提升欧洲在整个人工智能价值链的竞争力

QuantumBlack ， AI 麦肯锡下赌注的时间 ： 欧洲的 AI 机会 提升欧洲在 AI 价值链中的竞争力。 by亚历山大 · 苏哈列夫斯基,Eric Hazan,Sven Smit,Marc - Antoine de la Chevasnerie,马克 · 德容,索尔维 · 希罗尼姆斯,Jan Mischke， 纪尧姆 · 达戈雷 一目了然 ——欧洲在提高人工智能意识和设定承诺方面取得了重大进展，但依然存在重大瓶颈。政策制定者和企业领袖可以探索多种杠杆措施，包括增加投资（如在医疗和防务领域进行人工智能应用的公共创新采购），跨越新兴半导体技术（如量子计算和类脑计算）的技术鸿沟，以及解决人才留存问题。此外，通过重新培训和流动项目来准备劳动力队伍将是充分利用通用人工智能（Gen AI）效益的关键。 — 需要采用三 lens 方法（即采纳、创造和能源）来评估欧洲在新兴生成式人工智能（gen AI）经济中的竞争力。尽管当前的大部分讨论都集中在大型语言模型（LLMs）上，但欧洲政策制定者和商业领袖必须超越对 LLMs 的关注。采取全面的方法充分利用 gen AI 的潜力，到 2030 年每年可提升欧洲劳动力生产率高达 3%。 ——在采用方面，欧洲组织落后于美国同行45%到70%。然而，gen AI 的大部分经济潜力就蕴含于此。由于该技术仍处于早期阶段，其大部分生产效率提升尚未被释放，欧洲仍然拥有广阔的机会窗口。 全面的方法来帮助欧洲实现生成 AI 的全部潜力 对于生成式 AI (gen AI) ，1 2022 年 11 月 ，OpenAI 的 ChatGPT 的重磅发行标志着繁荣的开始。2自那以后，有关该技术的讨论主要集中在基础模型上，尤其是大型语言模型（LLMs）。在这一领域，欧洲3似乎落后于其竞争对手。然而，LLMs只是通用人工智能景观的一部分。参与通用人工智能的采用、创造和能源需求等方面可以帮助更全面地了解该地区在新兴的通用人工智能经济中的位置。 — 在创新方面，欧洲仅在简化的人工智能（AI）价值链中的一个环节中处于领先地位：AI半导体设备。欧洲在三个其他环节中是挑战者：基础模型、AI应用和服务。但在剩余的四个环节中，其市场占有率低于5%：原材料、AI半导体设计、AI半导体制造以及云基础设施和超级计算机。 Gene AI 产生的大部分价值将来自组织对 GeneAI 解决方案的采用和扩展4- 欧洲的一个重要考虑因素 ， 那里的劳动生产率一直在放缓。5麦肯锡全球研究所（MGI）的研究估计，生成式人工智能（gen AI）到2030年可以帮助欧洲实现每年高达3%的产品ivity增长率（ Exhibit 1）。6这种潜在的额外增长 — 在能源领域，生成式AI预计将进一步推动数据中心的电力需求，到2030年可能占欧盟总电力消耗的超过5%。如果没有具有竞争力的电价，欧洲的数据中心将更不可能承载生成式AI的应用和服務。 Web <2024>附件 1 < Europe GenAI > <3 > 的展览 < 1 > 到 2030 年 ， 生成人工智能可能为欧洲经济增加 5751 亿美元。 2030 年西欧人工智能生产力潜力 ， 按行业划分 ， 价值 10 亿美元1 麦肯锡公司 将对欧洲模式的融资至关重要 ， 特别是在导航能源转型， 解决了赋权差距， 并支持人口老龄化。7它还有可能推动变革性的创新，改变日常生活，例如加速药物发现、改善患者护理和个性化教育。 在 Gene AI 的创建方面 ， 自 2022 年以来 ，超过 90 ％ 的 LLM 相关资金发生在欧洲以外。8此外，欧洲公司仅占斯坦福大学AI指数认为值得注意的101个人工智能模型的25%，远远落后于美国公司（后者拥有61个值得注意的人工智能模型）。然而，从生成型人工智能技术的创造中捕获经济价值的机会远不止局限于大型语言模型（LLMs）。 相对于其他地区而言处于较好位置，并且为欧洲领导者提供了系列步骤，如果他们希望全面参与并充分利用这项令人印象深刻的新兴技术创造的价值。 它们分布在八个环节的价值链中：原材料、AI半导体设备、AI半导体设计、AI半导体制造、云基础设施和超级计算机、基础模型（包括大语言模型LLMs）、AI应用和服务。9 采用 General AI ： 机会仍然开放 ， 但欧洲正从劣势开始 最终，为了推动生成型人工智能的创造和采用，欧洲也需要考虑其能源能力。鉴于到2030年，欧洲的能源系统将被迫应对数据中心电力需求（受生成型人工智能加速影响）导致的消费增幅超过5%，因此这是一个关键考量因素。10 绝大部分经济价值预计来自于欧洲组织采用生成式AI技术。该技术仍处于早期阶段，大多数生产率潜力尚未被捕捉到，因此这里的机遇仍然非常广阔。然而，欧洲企业在这方面采取行动的速度明显慢于其他国家的企业。11 为了充分发挥生成型AI的全部潜力，欧洲的企业领导人和政策制定者必须对这项技术采取一种全面的观点，涵盖创造、采纳和能源方面带来的挑战与机遇（如图2所示）。在本文中，我们将描述这些挑战，并详细说明欧洲处于何种位置。 欧洲落后了多少？由于信息不完整，我们通过分析三个指标来量化这一差距。首先， Web <2024> 附件 2< Europe GenAI > <3 > 的展览 < 2 > 为了充分捕捉生成 AI 的价值 ， 欧洲领导人可以拥抱包括创造、采用和能量的整体方法。 麦肯锡公司 欧洲西部在相似规模的行业中用于外部人工智能支出方面落后于美国，平均落后61%。 考察了企业的外部AI支出，如购买AI软件即服务（SaaS）解决方案。由于并非所有AI支出都是外部支出——例如，招聘AI工程师就是内部支出的一部分——我们还分析了一般IT支出作为IT准备程度的指标，并将其视为AI采用的关键基础。最后，我们纳入了麦肯锡全球AI现状调查中欧洲高管的回应。12 在化学和材料、以及建筑与房地产等行业中，我们发现欧洲的企业落后了45%到55%。对于在美国规模显著大于西欧的行业（例如医疗健康和制药、高科技和软件、媒体和娱乐），差距更为明显，范围从50%到70%（如图表3所示）。 当审视外部在AI基础设施、软件和服务上的支出时，西欧在相似规模的行业中落后于美国61%，在美国规模是西欧两倍或更大的行业中落后71%。 我们分析了前两个指标，既从绝对数值的角度考虑，也与公司销售额进行比较，并在可能的情况下与美国的数据进行对比。这种相对比较有助于解释由于规模经济导致的不同行业规模差异，从而避免数据失真。例如，美国的高科技和软件行业规模是西欧的4.9倍。13所以我们发现，美国的AI外部支出与销售额比率为0.4%，而西欧为0.7%。但在绝对值的AI外部支出上，我们发现分别为87亿美元和26亿美元，导致了约70%的差距。 审视内部IT支出，我们发现对于规模相似的行业，西欧的支出平均比美国低43个百分点；而当行业规模相差至少两倍时，这一差距扩大到46个百分点。 根据2023年麦肯锡全球人工智能调查，欧洲在通用人工智能（Gen AI）采用方面落后于北美30个百分点。调查显示，40%的北美公司已在至少一个业务功能中采用了通用人工智能，而受访的欧洲公司这一比例约为30%。15 此外，根据前两个指标的数据，数据显示西欧公司的表现比美国同行落后45%到70%。这一差距存在于所有行业之中。当评估相似规模的行业时，这一差距依然存在。14在西欧和美国(例如 ， 先进制造业 ， 西欧之间的 AI 外部支出差距1和美国在 2022 年 ， 按部门划分 麦肯锡公司 创 AI 技术 ： 欧洲在一个领域领先， 在三个领域是挑战者 ， 但在四个领域几乎不存在 服务), 基础模型（例如，大规模语言模型LLMs），AI应用（例如，人工智能驱动的软件），以及AI服务（例如，咨询和服务实施）。 超越简单的采用，欧洲利用生成式AI的能力将取决于其在简化为八段价值链中激发生成式AI技术扩散的能力：原材料（例如，锗和硅）、AI半导体设备（例如，光刻系统）、AI半导体设计（例如，高端GPU的研发）、AI半导体制造（例如，代工厂）、云基础设施和超级计算机（例如，基础设施即服务和平台即服务）。 欧洲在价值链的八个环节中有四个环节具有竞争力：人工智能半导体设备、基础模型、人工智能应用和服务。然而，在其余四个环节中，欧洲的全球市场占有率低于5%：原材料、人工智能半导体设计、人工智能半导体制造以及云基础设施和超级计算机（见下表）： 欧洲在生成人工智能（gen AI）领域实现商业化的能力将取决于其促进生成人工智能技术在整个价值链中扩散的能力。 Table —原材料。芯片制造和半导体行业需要超过40种原材料，其中欧洲联盟将16种（例如镓、镁和硅）列为既是关键又是战略性的原材料。16约5%的这些材料由欧洲公司供应。因此，该地区高度依赖来自如中国等国家的进口，中国供应了欧盟约75%的硅需求和90%的镓和镁需求。17关键原材料法案（CRMA）支持本地生产，简化许可流程并促进关键材料的回收。18 适合人工智能的半导体 ， 这是由英伟达领导的一个领域。22尽管如此，一些欧洲企业正在采取措施缩小差距。英国的ARM公司计划于2025年推出人工智能半导体。23欧洲也在人工智能半导体设计领域发挥着重要的间接作用，这主要得益于其在功率半导体设计和制造方面的强大地位（例如，通过英飞凌和意法半导体）。 —AI 半导体制造。欧洲仅生产全球约8%的半导体，并且少于1%的适合人工智能的逻辑容量半导体（尺寸在七纳米及以下）。24超越这一点，欧洲没有任何高带宽内存（HBM）和先进封装的能力。展望未来，全球先进的半导体制造产能预计将继续由非欧洲玩家，如台积电（TSMC）完全主导。25在这方面，主要原因在于欧洲半导体晶圆厂的回收期比东南亚地区更高，这主要是由于更高的劳动力和能源成本。此外，欧洲公司还面临复杂的行政程序。在欧洲建立一家半导体工厂可能需要长达四年的时间，而台湾只需要一年时间。26 —AI 半导体设备.荷兰的ASML是生产用于制造高端半导体（适用于AI的逻辑器件，精度可达七纳米）所需的光刻机市场的领导者。19欧洲公司在其他设备领域也处于领先地位，例如原子层沉积（ASM International，总部位于荷兰，市场占有率约为50%）和金属有机化学气相沉积（德国公司AIXTRON，市场占有率在70%到80%之间）。20然而 ， 在其他关键领域 ， 如干蚀刻机和切片机 ， 欧洲公司的存在较少。 —云基础设施和超级计算机。欧洲在计算能力方面落后于美国。与美国相比，欧洲的数据中心安装容量仅占全球的18%，而美国这一数字为37%（尽管欧洲和美国的GDP相近，分别为约23万亿美元和27万亿美元）——在大多数情况下，情况都是如此。 —AI 半导体设计。欧洲公司如英飞凌科技、恩智浦半导体和意法半导体在全球半导体设计与制造领域发挥重要作用，2023年市场占有率约为15%。21但是欧洲在设计中的存在较少 欧洲数据中心的运营成本通常比美国高50%以上，主要原因是欧洲的能源成本较高。 这些欧洲数据中心由美国公司拥有。27在2023年，欧洲云公司（例如，OVH和UpCloud）在全球市场的份额约为5%（在欧洲市场的份额约为15%），而美国玩家（例如，亚马逊网络服务、谷歌和微软）的全球市场份额超过70%。28此外 ， 欧洲只有一半的超级计算能力 ，29这在基础研究和应用研究中越来越必要。30这在一定程度上是因为美国出现了专注于这一领域的私营企业（例如CoreWeave），而欧洲的超级计算机主要位于研究机构。此外，欧洲数据中心的运营成本通常比美国高出50%以上，这主要受到欧洲能源成本较高的驱动。31 AI 是领先的开源模型提供商 ， 自 2023 年以来筹集了 10 亿美元。34在技术竞赛中不断改进模型性能的过程中，该公司在资金方面仍不如其美国竞争对手。例如，OpenAI已筹集了113亿美元，Anthropic则筹集了87