欧洲人工智能机遇：AI创新新纪元驱动欧洲科技产业发展

2026年6月 欧洲的人工智能机遇 别再找借口了人工智能创新新纪元驱动欧洲科技 内容 本报告内 04 简介05 核心见解 章节 0302 欧洲生态系统 第19页 欧洲的AI优势01 人工智能加速 p.07从前沿到企业 AI交易活动欧洲人工智能交易势头增强 04 战略手册 第41页 打造AI原生型组织 引言 CO-AUTHORS 人工智能已从实验阶段迅速发展到部署阶段，其速度出乎许多人的预料。这项不久前还属于前沿技术的创新，如今正逐渐演变为关键性的商业基础设施，重塑着软件的构建方式、服务的交付模式，以及整个科技领域资本的配置格局。 在本报告中，我们考察了推动人工智能下一阶段发展的力量，从计算规模和代理式工作流程到融资、并购以及软件和服务经济模式的转变。我们还探讨了欧洲的人工智能机遇，重点介绍了技术人才、产业深度以及新一代人工智能原生规模型企业正在创造全球类别领导者。 叶夫根尼·雅科夫列夫 副总裁 关键洞察 01 / 人工智能加速 人工智能正从前沿突破转向关键业务基础设施，随着其能力的提升，正转化为软件、服务和企业工作流程中的实际应用。 人工智能发展的下一阶段将由计算规模、效率提升以及支持它们所需的产业基础设施所塑造。 企业AI正从辅助转向执行，随着代理开始执行软件和知识工作中的有意义的任务。 02 / 欧洲的人工智能生态系统 欧洲已在基础模型、基础设施、机器人、创意工具和企业应用等领域生产出全球人工智能领域的领导者。 欧洲的人工智能机遇建立在技术深度、产业实力和领域专业知识相结合的基础之上。 下一阶段欧洲人工智能的领导力将取决于将一个虽碎片化但高质量的生态系统转变为规模化、跨境的平台。 03 / 成交势头 人工智能首次成为全球风险投资的中心，占据了风险投资价值的大部分。 资本正向规模化的AI领导者集中，计算、数据和基础设施成本推动融资进入更大规模的后期轮次。欧洲现在正在打造AI领域的巨头企业，并在基础设施、前沿模型和应用层领导者等领域进行战略性退出。 04 / 运行班次 人工智能的优势正从模型访问转向组织执行，赢家由他们如何快速将人工智能转化为可衡量的生产力来定义。 公共市场正根据人工智能防御能力重新评估软件定价，奖励那些拥有数据聚合优势的深度嵌入平台，同时让范围较窄、确定性强的工具面临被取代和内部替代的风险。 人工智能为软件和服务领域的挑战者创造了新的机遇，因为自动化能够带来可衡量的客户价值并开辟新的收入来源。 人工智能加速 从边疆到企业 人工智能如何从前沿突破走向关键业务基础设施 新兴前沿共识 无共识的趋同 2026年5月，在谷歌I/O大会的间隙接受采访时，德米斯·哈萨比爵士缩小了自己的预估，表示他现在预计通用人工智能（AGI）将在2030年左右出现，而2029年则是一个真实存在的可能性。他将当前的自主系统视为未来更强大模型的“彩排”。 人工智能正成为这个时代的决定性技术变革，而其发展速度正让市场和机构措手不及。本章汇集了众多创始人、投资者和高管可能没有时间全面了解的观点、趋势线和进展。 并非所有顶尖研究人员都表示认同，且仍存在重大不确定性。扬·勒库恩一直坚持认为，仅扩大当前的大型语言模型是不够的，在推理、规划和世界建模方面仍需取得实质性突破。达里奥·阿莫迪则暗示了一个更短的时间表。在《充满仁爱的机器》（2024年10月）一文中，他描述了未来近期的AI系统可能相当于“数据中心里的一个天才国家”，并认为强大的人工智能可能在未来一两年内出现。他的后续文章《技术的青春期》（2026年1月）重申了这类系统可能在2027年实现的可能性。 目前，对于人工智能何时达到关键能力里程碑，甚至这些里程碑应该如何定义，仍然没有共识。尽管通用人工智能（AGI）的定义各不相同，但现在越来越多的前沿研究人员和领导者认为，变革性的人工智能可能比许多人原先假设的要更快到来。 边陲之景 这种观点并非新事物。自2009年以来，谷歌DeepMind的联合创始人和首席通用人工智能科学家Shane Legg就公开表示，预计到2028年，通用人工智能将达到人类水平，其概率为50%。 2024年，利奥波德·阿申布伦纳的《情境意识》将这一观点推向了主流，阐述了持续的计算规模扩展、算法改进和产业动员如何可能使AGI在2027年成为一项严肃的可能性。 为何此事当下重要 这些最近的进展已经在市场上显现出来。AI 编码工具已成为企业软件中增长最快的类别之一，而面向 AI的开发者工具市场也在迅速扩张。目前的系统在复杂工作流程中尚未保持一致可靠性，完全自主仍难以实现。然而，前沿能力提升与企业实际价值之间的差距正在迅速缩小，特别是在软件开发领域，工作流程是数字化的，生产力提升是可衡量的。最接近前沿的人们对时间节点存在分歧，但许多人现在认为，强大的AI 将在几年内出现，而不是几十年。对于大多数组织而言，风险在于低估了已经正在进行的变革的速度和范围。 人工智能未来项目已更进一步，发布了一份明确建模的预测报告，专注于时间线问题。其2025年报告《人工智能2027》描绘了从自动化编码系统到更强大的人工智能研究人员的路径。 随后在2026年4月的更新中，该机构修订了全编码自动化中位数的预测，其中一位首席预测师将中位数定在2028年年中，并引用了证据，表明人工智能编码代理随着每一代新模型的推出，正在完成更长时间、更复杂的任务。 从趋势线到数量级 硬件、算法进步和实践能力等多个因素正相互叠加，推动着这些时间表。 计算仍然是引擎 自2010年以来，研究机构Epoch AI追踪的所有值得关注的AI模型在训练中使用的计算资源（或称“计算力”）每年增长约4.5倍。对于前沿语言模型而言，自2020年起，训练计算力每年增长约五倍，这得益于日益专业化的、专为AI工作负载设计的芯片、GPU和TPU，以及训练集群规模的快速扩张。 算法效率是隐形的加速器 尽管大部分关注点在于计算规模扩展，但算法进步已成为同等重要的驱动力。Epoch AI估计，预训练计算效率每年提升约3倍，这意味着团队现在可以用三分之一的计算资源达到去年的性能水平。近期推理模型的涌现就说明了这一点。当OpenAI在2024年末发布其首款推理模型o1时，它在数学和科学基准测试中的表现超越了以往系统，并非通过更长的训练运行，而是通过一种新方法，允许模型在回应前进行“思考”。 每年约3次 每年约5次 算法进步带来的预训练计算效率提升 自2020年以来，大型语言模型的训练计算能力增长 复利效应 当硬件扩展（每年约5倍）和算法效率（每年约3倍）相结合时，其结果相当于有效计算能力每年增长约15倍。 这只是一个大致的估计而非精确值，因为这两个驱动因素并非完全独立，但它确实捕捉到了复合效应的大致规模。这意味着大约有千倍的改进，或者说每两年半提升三个数量级。 ~1,000x 每年约15次 每2.5年有效计算能力的增长量 自2020年以来，前沿语言模型的有效计算能力有所提升 时间范围：规模与实际性能的交汇点 这些进展正转化为可衡量的实际能力。METR的研究提供了衡量这一进展的最清晰指标之一。METR追踪前沿AI代理能够可靠完成的真实世界软件任务的持续时间，其分析显示，从2019年到2025年初，“时间范围”大约每七个月翻一番。 这些趋势并非都能持续。但每一项都得到了十年或更长时间数据的支持，其模式异常一致，并且存在多重推动进步的驱动因素。 从小规模到大规模建设 上一节描述了计算规模和算法效率如何推动有效能力的快速提升。但这些提升依赖于在工业规模和日益加快的速度下部署的物理基础设施、芯片、网络、冷却系统、土地和电力。人工智能的下一阶段，其发展将如同模型本身一样，深受这一建设进程的影响。 计算背后的资本 目前注入人工智能基础设施的投资规模在科技行业是前所未有的。四大云超大规模企业（微软、谷歌、亚马逊和Meta）的资本支出总额在2025年已超过4000亿美元，预计到2026年将超过7000亿美元。其中大部分支出用于特定于人工智能的产能建设，包括GPU集群、液体冷却系统、定制网络以及支持这些设施所需的电力基础设施。前沿人工智能正成为历史上资本投入最密集的技术建设项目之一。 部署速度现已成为一项战略资产 这项新工业现实最清晰的例证之一是太空探索技术公司（SpaceX）AI在田纳西州孟菲斯建造的巨像设施（Colossus）。2024年，埃隆·马斯克在122天内将一个 former manufacturing site 转化为全球最大的AI训练集群，速度远超行业典型的数据中心建设时间表。据该公司称，初期部署涉及10万台液冷英伟达GPU，在19天内完成布线和启用。随后，该集群在接下来的92天内扩容至20万台GPU。最近，太空探索技术公司AI（SpaceXAI，太空探索技术公司与xAI的合并实体）与Anthropic达成了云服务协议，以获取巨像和巨像II的计算能力。在价值约450亿美元的协议下，Anthropic同意从2024年至2029年5月每年支付150亿美元。Anthropic计划利用这部分额外计算能力提升Claude Pro和Claude Max用户的容量，同时也表达了与太空探索技术公司AI合作开发兆瓦级轨道AI计算能力的兴趣。这突显了前沿AI基础设施的快速部署本身已成为一种战略优势：稀缺的计算能力现在可以在超大规模级别实现货币化，无论是用于加速内部模型开发，还是出售给面临自身容量限制的前沿AI实验室。 全行业动员 巨像并非孤例。据追踪主要人工智能设施（通过卫星图像和公共许可）的Epoch AI前沿数据中心枢纽称，仅13个美国大型数据中心就拥有约250万张H100等效GPU，约占全球估计存量的15%。其中至少有五个设施预计将在2026年期间达到1吉瓦的电力容量，包括由Anthropic-亚马逊、SpaceX AI、微软、Meta和OpenAI运营的场地。规模最大的设施一旦建成，每个将容纳相当于500万张H100 GPU的容量，并承担超过1000亿美元的建设成本。到2026年，计算能力最强的单一设施——SpaceX AI巨像2号——将拥有140万张H100等效的计算能力，较2024年中期的领先数据中心增长了十四倍。 2025年1月，OpenAI、甲骨文和软银宣布成立Stargate合资企业，该合资企业计划到2025年底将扩展至至少八个美国地点，规划容量超过8吉瓦，承诺投资额超过4500亿美元。在整个行业范围内，前沿人工智能正推动一个资本动员周期，这个周期比传统的软件投资更 напоминает 能源基础设施或电信建设。 对人工智能（AI）适配电力容量的需求正在重塑相关产业。拥有工业级基础设施且能获取低成本可再生能源的加密货币矿工正越来越多地转向AI基础设施托管业务，其每兆瓦的收入可以比挖矿高出五到十倍。在公开上市矿企中，已签署的AI和高性能计算合同总额已超过700亿美元，行业估计显示，到2026年底，上市矿企有高达70%的收入可能来自AI工作负载。 从助手到代理 前文所述的能力提升已开始重塑经济价值高的工作，而软件开发是变化最明显的领域。 软件是第一试验场 人工智能辅助编程的演进，最清晰地展示了人机关系变化的迅速。短短三年间，该领域经历了三个明显阶段：从2022年GitHub Copilot的AI代码补全，到2024年Cursor和Windsurf等能自主进行多文件编辑和执行命令的代理式编辑器工具，再到2025年Anthropic的Claude Code和OpenAI的Codex CLI等终端原生编码代理，后者让开发者无需改变现有工作流即可将整个任务委托出去。如今，全球最大科技公司的高级软件工程师已基本放弃手动编码，转而更多地从事系统设计、架构和代码审查等工作。 规模效应下，这一转变已可测量。 商业化进程迅速，Anthropic 的 Claude Code 在 2025 年 5 月推出后六个月内，年化营收