编者按

随着人工智能加速嵌入全球产业体系并成为国家能力的重要组成部分，关于AI主权建设的讨论也得到了越来越多的关注。世界经济论坛于2026年1月10日发布的这篇题为《重新思考人工智能主权：通过战略投资获得竞争力的途径》的报告，尝试以战略投资为切入点重新界定AI主权，将其内涵扩大为经济体围绕自身比较优势进行的有取舍的长期投入，并把主权建设落实到了可执行的政策与投资选择上。报告以资金流向与AI价值链相匹配的结构指出，对大多数经济体而言，对AI价值链全链条的掌控可能并不是最经济的选择，更可行的路径是把资源集中投向最能转化为本国AI竞争能力的关键环节，同时借助国际合作对自身短板进行补齐，从而在不同起点条件下探索通往AI主权与竞争力的现实路径。

以下译文仅代表原文作者的个人观点与分析立场。详细内容请参阅文末原文链接。

摘要

在新一轮全球科技与产业竞争中，人工智能逐渐成为影响国家长期竞争力的关键变量。围绕算力、芯片、数据与模型的竞争正在加速外溢到能源、电网、土地、人才与融资体系等方面，人工智能主权建设也成为了各大经济体的一项重要议程。报告认为，人工智能主权的建设并不是一场单一的基础设施竞赛，而是包括金融部门在内的一套系统而完整的战略选择，各经济体的目标应是按照自身制度目标去塑造、部署并治理AI生态，在关键环节获得必要的控制力与行动空间，并通过可信伙伴关系补齐相应短板，让系统得以在外部冲击和供应链波动中仍能稳定运转。

报告主旨观点是战略投资需要从长计议。未来几年做出的决策，将决定哪些经济体能够在由AI驱动的经济中保持或重新获得竞争力。这意味着，政策制定者应与投资者及其他利益相关方协同，共同识别能够转化为AI能力的国家层面的比较优势，再将投资集中在比较优势所在领域，而不是把资源分散铺到整个AI价值链上，同时确保AI基础设施的可互操作性以保持系统韧性，并重视战略合作的开展，借助联盟弥补关键短板，避免重复建设高成本的设施。

每个经济体加入这场竞争时的起点都不相同。尽管以基础设施为核心的AI主权对大多数经济体而言难以企及，但通往AI竞争力的道路并非只有一条，报告描绘了若干可能的路径，不同经济体可根据其在AI进程中起点的不同加以调整与匹配。

要理解一个经济体的AI主权能力，需要系统地观察其资金在AI价值链上的流向、趋势与背后的配置逻辑。各国近年频繁以国家行动的方式宣布重大资金承诺，背后反映的正是对其AI价值链的重新评估。

报告将AI价值链拆分为基础性投入（如电力、硅原料等）、硬件投入（如半导体）、基础设施（如计算机、数据中心等）、数据、基础模型、应用与服务六个环节，政策层面则通过可对人才、资本、基础技术、治理与安全等关键支撑条件的影响与AI价值链相关联。

AI生态系统

来源：《重新思考人工智能主权：通过战略投资获得竞争力的途径》

从历史分布看，迄今为止，全球AI相关投资中，超过一半流向了AI基础设施以及应用与服务端，尤其是数据中心等AI专用基础设施，后者在2010至2024年间吸引了超过6000亿美元的投入。报告进一步判断，随着各经济体追求对数据中心和处理器等关键环节的进一步掌控，基础设施与硬件需求还会继续上行。到2030年，全球超大规模数据中心数量可能接近2000座。

基础设施及应用与服务吸引了AI价值链中大部分的全球投资

来源：《重新思考人工智能主权：通过战略投资获得竞争力的途径》

美国和中国是AI价值链上体量最大的投资者

来源：《重新思考人工智能主权：通过战略投资获得竞争力的途径》

各经济体采取了不同的投资策略

来源：《重新思考人工智能主权：通过战略投资获得竞争力的途径》

基础性投入方面，自2010年以来，能源与原材料相关投资已超过1000亿美元，其中大部分投向了为数据中心供能的能源系统，后者的用电量已达到全球总电力需求的约1%至2%。报告指出，尽管AI有提高能源使用效率的潜力，但目前为止也确实使得全球电力需求在短期内有所提高，并在各国引发了选择复兴核能、实现净零目标，还是继续全力挖掘AI潜能的政策取舍讨论。展望2030年，基础性投入仍将保持增长，但相对于价值链其他环节而言增长规模仍然有限，前者年度投入预计约为500亿美元。

硬件投入方面，2010年以来硬件相关投资已超过2000亿美元，且主要由半导体代工厂带动，此外还包括光刻等设备厂商与无晶圆芯片企业的投入。报告特别强调了硬件产能高度集中的现状：全球代工收入约九成集中在少数企业，且主要分布在少数经济体，这种地理位置上的集中也引发了各界对AI主权建设中地缘政治方面的关注。到2030年，报告预计硬件投入预计将以较快速度增长，年度投入可达到接近900亿美元。

基础设施方面，随着基础模型提供方与生成式AI数据存储需求的快速扩张，AI基础设施在过去几年也迅速扩大。报告预计该领域投资将以10%至15%左右的年增速增长，到2030年，年度投入将超过4000亿美元，在这其中，芯片制造商、模型开发者与数据服务提供商等供应商的融资总量会占据更大比重。值得注意的是，尽管AI的商业模式一定程度上已高度整合（超大规模云服务商往往覆盖多个价值链环节），但AI基础设施在全球依然呈碎片化分布，美国拥有超过40%的全球已装机数据中心容量，同时不少新兴经济体还仍在进行数字基础设施建设的基础条件准备工作。

数据成为近来投资者所关注的重点。据统计，数据相关解决方案的累计投资估计已超过1500亿美元，且2018年后增长尤其显著。到2030年，相关领域年度投入预计超过900亿美元，包括基础模型训练数据集、支撑应用与服务的数据解决方案（如系统集成、数据治理）等。报告强调，AI的性能与竞争力高度依赖数据的规模、多样性、独特性、时效性，以及数据的完整性与可用性，数据的战略价值将持续上升，为新兴经济体提供通过数据资源建立差异化优势的机会窗口。

基础模型方面，报告预计基础模型投资将以约25%至35%的年增速增长，到2030年，年度投入将达到至少3000亿美元。其增长来源既包括大语言模型复杂度的上升，也包括传统机器学习与小语言模型等的持续扩张。在资金与企业布局方面，美国公司仍处于领先位置；但在美国之外，亚洲、欧洲与中东也出现了面向本地语言与文化的开源或专有模型研发，规模化后预计会带来可观回报，并进一步拉动应用需求、塑造生态演进。

应用与服务方面，报告指出，正如计算领域的价值从硬件转向了软件，移动互联网的价值从设备转向了应用，类似的价值迁移也正在AI价值链中重演，未来的投资重心将更明显地转向AI应用与服务。2030年，AI应用的年度投资可能达到约1.5万亿美元，其增长速度与规模可能将超过基础设施与基础模型，并通过面向行业场景的具体应用来释放更直接的经济价值。例如，医疗健康领域的应用有望在不降低质量的前提下，将支出降低约5%至10%；公共部门若能有效部署AI，到2030年则可能释放约8%的预算空间。报告因此强调，若能够把资金有效导入具有更高重要性的场景并建立起相应的支撑性生态体系，将最大化收益。

五类竞争力模型

来源：《重新思考人工智能主权：通过战略投资获得竞争力的途径》

第一类是全球AI价值链领跑者，其特点是几乎在价值链所有环节都有显著投入，且以全球领先为目标，且在基础模型等关键环节往往具备独特优势。但这类路径往往高度资本密集，现实中只有极少数经济体可持续投入。

第二类是生态构建者，通常为体量不大但治理敏捷高效、资本与资源获取能力均较强的先进经济体。它们在除硬件之外的大多数价值链环节都保持了较为均衡的投入，在能源供给方面强调多元化与创新，并把本国基础设施建设成为了区域枢纽，还在政府与重点行业推动相应应用与服务的落地。

第三类是选择性投资者，多见于具有科研与制造基础的工业化经济体，它们往往在少数环节（如数据、行业应用）集中发力，而在其他环节，尤其是硬件与算力方面，更依赖国际合作。其在研发与教育等支撑条件上也较为成熟，但资本环境可能存在缺口。

第四类是加速转化者，常见于数字经济增长快、市场规模大、商业部署速度也较快的新兴经济体，它们优先强调做大应用与需求，并常通过伙伴关系补充关键基础设施。

第五类是新兴协作者，它们的本地能力较为薄弱，其AI发展生态尚在探索期，研究与资金能力也有限，基础设施多在规划或早期建设，硬件资源缺乏，在模型方面也大多是通过学术或区域合作使用开源或伙伴模型。

五条跃迁路径

来源：《重新思考人工智能主权：通过战略投资获得竞争力的途径》

第一条路径为选择性玩家跃迁到生态构建者而制定。前者的起点优势在于已有一定价值链的雏形，且具有较强的研发基础以及较稳定的人才教育体系。此路径策略的重点在于把融资环境与早期创新激励做起来，在不试图达到领跑者全栈布局水平的前提下，选择能形成互补价值的环节深耕，同时通过谈判与合作获取国内暂不具备的能力。配套方面，增强国家级协同能力，合理运用重点行业路线图推动规模化、负责任的技术转化，并通过与本地企业及超大规模云的协作加速扩散、提升韧性。资本市场深度与风险分担机制也被视为维持创新与投资信心的关键。

第二条路径是为加速转化者跃迁到生态构建者而制定。前者往往已有数字公共基础设施、较大的人才规模与活跃的创业生态，具备本地化应用与服务的转化基础。此路径策略的重点是进一步向上游发展，扩大数据与算力供给，更深度参与价值链相应环节。相关经济体可通过混合融资扩张算力与云能力，用协调型产业政策把数字基础设施项目与研发、人才培养串联起来，并通过国家级数据公用设施与开放数据平台提高数据可得性、互操作性与质量，形成创新锚点。知识产权制度、资本市场与风险共担机制可以为其AI商业化的发展提供后端支撑。

第三条路径是为新兴协作者经由加速转化者跃迁向生态构建者而制定。当能源、土地或资本并不充裕时，相关经济体可先把目标设为做好基础转化与重点行业的应用服务（农业、医疗、教育等），依托不断增长的创业与创新生态把需求做起来。策略上可不追求完整的主权基础设施，而是用公私合作、按需付费模式与优惠性融资扩大设施可得性，同时优先补齐连接等基础要素；在数据方面向高质量过渡转化，在模型上通过开源或伙伴模型合作加快部署；通过大学合作等提升人才供给，同时用面向中小企业的灯塔项目与公众教育提高信任与理解。

第四条路径是为新兴协作者经由选择性投资者跃迁向生态构建者而制定。如果资本、土地与能源可得性高，且地理位置与区域连接具备优势，相关经济体可以先把AI基础设施作为突破口，创造有利于建设数据中心等项目的投资环境。策略重点在于集中投资基础设施能力，把自身打造成区域算力枢纽，同时嵌入全球贸易与投资网络，通过与领先者结盟来确立在国际AI价值链中的角色。在此之上，还可以通过伙伴关系承载外部基础模型并确保可靠与安全性，同时支持本地企业发展行业解决方案。还可用PPP激励框架、能源与用地与许可政策、监管确定性与数据治理标准来稳住外资与长期信心。

第五条路径是为新兴协作者直接跃迁向生态构建者而制定。这条路径在逻辑上可看作第三条路径的延伸，但对前提条件的要求更高，它要求新兴协作者不仅要有可支撑基础设施扩张的能源与土地条件，还要能同时推进数据、应用与基础设施的均衡建设，并具备人才、研发与资本等关键要素。策略的重点是依靠战略伙伴关系发展本地算力基础设施，并把服务范围扩展到周边市场；政策端可通过激励本地数据中心、国家数据平台建设，借助开源或盟友模型的投入，来将自身打造为将全球技术与本地优势相结合的区域枢纽；同时应建立让资金、数据、人才与知识产权能够在机构间安全高效流动的机制，为新兴生态发展注入活力。

首先，政策制定者需要制定明确的本地战略，并围绕比较优势做取舍，把资源集中投向最能形成长期优势的环节与重点行业，同时通过合作获取建设起来不经济或不可及的能力，并将社会、经济与环境影响一并纳入长期规划。

其次，报告主张将AI主权重新理解为战略合作，通过本地化投资与其他联盟与伙伴关系，依照自身制度目标去塑造、部署并治理AI生态。重点不在于拥有全部设施与资产，而在于确保关键能力的可靠，做好运营控制，提升系统韧性，并通过安全、可靠、可问责的对外采购与区域协作来降低系统脆弱性。

第三，报告反对在AI价值链各个环节平均发力的投资方式，认为更有效的方式是打造更集中的本地生态网络，把企业、科研机构与公共部门连接起来，形成产业集群与创新枢纽，以资本工具与可预期的监管降低不确定性，撬动私人投资并加速转化。

第四，AI基础设施应被纳入更广义的智能基础设施战略统筹当中，底层原则是保证互操作性与可迁移性，避免被单一供应商锁定，并在能源、土地与融资等约束下保持扩展能力。