开场（先说读者的真实疑问）
最近有一件事情，可能比“哪家 AI 模型又刷新纪录”更值得看。
2026 年上半年，美国商务部的 American AI Exports Program 收到了 78 份企业联盟申请，准备向海外输出所谓的 full-stack AI——不是单独卖一块芯片，而是把硬件、数据中心、模型、网络安全和行业应用打包成一整套 AI 技术体系，向国际市场推广。美国商务部明确表示，这套计划的目标之一，是让美国技术、标准和生态在海外形成更广泛的部署。
但另一边，全球却出现了一个很反直觉的现象。
CNAS 对各国政府支持的“主权 AI”项目进行统计后发现：
截至 2026 年上半年，全球已经有 67 个国家和欧盟，共 184 个政府支持的主权 AI 项目。
而且 2026 年上半年新增项目中，80%集中在基础设施，只有约5%属于数据项目。
这两个事实放在一起，就很有意思：
一边在向全球输出 AI 体系。
另一边越来越多国家在建设自己的 AI 能力。
所以这篇真正要问的，不是：
谁的模型最强？
而是：
当 AI 开始变成一个国家的生产能力之后，谁来控制这项能力？
一、第一场博弈：是“买 AI”，还是“自己掌握 AI”？
过去我们理解 AI，很容易把它看成一种软件服务。
企业需要，就去买。
政府需要，就去采购。
个人需要，就去订阅。
只要模型够好，哪里提供似乎都一样。
但当 AI 开始进入：
制造。
金融。
医疗。
政府。
教育。
军事。
能源。
供应链。
问题就变了。
因为这时候 AI 已经不只是一个软件。
它开始参与：
谁生产什么、怎么生产、如何决策。
于是一个国家真正要问的问题就变成：
如果关键行业都依赖别人提供的 AI，我还能不能独立决定自己的生产系统怎么运行？
这就是“主权 AI”出现的底层逻辑。
Brookings 对 AI sovereignty 的定义也非常重要：它并不是要求一个国家把整个 AI 产业全部自己造出来，而是提高本国在关键 AI 基础设施、模型和数据上的自主决策能力，降低对少数企业和国家的依赖。
所以：
主权 AI ≠ AI 自给自足。
更接近：
关键时候，我不能完全没有选择。
二、真正奇怪的地方：很多国家争的甚至不是“自己的模型”
这可能是普通人最容易忽略的一点。
CNAS 最新数据里，2026 年上半年新增的主权 AI 项目中：
80%是基础设施项目。
而数据项目只有：
约5%。
这意味着很多国家现在真正做的第一件事情，并不是：
“我要训练一个世界第一的大模型。”
而是：
“我要确保我的国家至少有算力、有部署能力、有本地 AI 运行环境。”
为什么？
因为模型可以更新。
产品可以采购。
甚至某些模型能力可以直接通过 API 获得。
但如果：
数据存在哪里，
算力在哪里，
模型在哪里运行，
核心系统由谁维护，
服务由谁提供，
出现国际冲突时谁能够继续使用，
这些都完全掌握在别人手里，
那么：
AI能力看起来属于你，实际上你的生产能力却可能依赖别人。
所以很多国家首先争的，是：
“不要失去选择权。”
三、第二场博弈：美国想出口的，为什么是一整套 AI？
这时候再回来看美国的 American AI Exports Program，就会发现它比普通技术出口更有意思。
美国商务部招募的不是单个产品。
而是：
AI优化硬件。
数据中心。
数据管道。
模型。
网络安全。
行业应用。
也就是一套完整的技术栈。
这意味着竞争开始从：
“谁卖出了更多芯片？”
往前走了一步。
变成：
“谁的整套 AI 技术体系进入更多国家？”
如果一个国家的企业使用某套模型，
它可能继续使用同一套云。
同一套工具链。
同一套安全标准。
同一套数据接口。
同一套开发环境。
久而久之，它获得的就不只是一个 AI 产品。
而是一整套：
AI 生产环境。
这就是为什么“出口 AI”和“出口一台服务器”完全不是同一个概念。
四、于是第三场博弈出现了：使用效率 vs 自主选择
对于一个国家来说，完全自己建设 AI，很贵。
所以最简单的方法当然是：
直接使用全球最成熟的产品。
这有明显好处：
成本低。
上线快。
技术成熟。
不用自己承担全部研发费用。
但另一边是：
依赖增加。
数据治理更复杂。
长期成本可能变化。
技术路线受制于人。
关键时刻存在供应中断或政策变化的风险。
因此国家真正面对的是一道选择题：
我愿意为了更高效率，接受多少依赖？
我又愿意为了更多自主权，承担多少额外成本？
这才是“主权 AI”最核心的经济账。
而且答案不会完全一样。
有些国家可能更愿意直接采购。
有些国家会建设自己的算力。
有些国家会做本地模型。
还有一些国家可能采取混合模式：
核心能力自己掌握，其他能力向全球采购。
所以“主权 AI”不是一种统一路线。
它更像是一条从高度依赖到更高自主性的连续谱。
五、这也是为什么中国和欧洲都在做自己的 AI 基础能力
中国的十五五规划已经把：
算力、算法、数据
明确作为数智化发展的底座，并提出加强高性能智算资源供给、推进全国一体化算力体系、培育自主可控的软硬件生态。
这里真正值得注意的并不是“又建了多少算力”。
而是它把：
算力、模型、数据、软硬件生态、产业应用
放进了同一个体系里。
这说明国家层面考虑的已经不是某一个 AI 产品。
而是：
如果 AI 要成为整个经济的生产能力，那么这套生产能力是不是必须能够持续运行？
欧洲走的是另一种路径。
2026 年6月，欧盟提出技术主权方案，把芯片、基础设施、软件、云和 AI 放进一个完整体系；7月又启动最多7座 AI Gigafactories 的招标，计划以最高100亿欧元公共资金撬动至少200亿欧元私人投资，并明确提出“technological sovereignty”。
所以中美欧虽然政策路径不同，但至少能看到一个共同变化：
AI开始从“企业买什么产品”，变成“国家需要什么生产基础设施”。
六、真正被争夺的，是 AI 的几个“控制点”
如果把 AI 拆开：
芯片 ↓ 算力 ↓ 云 / 数据中心 ↓ 模型 ↓ 数据 ↓ 软件工具链 ↓ 行业应用 ↓ 生产系统
这里真正重要的不是：
每一层都必须自己拥有。
而是：
哪些层一旦完全依赖别人，自己的选择空间就会明显下降？
例如：
一个国家完全依赖外国云。
它可能仍然拥有自己的企业。
但如果云服务突然受到出口管制，
或者数据跨境规则改变，
或者服务成本大幅变化，
那企业的 AI 能力就会受到影响。
同样：
国家可以不自己训练最强模型。
但如果完全依赖一个外部模型，
那么：
模型能不能用，
价格是多少，
数据怎么处理，
更新路径是什么，
企业是不是可以持续访问，
都会成为外部条件。
所以：
真正值得争的不是“每一个零件都国产”。
而是：
关键节点不能全部没有替代方案。
七、还有一个大家很少想到的变化：AI可能像过去的能源和通信一样，开始形成“体系分区”
过去全球化最重要的特点之一，是：
不同国家可以大量共享同一套技术基础设施。
但 AI 不完全一样。
因为它同时涉及：
数据。
模型。
算力。
云。
网络安全。
标准。
政府服务。
国家安全。
这些东西都带有很强的制度属性。
因此，全球 AI 可能出现一种新状态：
AI体系 A ↓ 自己的芯片 / 云 / 模型 / 数据 / 标准 AI体系 B ↓ 自己的芯片 / 云 / 模型 / 数据 / 标准
中间仍然可以连接。
但不一定完全兼容。
BCG今年的研究已经把中美 AI 技术栈逐渐分化的问题列为全球企业需要面对的战略问题之一。
CNAS更进一步发现，“主权 AI”已经从少数富裕国家扩散到了全球 67 个国家，其中包括印度、菲律宾、埃及、加纳等此前并不属于主要 AI 强国的国家。
这说明：
这已经不只是中美竞争。
越来越多国家都在问：
“我到底应该站在哪个 AI 体系里？”
甚至：
“我能不能同时保留多个选择？”
八、所以未来真正的竞争，可能是“AI能力的可替代性”
这可能比“谁的模型第一”更重要。
假设某个国家只有一个外部 AI 供应商。
那么：
供应商议价权很高。
如果它有两个。
议价空间增加。
如果它能够自己运行部分核心模型，
就又增加一层选择。
如果关键数据、算力和基础设施也能够本地运行，
那么依赖程度进一步下降。
所以 AI 的竞争可以被重新理解成：
不是谁拥有绝对最强的 AI，
而是谁拥有更多持续使用 AI 的选择。
这其实和能源安全非常像。
不是说一个国家所有石油都必须自己生产。
而是：
关键时候不能完全没有替代方案。
AI也一样。
九、这场博弈最后会影响普通企业
这时候 AI 才真正从“国家战略”进入企业账本。
一家企业如果今天使用海外 AI：
它的成本可能更低。
效率可能更高。
上线可能更快。
但它同时也在承担一种新的依赖。
一旦未来出现：
数据跨境规则变化。
模型服务调整。
API价格变化。
出口限制。
供应商退出某个市场。
企业就可能需要重新搭建。
所以未来企业的 AI 选择可能不只是：
“哪个模型最强？”
而会变成：
哪个模型最强？
哪个模型最稳定？
哪个模型可以长期使用？
如果它不能用了，我有没有第二套？
这意味着：
AI供应链可能最终不仅仅是一条成本链，也是一条风险管理链。
十、普通家庭真正值得关注的，也不是“谁的模型第一”
因为国家之间争的是 AI 生产能力。
企业最终争的是：
生产率。
家庭真正感受到的，则可能是：
哪些行业因为 AI 获得了更高效率。
哪些职业开始减少重复劳动。
哪些企业因为 AI 降低成本。
哪些行业因为 AI 出现新的竞争者。
哪些城市因为 AI 产业获得更多资本和工作机会。
以及：
你的工作、企业和资产，依赖的是哪一套 AI 基础设施。
所以普通人真正值得理解的是：
AI不是一个单独的 App。
它正在逐渐变成一种生产基础设施。
一旦成为基础设施，
“谁提供”、
“谁控制”、
“能不能替代”、
“出了问题能不能继续使用”，
就不再是技术问题。
而变成了：
经济问题。
十一、这才是 AI 真正的国际博弈
所以回到开头。
美国正在推动 full-stack AI 向海外输出；同时，全球已经出现184个政府支持的主权 AI 项目，覆盖67个国家。
表面上，这是两件事情。
实际上，它们构成了一个非常清楚的张力：
一边希望自己的 AI 技术体系被更多国家使用。
另一边，希望减少对外部 AI 体系的结构性依赖。
于是 AI 的国际竞争开始出现一个新的问题：
未来卖出去的到底是一套 AI 产品，还是一套生产方式？
未来一个国家获得的到底是一项 AI 能力，还是对另一套 AI 体系的长期依赖？
这可能才是 AI 时代最值得研究的一场博弈。
不是：
谁的模型参数最多。
也不是：
谁的芯片最多。
而是：
当 AI 成为下一代生产能力以后，谁拥有持续使用它的选择权。
十二、再把四张地图放在一起
第一篇黄金：
风险出现以后，谁重新定价信用？
第二篇稳定币：
资金流动变化以后，谁争夺新的连接点？
第三篇石油：
安全风险进入实体以后，谁承担新增成本？
第四篇 AI：
新的生产能力出现以后，谁掌握使用和配置它的选择权？
于是四篇其实是在看四种不同的重新分配：
黄金 → 风险与信任 稳定币 → 钱与连接点 石油 → 成本与利润 AI → 生产能力与选择权
最后还是回到一个普通家庭真正应该关心的问题：
当世界重新分配风险、资金、成本和生产能力时，什么在扩大你的选择空间，什么又在缩小它？
这才是《世界运行地图》真正想看的。
十三、证伪条件
① 主权 AI 是否真的持续扩张？
如果全球主权 AI 项目停止增加，或者大量项目最终无法形成持续运行的本地能力，那么“AI自主权正在成为国家级竞争变量”的判断需要下调。
② AI 体系是否真的出现长期分化？
如果不同国家最终越来越依赖同一套全球化 AI 基础设施，而不同技术栈之间保持高度兼容，那么“AI体系分区”的判断需要修正。
③ 自主能力是否真的有经济价值？
如果建设本地 AI 基础设施的成本长期明显高于直接使用全球服务，而没有带来足够的安全、生产率或产业收益，那么各国最终可能重新回到更高程度的外部采购。
所以真正值得观察的不是：
谁今天的模型最强。
而是：
哪些国家在未来几年，真的获得了持续使用 AI 的自主选择权。
因为 AI 最终会不会成为下一代生产能力，不只取决于它有多强。
还取决于：
谁能够长期用它。