专访世界经济论坛人工智能专家：全球最终或仅剩10个基础模型，AI碎片化不等于被孤立

来源：市场资讯

（来源：第一财经资讯）

今年以来，随着美国政府接连收紧OpenAI、Anthropic等公司最新一代AI模型的海外准入，欧盟、英国和加拿大等美国传统盟友也开始考虑推进自己的AI主权建设。

AI的世界究竟会走向彼此隔绝的孤岛，还是仍能维系某种形式的协作？基础模型的竞赛是否已经见顶，真正的胜负又将在哪里决出？

世界经济论坛人工智能卓越中心（CAIE）人工智能应用与影响力负责人巴索（Maria Basso）在接受第一财经记者专访时表示，“碎片化”并不等同于“孤立”，没有任何一个国家能够独立掌控整条AI价值链。她认为，未来全球AI的竞争范式将不再是全产业链的盲目跟风，而取决于各经济体能否精准投资于自身独特的“锋芒”赛道，并在彼此间建立起一种理性的“战略相互依存”关系。

她还预测，未来全球或许最终只会留下10个左右的基础模型。她认为，这也意味着，对一些经济体而言，与其耗费巨资重复打造一个随时可能过时的模型，不如先想清楚自己在整条AI价值链上真正的优势所在。

“全球最终只会剩下10个基础模型”

第一财经：随着各方加速扶持本土AI领军企业，全球技术阵营的边界日益清晰。从地缘经济角度看，未来的AI生态系统究竟会走向不可逆转的碎片化，还是存在标准与技术融合的可能？如何展望五年后的全球AI地缘格局？

巴索：当前全球生态系统确实在走向碎片化，这一定程度上是合理的，因为生态系统反映了不同国家在竞争力、社会和安全问题上持有的不同价值观。不同地理区域把各自的价值观嵌入系统，导致碎片化，这本身符合逻辑。但“碎片化”和“孤立”有本质区别。

如果看AI领域的投资数据：从2010年至今，全球在AI上的投入已达6000亿美元；未来几年预计每年仍有约4000亿美元投入。这是任何一个国家都难以独自承担的资金量。所以最关键的不是在系统层面实现绝对融合，而是不同国家之间能否建立起正确的“战略相互依存”——每个人都在构建自己的系统和逻辑，但依然拥有共通的标准和连接，保障投资流、数据流、人才流的畅通。世界必须这样建设，才能从AI中获益最大。

第一财经：回溯科技史，半导体与电信等传统硬科技行业都曾经历过类似的国际分工与标准分化。AI领域的演进会接近哪种形式？如果分化不可避免，它将率先暴露在底层算力、模型架构，还是监管合规的规则层面？

巴索：我们已经看到了合作的必要性，因为没有任何国家能实现完全的“AI主权”，即独立掌控整条AI价值链——这条链太庞大、太分散了。世界经济论坛正在推进的一个具体方向是“数字使馆”（Digital Embassy）概念：在其他国家设立实体，但这些实体依然遵循其所服务国家的主权法规。

我们目前正在制定相关框架，已发布了第一版关于如何促进国家间数据流动与协作的草案。当前最大的障碍是法律问题，但已经有国家在调整，比如印度近期修改了相关法规以促成这类交流。如果各国真想保持竞争力，这是唯一的出路——单打独斗无法在AI时代具备竞争力。

第一财经：在备受关注的基础模型（Foundation Model）赛道，开源模式的普及与算力成本的可及性正在发生变化。这是否意味着先行者与后发者之间的技术代差将逐渐被摊平，还是说核心壁垒会导致强者恒强的马太效应持续放大？

巴索：我认为很多国家在基础模型上投入了过多关注。不是每个国家都需要靠自建基础模型来获得竞争力，这种执念有时反而让人忽略了“如何真正切入并获得竞争力”这个核心问题。

往未来看，模型层本身正趋于稳定，也许全球最终只会剩下10个基础模型左右。美国和中国已经构建了非常出色的基础模型；对欧洲这样的地区来说，耗费巨资再造一个可能几年内就过时的基础模型，未必是最佳的投资策略。也许更好的资金投向，是去想清楚自己在整条AI价值链上的真正优势在哪里。

第一财经：是否可以理解为，基础模型层的技术红利正步入边际效益递减的平台期，全球AI的下一轮突破将更可能发生在应用层？

巴索：是的。AI技术仍在持续演进，但大型语言模型本身目前已经非常强大。我们看到AI Agent、具身智能（Physical AI）以及世界模型（World Models）等领域仍在演进，但就现有AI技术而言，它已经足够成熟。在各行各业以及政府治理中都留有极大的应用落地空间。

治理与监管

第一财经：算力资源、高端人才与海量资本目前呈现出高度向极少数跨国巨头及高收入经济体集中的趋势。面对日益拉大的全球“数字鸿沟”，国际社会应如何通过机制创新，防止技术垄断损害全球发展的公平性？

巴索：这又回到了之前的讨论：不是每个人都能拥有一切，这没关系，但你需要投资于自己独特的“锋芒”（Spikes）。这对企业和国家同样适用。

作为国家，你不需要拥有每一个环节，也不需要在每个领域都拔得头筹。比如美国把大量焦点放在基础模型上，因此大力投资数据中心；中国把大量焦点放在应用层，这正是中国企业擅长的；欧洲的焦点更多集中在治理和监管上；还有一些国家，比如摩洛哥，孕育了令人惊叹的顶尖技术人才。核心在于认清“我在这个生态系统中应该扮演什么角色，以及我如何通过这个特定定位去赢”。

第一财经：在AI治理的实际落地中，当AI系统引发重大系统性风险时，谁该来负责，是政府、还是技术供应方，还是直接面向应用落地的部署企业？

巴索：我认为这个责任是共同分担的，这也是为什么很难建立起一个绝对清晰的流程。提供最终落地应用的组织在嵌入治理机制时需要承担一部分责任；提供底层核心技术的公司同样责无旁贷，他们在其中有切身利益；政府需要确保事物受到有效监督，同时政府自身也是AI的使用者，需要对自己如何使用AI负责。这是一个极其复杂的系统性议题，需要整个生态系统共同面对。

第一财经：短期内，全球AI产业链最紧迫的安全或信任盲区是什么，是技术本身吗？

巴索：我不认为问题出在技术本身，AI技术一直在演进，能力也很强。问题在于这项技术是如何被训练、如何被使用的，以及人类在其中扮演什么角色——这更像是一个“授权”的问题：人类应该在哪些环节介入？

在很多已经引入物理AI（不仅是机器人，还包括嵌入传感器、进入物理世界的AI）的企业中，并非所有人都有一套成熟的治理流程，来明确“AI应该在哪些环节发挥作用，人类又应该在哪些环节掌舵”。这一点目前界限并不清晰，但在涉及人身安全的现实环境中——比如能源领域的电网安全、医疗领域的患者生命健康——这个边界至关重要。