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

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？

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。

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？

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。

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？