封面

中美之外不是没人做AI:有的守住芯片关口,有的当机房房东,有的直接用开源,榜上才找不出第三国。

有个奇怪的现象,时至今日,大模型榜上除了中美,还能找出第三个国家吗?其他国家都不发展AI吗?AI这么强,他们不需要?

这个月中旬,我把 Artificial Analysis 的综合榜从第一名往下数到第二十五名,国旗只有两种:美国 16 个,中国 9 个。头名是 Anthropic 的 Claude Fable 5.2,64.6 分;中国最好的是 Kimi K3.1 Pro,46.5 分。中美之外分数最高的是法国 Mistral Large 4,26 分出头,前二十五没摸到边。

拿这个问身边的人,答案来得很快:法国有 Mistral,英国有 DeepMind,韩国也在搞,中东不是有钱吗。每个答案都沾点边。可一个个往下查,味道就变了。

被喊出来的“第三名”,户口大多落在别处

先说英国。论花钱,英国确实排得上号:2025 年私人 AI 投资 59 亿美元,排在美国 2859 亿、中国 124 亿之后。可一提英国大模型,大家脑子里冒出来的是 DeepMind。实验室在伦敦,老板是谷歌,模型署的是 Google 的名。英国政府自己今年要建的基础研究实验室,六年最多 4000 万英镑,做科研补强够用,练前沿模型差得远。

中东的画面更唬人。阿布扎比在建吉瓦级的 Stargate,楼是当地盖的,运营的是 OpenAI 和 Oracle,里面跑的主要是美国模型。沙特那边更直白,自家的阿拉伯语旗舰 humain-m3,新闻稿上写得清清楚楚:HUMAIN 委托,MiniMax 交付。钱是沙特的,模型是中国团队做的。

韩国稍微复杂一点。按 2025 年“有分量的模型”产量,它排第三:美国 59 个,中国 35 个,韩国 8 个。数量是真的,可这个月能查到的独立复测里,韩国最好的还是 K-EXAONE 2.0,7.6 分。新版本号称能跟中国开源掰手腕,目前还只是厂商自己说的。新加坡也得留个心眼,本地语言项目确实在做,但不少中国实验室的海外主体也注册在那儿,注册地和训练地是两回事。

一圈查下来,像在查户口:人在这个国家,户口落在别人家。投资第三、产量第三、机房第三,都很容易被顺嘴说成大模型第三。

真下场练的,也只爬到半山腰

把这些挪开,还真有人老老实实在练,最像样的是法国。

Mistral 今年 9 月一轮融了 30 亿欧元,估值超过 210 亿欧元,用大约 3800 张高端 GPU 从零练出开放权重的大模型。放在欧洲,这已经是科技史上数得着的大钱。可它的 26 分,前面隔着中国开源的 30 多分,再往前是美国闭源的 60 分上下。

分数还不是最扎心的。今年 8 月,Mistral 开始给客户提供第三方模型,第一个上架的是中国的 GLM。欧洲最能打的模型公司,开始帮着卖中国模型了。

所以别说欧洲啥都没有。光刻机在荷兰,芯片架构在英国的 ARM,Mistral 也是真实验室。欧洲缺的是把电、钱、芯片、云一层层叠起来,最后叠出一个能上桌的基础模型。英国、德国的钱和人,常常流进美国公司的研究部门;德国最有名的通用模型公司,正在并进一家加拿大企业。手里有好牌,就是凑不成一手能打的。

日韩荷压根没打算在这张榜上争

有几个国家,在模型上没下那种死力气,是因为他们站在更下面的位置,而且站得很稳。

一张训练卡要出生,绕不开几道工序:最先进的晶圆代工,把显存一层层摞起来的高带宽内存,还有极紫外光刻。全球领先的 AI 芯片几乎都要送进同一家代工厂;高带宽内存,韩国掐着训练集群的脖子;材料、设备和一部分先进封装,日本到现在也很难绕开;光刻机,荷兰一家独大。

中美越往上堆训练,他们的单子越多。这生意挣得比上榜踏实。

日韩的互联网和电子工业都很成熟,只是本国语言市场小,大公司更愿意把硬件卖给练模型的人,再引进、精调几个本国模型自己用。韩国两头都在做,但存储是真门槛,模型还在追。门槛握在手里的时候,犯不着拿一张进不去前二十五的榜,来证明自己没掉队。

机房盖在你家,模型不一定姓你

还有一种很容易看走眼:地上有机房,就以为地上有模型。

练模型和跑模型,要的是能调度起来的算力,网络、存储、集群软件、数据管道都得配齐,光有一栋制冷良好的大楼没用。美国强在云和模型本来就长在一套体系里;中国有自己的云,才能在自己的地上一遍遍预训练。别的地方的机房,很多是把美国或中国的模型搬过来跑推理,要么把训练任务租到别人的云上。

阿布扎比的集群就是这样,电和地是海湾的,运营和模型可以还是美国公司的。德国数据中心的数量在全球统计里很靠前,可机房数量不等于训练能力,更不等于原创前沿。加拿大最有名的企业模型公司总部在多伦多,算力却长期靠美国云,政府入股的条件之一,就是把基础设施搬回本国。

电也一样。前沿训练是用电大户,所以中东、美国一些州和北欧,会因为电价和土地被盯上。可电只决定机房落在哪,不决定模型算谁的。有电没高端芯片,盖出来是空壳;有芯片没人能把集群跑顺,卡就是库存。很多国家在这一层的角色,说白了是当房东:给别人的模型供电、降温、拉网线。

开源一出来,后来者干脆不练了

还有一种,看着最像“不发展”,其实算盘打得最精。

开源把后来者的账彻底改了。如果我是一个中等国家的决策者,手里有几十亿,摆在面前两条路:花几年练一个大概率进不了前二十五的基础模型,或者今天就把中国公开的权重拿来,精调成本国语言,部署在本国机房里。我大概也会选第二条。

现实里大家也是这么选的。日本大量在做的,是把美国模型引进来卖,再配一批日语主权模型;加拿大把力气花在企业部署和数据留在本国;印度、东南亚更关心本国语言,和老百姓用不用得起。超不过,不如先用上。这些钱都花了,只是花在一张榜单看不到的地方。

真正卡住他们的,是互联网走到了哪一步

上面这些盘算,往下挖到底,都会碰到同一块石头:这个地方的互联网,走到了哪一步。

大模型不是从荒地里长出来的。它要吃现成的用户、数据和工程师,要有人愿意为智能付钱,还要有一批早就习惯了云和软件规模化的公司。美国从 PC 互联网走到移动互联网,再走到云,英语又是全世界网上的默认语言,大模型还没火,它的云厂商就已经是巨头了。中国走出了另一套移动互联网和超级应用,有自己的云,才养得出一串能把预训练跑完的实验室。中美能在模型层对坐,是因为前面那几段路,两家都已经走完了。

欧洲起步不晚,工业和通信底子也厚,可消费互联网没长出对等的云巨头,市场又被语言和规则切成一块一块。欧洲的钱更习惯投给看得懂账的应用,不太愿意投十年不赚钱的预训练。所以你在欧洲看到的,多是主权、合规、能自己部署的开放模型,再加上超算和科研算力。中东能买电、买园区,软件和互联网生态还撑不起自己的模型工业。印度用户多、增长快,眼下更急的是便宜算力、本国语言,和刚刚铺开的云与软件产业。

钱往哪走,跟着阶段走。资本的量级,又把桌子钉死了。美国 2025 年私人 AI 投资 2859 亿美元,大约是中国公开私人投资的 23 倍、英国的 48 倍,中国还有一大块政府引导和产业政策的钱没算进这笔私人账里。Mistral 那 30 亿欧元,在欧洲是天文数字,拿去对标美国头部实验室连续几年的训练开支,还远远不够。

回到开头那三个问题。第三个国家,眼下真没有。不发展 AI?在发展,只是没在练基础模型。不需要?太需要了,需要到他们宁愿今天就把中美的模型拿来用,也不愿再花几年,去追一个大概率进不了前二十五的名次。

(数字截至 2026 年 11 月中旬。综合榜取 Artificial Analysis Intelligence Index v5 的公开汇总,产量与投资取 Stanford AI Index 2026。)