辅助、国防情报、工业控制和能源调度时，它所处的位置已经接近电网、通信和云计算：平时只是后台能力，一旦中断、受限或被外部改变，影响的却可能是整个社会的连续运行。

政府的角色因此发生变化。过去，政府主要负责制定数据法规、资助高校研究和采购商业软件；现在，它开始亲自配置GPU、投资模型企业、协调电力与数据中心，并决定哪些机构能够优先获得算力。

欧盟目前表示，已有19座AI工厂和13个关联接入节点投入运行，为创业公司、中小企业和研究机构提供算力与技术支持。

这里必须区分“已经运行的AI工厂”和仍处于征集、规划阶段的AI超级工厂：前者已经能够接受项目申请，后者仍是欧洲扩大前沿训练能力的下一步设想。

英国的Sovereign AI则更像一家由国家支持的风险投资基金。其规模为5亿英镑，单笔投资可覆盖从早期到成长期的本土企业，并向被投公司提供算力和人才支持。

英国政府公开使用了一个具有政治意味的表述：英国必须成为人工智能的“制造者”，而不能只做技术的接受者。

印度采用了另一种方式。印度政府通过IndiaAI Mission，将超过3.8万颗高端GPU接入统一计算平台，并以每小时65卢比的补贴价格向符合条件的创业公司、研究人员、学生和公共机构开放。

需要注意的是，这些设备主要由14家服务商接入，并非全部由印度政府直接拥有；国家掌握的更多是组织、补贴和分配算力的能力。

这些安排表明，算力正在具有类似公路、电网和科研设施的公共属性。模型能力越重要，政府越难把资源分配完全交给市场：大型科技公司可以提前锁定芯片、电力和数据中心，大学、中小企业和公共部门却可能在竞争开始之前，就失去进入下一代技术体系的资格。

但主权AI不能只用GPU数量衡量。它至少包含四种相互关联的能力：关键系统能否持续运行，数据是否受到明确的法律和权限控制，模型能否被本国机构理解、评估和替换，以及这些投入能否转化为产业与公共服务的实际生产率。

一国可以拥有境内数据中心，却没有独立运维系统的工程团队；可以发布本国模型，却继续依赖外国芯片和云平台；可以建立严格的数据边界，却没有足够算力利用数据；也可以采购大量GPU，却找不到能够长期使用这些设备的企业。

真正的智能底座不是一张采购清单，而是一套从电力、计算、数据一直运行到应用的完整系统。

各国争夺的，是自己最不能失去的环节

日本把重点放在工业现场。它拥有机器人、汽车、传感器、精密设备和长期积累的制造数据，却缺少能够支撑大规模模型训练的本土计算平台。

对日本而言，主权AI的核心并不是在通用聊天排行榜上击败美国公司，而是让本国企业能够训练机器人的视觉、空间和动作模型，使未来工厂的判断能力继续建立在日本产业体系之上。

这也是日本政府愿意为物理AI投入资源的现实背景。路透社2026年5月的一项企业调查显示，约三分之一的日本企业已经使用或正在考虑部署AI机器人，汽车和交通设备企业的积极性尤其高。

日本人口老龄化和劳动力短缺，使机器人不仅是产业竞争工具，也逐渐成为维持生产能力的社会选择。

韩国选择守住供应链位置。三星电子和SK海力士在高带宽内存领域占据关键位置，而HBM是当前AI加速器的重要组成部分。

韩国政府2026年宣布一项超过5760亿美元的半导体和AI投资战略，把半导体、物理AI和数据中心列为“三条轴线”，并计划在首都圈以外建设新的晶圆制造与先进封装集群。

这项计划的大部分金额来自三星和SK海力士未来多年的企业投资承诺，并不等于政府已经一次性投入5760亿美元。

新工厂也尚未形成产能。市场担心的问题包括区域基础设施不足、建设周期过长以及未来存储芯片供给过剩。计划公布后，两家企业股价一度承压，说明资本市场并不认为国家战略规模越大，商业回报就必然越高。

欧洲更看重规则、数据管辖和区域计算能力。单个欧洲国家很难复制美国科技巨头的资本规模，但可以通过共同的超级计算体系，让创业公司、研究机构和工业企业在欧洲法律和基础设施环境中训练、微调和部署模型。

欧洲的弱点同样明显。它没有能够与英伟达竞争的本土AI芯片设计公司，也没有与台积电相当的先进制造能力，云计算市场仍主要由美国企业控制。

2026年推出的技术主权政策强调，在敏感云服务和芯片产业中提高欧洲成分，但欧洲企业和官员同时承认，在GPU、云服务和部分模型上继续依赖国际合作，是短期内无法回避的现实。

葡萄牙则展示了另一种尺度。2026年7月，葡萄牙发布首个开放人工智能基础模型Amalia。项目由大学和研究机构联合开发，获得550万欧元欧盟复苏资金支持，模型和训练数据以开放方式发布，初步应用包括博物馆导览、公共服务、教育和海军决策支持。

550万欧元无法训练一个与全球顶级通用模型全面竞争的系统，但葡萄牙的目标也不是复制OpenAI。它希望确保欧洲葡萄牙语、本国历史和公共制度拥有稳定进入模型的渠道，并为政府、大学和企业保留修改与部署能力。

对小语种国家而言，语言主权并非象征性议题。如果一种语言长期缺少高质量训练数据和评测体系，全球模型在这种语言下就可能表现更差，本地的法律、医学和历史知识也容易被英语语料中的概念替代。

人们表面上仍在使用自己的语言，获取世界的方式却可能逐渐由另一种语言构建的模型决定。

印度想控制的是接入权。它拥有庞大人口、软件人才和大量本地应用需求，最紧迫的问题不是证明自己能够立即训练世界最大的模型，而是避免计算资源只掌握在少数大型企业手中。

公共GPU平台让大学、本土创业公司和地方语言项目获得起步条件，也让国家掌握了一部分算力分配权。

沙特和阿联酋争夺的则是AI时代的新地理位置。它们拥有能源、土地和主权资本，希望把石油时代形成的资源优势转化为计算能力。

沙特公共投资基金支持的Humain获得了一项最高12亿美元的非约束性融资安排，用于建设最多250兆瓦的AI数据中心能力。

所谓“非约束性”，意味着资金和建设仍需满足后续条件，不能等同于项目已经全部融资完成。Humain提出到2034年形成约6吉瓦容量，但这一数字同样属于长期目标，而不是现有产能。

阿联酋规划的AI园区最终容量为5吉瓦，其中Stargate UAE的首期200兆瓦计划在2026年上线。

项目由G42牵头，并得到OpenAI、甲骨文、英伟达、思科和软银等企业参与。现阶段能够相对确定的是首期建设计划，剩余4.8吉瓦的融资、芯片许可和建设时间仍存在不确定性。

中东正在尝试完成一次资源转换：过去把能源装进油轮出口，未来则希望把能源转化为算力，再把算力转化为模型和智能服务。但数据中心本身不会自动生成AI产业。

一座主要运行外国芯片、外国模型并服务外国客户的园区，可能带来投资和电力收入，却未必能够形成真正的本地技术能力。

这些路径放在一起，主权AI的含义开始变得清晰。国家不必在每一层都获得绝对控制，但必须识别自己最不能失去的战略节点：日本是工业数据和机器人，韩国是存储与制造，欧洲是规则和区域基础设施，印度是公共接入，葡萄牙是语言，中东则希望把能源优势转化为全球计算枢纽。

越想摆脱依赖，越要依靠全球供应链

主权AI最深的悖论出现在硬件层。日本的国家项目采购英伟达Rubin，阿联酋的Stargate使用英伟达系统，印度公共平台的大量设备来自国际供应商，欧洲的工业AI云和AI工厂也大量采用美国芯片。韩国虽然掌握HBM，却依赖先进设备、全球芯片设计客户和国际市场。

几乎所有国家都在强调自主，几乎所有大型计划却建立在跨国供应链之上。

英伟达在这场转变中扮演着双重角色。它既是一家芯片供应商，也在积极推广“主权AI”这一理念：语言、知识、文化和产业数据属于国家资产，因此各国应建设自己的AI基础设施。

这个叙事符合各国对外部依赖的担忧，也自然把政府和主权资本的预算引向英伟达的芯片、网络和软件。

各国追求独立的第一步，因此可能是加深对一家全球供应商的依赖。这不是主权AI战略的例外，而是它真实的起点。

使用外国芯片并不等于失去主权。现代航空、能源和通信系统同样建立在国际分工之上，完全自给既不现实，也未必经济。

关键差别在于，一个国家有没有替代供应来源，系统是否支持迁移，关键数据能否带走，本土团队是否能够独立运维，以及主要供应商停止服务时，公共系统能否继续运行。

阿联酋的情况说明，芯片供应已经不只是商业问题。其大型AI项目能否获得美国先进处理器，受到出口许可、安全审查和两国外交关系影响。阿联酋希望通过人工智能扩大自主空间，却也因为对先进芯片的需求，更深地进入美国技术与安全体系。

世界经济论坛与贝恩在2026年的报告中提出“数字使馆”概念：算力和数据不必全部部署在国境之内，也可以放在可信伙伴国家，通过法律地位、技术隔离、访问控制和退出机制保留主权。其核心不是把所有基础设施搬回国内，而是平衡本土控制与可信国际合作。

这种模式尤其适合资本、电力和人才有限的经济体。与其负债建设一座长期低利用率的数据中心，不如通过区域计算中心、开放模型或可信境外部署获得能力，同时保留数据管辖、迁移和退出权。主权的核心不是孤立，而是避免被锁死。

谁出钱，谁获利，谁承担代价

主权AI通常以国家安全、产业竞争和公共利益的名义启动，但它同样是一场巨大的资本重新分配。

公共资金、主权基金、低价土地、电力补贴和税收优惠，被投入数据中心、芯片、云计算和模型企业。

直接受益者往往包括英伟达等芯片供应商、云计算公司、工程承包商、电力设备企业和数据中心运营商。国家获得的，则是未来产业位置、就业、税收和系统控制能力的承诺。

问题在于，投入和回报发生在不同时间，也落在不同主体身上。芯片供应商在设备交付时便确认收入，建设公司在施工阶段获得订单，国家和纳税人却可能需要等待数年，才能知道项目是否形成产业能力。

英国的5亿英镑基金直接投资本土公司，至少使政府有机会通过股权分享企业成长收益；印度采用补贴算力模式，把财政支出分散给更广泛的创业者和研究机构；中东的吉瓦级园区则需要长期能源、土地和基础设施承诺，其最终价值取决于本地是否能够获得模型、软件、人才和客户关系，而不仅是机房租金。

另一端的成本往往由地方社会承担。数据中心可能增加电网投资需求、推高部分地区电力价格，占用土地和水资源，却只在建设期创造大量岗位，运营后需要的长期员工相对有限。

哪些成本由运营商承担，哪些通过电价、税收和公共基础设施转移给居民，是主权AI计划中容易被宏大叙事遮蔽的问题。

2026年7月，纽约州对功率达到50兆瓦以上的大型数据中心实施一年暂停，成为美国首个出台此类州级措施的地区。

政府给出的理由包括电价、用水、土地和社区负担。荷兰、爱尔兰和澳大利亚等地也在通过限制电网接入、提高能源条件或建立专门监管机制，重新审查数据中心扩张。

这场争论提醒各国：国家安全不能成为一张空白支票。政府需要回答的不仅是建设多少算力，还包括谁获得长期收益，谁承担环境与财政成本，以及项目失败后由谁负责。

真正的分界线，是能否把算力变成生产率

建设数据中心是最容易被看见的部分。一排服务器机柜、一个醒目的GPU数字和一张政府官员与科技公司负责人的合影，可以迅速制造国家进入AI时代的印象。

困难的工作发生在发布会之后：哪些企业会持续使用这些资源，数据如何进入模型，人才从哪里来，应用能否产生收入，系统是否可以在没有外国专家长期驻场的情况下稳定运行。

日本拥有机器人和制造现场，韩国拥有半导体产业链，印度拥有软件人才和庞大本地需求，欧洲拥有工业企业、科研体系和统一市场。

这些已有能力，使算力更容易找到产业出口。中东拥有更加充足的能源和资本，却需要更长时间建立本地研发人才、软件企业和应用市场。

主权AI是否成功，不能只看采购数量。更有意义的检验，是计算资源的实际利用率有多高，关键系统是否只依赖一家供应商，更换云平台或模型需要多长时间，公共投入中有多少转化为本地软件、人才与企业收入，以及这些系统是否真正改善了制造、医疗、教育和公共服务。

还要检验最坏情况：如果芯片断供、模型涨价、云平台退出或国际关系发生变化，关键系统能够维持多久；出现模型错误、数据滥用和行政误判时，谁有能力解释、纠正并承担责任。

这些指标比GPU数量更难发布，却更接近主权本身。能源和水资源正在成为最硬的约束。

联合国大学研究人员预计，全球数据中心年用电量到2030年可能增至945太瓦时，约为2025年的两倍；水消耗可能达到9.3万亿升，AI可能占数据中心电力使用量的40%。

这些是基于建设速度和技术效率作出的预测，并非确定结果，但它们足以说明，人工智能不是悬浮在云端的软件，而是由电网、冷却、土地、水和芯片组成的重工业。

一座长期空转的AI工厂不会产生主权，只会产生折旧、电费和维护成本。

不是每个国家都需要训练自己的前沿模型

主权AI正在成为一种极具吸引力的政治叙事。没有政府愿意承认自己可能在下一次工业革命中成为被动使用者，于是国家模型、主权云和AI工厂不断出现。

但并非每个国家都需要从头训练一个全球通用的前沿模型。

对于人口较少、财政有限、能源紧张或语言与邻国相通的国家，采用开放模型进行本地适配，建设可靠的数据治理、评测体系和行业应用，可能比追逐最大参数规模更有效。

葡萄牙的Amalia说明，一个国家不必复制OpenAI的全部能力，也可以通过开放模型确保本国语言和公共知识拥有位置。

国家模型也不天然比外国模型更安全。它可能能力落后、成本更高、缺少持续更新，也可能因为受到行政保护而失去竞争压力。公共部门若被要求使用表现明显较差的本地系统，社会最终支付的可能是更低的服务质量和更高的长期成本。

“主权”还可能成为扩大数据收集和行政权力的理由。日本数字大臣提出“AI殖民地”警告时，正在为修改个人信息保护规则辩护。

相关法案试图允许医疗记录、犯罪记录等敏感数据在部分情况下未经个人同意用于模型训练，由此引发隐私和数据泄露争议。国家希望提高本土模型能力，个人却可能因此失去对自身信息的控制。

国家控制不等于公民控制。真正有效的主权AI必须同时回答两个问题：一个国家能否摆脱对外部平台的单一依赖，公民又能否避免被本国平台和行政系统无条件支配。

政府应当拥有维持关键系统的能力，却不能以国家竞争为理由无限扩张数据权力；本国模型应当获得成长机会，却仍需要接受能力、成本和安全性的公开比较；企业可以获得政策支持，但不能把主权变成排斥竞争和保护低效投资的工具。

这场竞争的终点不应是数百个彼此隔绝的国家AI网络。全球芯片、开放模型、科研合作和跨境云计算仍会把世界连接在一起。更可行的结构，是各国根据自己的语言、产业、安全和公共服务需求选择控制点，在关键系统中保留自主，在一般商业服务中继续使用全球最有效的技术。

主权的本质，是关键时刻仍有第二条路

东京活动结束时，日本官员坐在黄仁勋身旁，宣布建设自己的人工智能基础设施；不远处，一份数万颗美国芯片的采购计划正在展开。

这并不是主权AI的失败，而是它最真实的起点。任何国家都无法脱离世界建设智能，问题在于，它是否会在使用全球最好技术的同时，把数据、人才、系统理解和替代路径全部交出去。

日本要保护工业现场的判断权，韩国要避免停留在供应链中游，欧洲要把规则与计算能力结合，印度要扩大普通创新者获得算力的机会，葡萄牙要让自己的语言不在模型世界中消失，中东则试图把能源优势转换成下一代经济位置。

这些道路没有一条能够带来彻底独立，也没有一条注定成功。它们共同说明，人工智能已经不再只是企业之间的技术竞争，而正在成为国家组织能源、资本、数据、人才和产业的一种新方式。

衡量一项主权AI计划，最终不应只看一国拥有多少GPU、宣布多少亿美元投资，也不应只看模型排行榜。

更重要的是，关键数据能否被保护和带走，系统能否在不同供应商之间迁移，本国机构是否理解机器为何作出判断，公民能否纠正错误并追究责任，以及外部条件改变时，最重要的服务能否继续运行。

过去，一个国家的现代化能力，体现在能否建设铁路、电网、港口和通信网络。今天，新的基础设施隐藏在数据中心、模型和智能体之中，却同样决定社会如何生产、治理和理解世界。

主权AI真正争夺的，并不是每面国旗下都必须出现一家OpenAI。它争夺的是，当智能逐渐成为社会运行的一部分，一个国家仍然能够决定把什么交给机器、把什么留在自己手中；仍然能够借用世界上最好的技术，却不因此失去离开的能力。

只有到了那一刻，智能才不只是在这个国家运行，也开始真正属于这个国家。

作者雁明：前资深媒体人，AI产业变局的长期观察者，投资人。

原创不易，给个鼓励，感谢点赞！