欧盟启动七座 AI Gigafactories 招标，资金考验迫在眉睫

欧盟启动了七座 AI Gigafactories 的招标，将一项规模达 300 亿欧元的基础设施战略推上 Google News，尽管该计划面临重大的资金和供应风险。该计划将最多 100 亿欧元的公共支持，与预计至少 200 亿欧元的私人投资相结合。

布鲁塞尔希望这些设施能为欧洲企业提供充足的算力，以开发下一代 AI 模型。四个站点将各配备至少 75,000 枚先进处理器，另外三个更大型设施的目标则是至少 100,000 枚处理器。

这项宣布看起来像是欧洲对美国和中国正在建设的超大型 AI 数据中心的回应。不过，这场竞争并不只是欧洲与两个更大技术市场之间的较量，而是欧洲的技术主权承诺，与其对外国芯片、私人资本、能源和云服务专业能力的持续依赖之间的博弈。

欧盟已将 AI 雄心转化为七个站点的招标项目

关键变化在于，欧洲的 Gigafactory 构想如今已有采购流程、容量目标和截止日期。

欧盟委员会于 2026 年 7 月 30 日启动征集。申请方须在 2026 年 11 月 12 日前，提交在参与的欧洲国家建设最多七座设施的方案。

委员会将 AI Gigafactory 定义为用于开发和训练先进模型的大型计算设施。每个站点将整合处理器、网络、软件、云服务、存储、安全访问系统，以及高能效数据中心基础设施。

这一界定十分重要，因为 AI Gigafactories 并非传统制造工厂。它们生产的是算力和模型训练任务，而不是实体产品。

这些规划中的设施也不同于欧洲现有的 AI Factories。后者规模较小，将超级计算机与研究人员、初创公司、公共机构和行业用户连接起来。

欧洲现已在其更广泛的计算网络中拥有 19 座 AI Factories 和 13 个相关节点。委员会表示，至少还有九台针对 AI 优化的超级计算机将扩展这一体系。

在规模上，Gigafactories 位于这些设施之上。委员会此前的 AI factory program 将拥有超过 100,000 枚先进处理器的设施描述为下一层级的基础设施。

新的招标将这一雄心划分为两个容量等级。四座拟议设施将至少包含 75,000 枚处理器，另三座则至少包含 100,000 枚。

这些处理器数量是目标，而非已安装容量。目前尚无中标财团完成站点建设，委员会也尚未公布七个主办地点。

公共融资结构同样重要。欧盟和参与国政府将提供最多 100 亿欧元，私营企业预计则需至少投入 200 亿欧元。

这使该头条项目成为一项规划中的、规模 300 亿欧元的公私合营投资。但这并不意味着布鲁塞尔已经开出了七张支票，或已为每一欧元获得完整保障。

这一结构也代表着对 2025 年 2 月公布方案的调整。当时，欧盟委员会主席 Ursula von der Leyen 曾提及一项 200 亿欧元基金，用于支持最多五座 Gigafactories。

成员国和业界的兴趣促使官员将规划数量扩大至七座。委员会此前收到 77 份意向书，涵盖 16 个成员国的 60 个潜在站点。

这一反应显示了对本土计算基础设施的政治需求，但并未证明每个拟议财团都具备可行的商业模式、电网接入或融资方案。

正式招标现在必须将可信项目与雄心勃勃的展示方案区分开来。申请方需要说明其硬件获取渠道、建设计划、能源来源、云架构、客户需求和资金承诺。

据 July coverage 报道，委员会希望这些设施从 2028 年年中起投入运营。这一时间表意味着，欧洲只有不到两年时间来选定项目并开始交付可用容量。

Google News 的报道强调了七座设施，以及与华盛顿和北京之间的竞赛。更棘手的故事始于标题之后：财团必须将采购文件转化为真正运转的基础设施。

欧洲为何要为算力投入公共资金

欧洲正将获取先进算力视为工业基础设施，而非普通云服务。

训练大型 AI 模型需要数千枚处理器通过高速网络协同工作。硬件必须快速接收数据、交换中间结果，并在长时间训练任务中稳定运行。

欧洲较小的公司很少能掌控如此规模的基础设施。它们通常向超大规模云服务商租用容量，或通过研究计算中心协商获取资源。

这种安排带来多重压力。容量可能十分昂贵，可用性会波动，而底层服务往往来自美国公司。

欧洲政策制定者将这种依赖视为经济和战略上的弱点。一个地区可以拥有研究成果和监管规则，却仍可能缺乏将理念转化为有竞争力模型所需的基础设施。

负责技术主权事务的欧盟委员会执行副主席 Henna Virkkunen 表示，随着 AI 开发加速，原始算力规模已成为“战略必需品”。这一表态反映出布鲁塞尔优先事项的转变。

过去十年间，欧洲大量投入于构建数字市场、隐私、平台竞争和人工智能领域的规则。这些规则依然居于核心地位，但欧盟如今希望对受监管服务底层的基础设施拥有更多掌控权。

压力首先落在欧洲 AI 开发者身上。Mistral AI 等公司需要可靠算力来训练和优化模型，同时还要与资金更雄厚的美国和中国开发者竞争。

这种压力也延伸至工业企业。汽车制造商、制药企业、制造商、能源供应商和机器人开发商，正日益需要使用专有数据训练的专业模型。

将敏感信息发送到受外国控制的基础设施中，可能引发治理和采购方面的担忧。受监管组织可能需要更明确的保障，涉及数据位置、访问权限、安全性和法律管辖权。

Gigafactory 计划承诺提供遵循欧洲规则的安全云环境，同时也提出为初创企业、成长型企业、研究人员和公益项目提供访问权限。

这一访问政策使欧盟计划不同于仅为一家科技公司建设的数据中心。公共融资意味着更广泛的群体应能获得容量。

修订后的 EuroHPC 框架为这些公私合营设施确立了法律路径。Council’s agreement 还包含旨在保障初创企业和成长型企业访问权的保护措施。

经济层面的论点不止于模型训练。大型计算设施会吸引网络供应商、冷却技术专家、电力开发商、软件团队、安全服务商和技术人才。

欧洲官员还希望该计划能刺激区域半导体产业。要实现这一结果，不能只是购买进口加速器并将其放进欧洲建筑中。

这些设施需要欧洲的软件、云服务、网络、能源系统和运营专长，才能产生更广泛的产业收益。否则，大部分投资将流向既有的外国供应商。

委员会已将 Gigafactories 与一项更广泛目标联系起来，即在五至七年内将欧洲数据中心容量提升至原来的三倍。这一扩张将支持少数前沿模型公司之外更广泛的 AI 应用。

获取资源并不会自动创造成功产品。开发者仍需要人才、数据、分发渠道、研究领导力，以及愿意为其系统付费的客户。

不过，在其他优势发挥作用之前，算力不足就可能让一支有能力的团队止步。欧洲投入公共资金，是因为政策制定者不再认为市场会迅速自行解决这一瓶颈。

对开发者和企业采购方而言，实际问题在于该计划能否创造可用容量。一座访问规则复杂的远程设施，其价值低于团队需要时即可使用的较小系统。

知识工作者同样与这一基础设施决策息息相关。更多欧洲本土容量，可能支持围绕更严格数据控制和区域特定法律要求构建的服务。

评估这些服务的团队，需要在数年间跟踪相关声明、合同和技术文档。可检索的 personal knowledge base 可以帮助整理这些不断变化的证据，而不将每一项宣布都当作已完成的成果。

Google News 描绘了一场欧洲无法仅靠建筑取胜的竞赛

核心竞争在于，欧洲的技术主权承诺与建设这种主权所需的外国依赖之间的矛盾。

“赶上美国和中国”是一个简洁的标题，但它掩盖了资本、芯片、云平台、能源、模型和市场采用等多个不同层面的差距。

美国拥有能够依靠自身资产负债表为数十亿美元计算园区融资的超大规模云服务商。它还拥有 Nvidia、AMD、主要云服务商，以及许多领先的模型开发者。

中国已建设大型计算集群，同时支持本土芯片生产、云平台和开放模型生态系统。出口管制促使中国机构提升硬件效率，并降低对美国组件的依赖。

欧洲拥有重要研究机构、半导体设备领域的专业能力、工业客户和可再生能源资源。但它拥有的前沿模型开发者较少，也没有能够直接替代 Nvidia 领先训练加速器的欧洲产品。

这正是欧盟与 Nvidia、AMD 和 Qualcomm 签署意向书的原因。这些安排旨在帮助参与财团确保获得处理器。

这些意向书应对了一项真实的采购风险，但也暴露出技术主权叙事中的核心矛盾。

一座数据中心可以建在欧洲土地上、遵守欧盟法律、服务欧洲客户，同时仍依赖美国处理器。它也可能使用美国的网络产品、软件框架和云管理系统。

委员会承认，欧洲目前并不生产这些设施所需的最先进加速器。官员预计，欧洲替代方案将在后续阶段进入这些系统。

这一后续转型仍未得到明确界定。它取决于芯片设计、制造能力获取、软件兼容性、性能和客户信心。

AI 加速器的实用性不止取决于晶体管性能。开发者需要成熟的编程工具、经过优化的库、文档，以及了解这些硬件的工程师。

Nvidia 的地位部分建立在 CUDA 之上。CUDA 是其用于在图形处理器上运行通用计算工作负载的编程平台。替代这一环境不仅涉及硬件采购，也需要进行软件迁移。

欧洲可以在不彻底消除依赖的情况下减少依赖。采用多供应商采购、开放软件层、共享技术标准以及长期半导体投资，能够防止单一供应商控制所有层级。

但这种做法可能增加集成成本。支持多种硬件架构的设施，所需工程工作可能多于标准化集群。

因此，欧盟必须界定其对主权的理解。在本次招标的时间范围内，实现完全的技术独立并不现实。

运营控制提供了一个更狭义、也更可实现的目标。欧洲实体可以在采购外国组件的同时，控制场地访问、数据处理、服务优先级、安全政策和资源分配规则。

供应韧性则是另一个可衡量的目标。设施可以避免依赖单一供应商、单一电源、单一网络运营商或单一云管理层。

这些目标比声称进口硬件能够打造独立的欧洲技术栈更可信。它们也为企业客户评估该计划提供了更清晰的标准。

EuroHPC regulation体现了这种平衡。该法规允许公私合作，同时引入安全、参与、采购和访问条件。

该法规还承认，现有 EuroHPC 机制不足以支持超级工厂的开发和运营。更大规模的设施需要不同的融资和治理结构。

Google News 读者可能会将该计划视为一张地缘政治成绩单。欧洲的七个站点可以与美国和中国公布的大型基础设施项目并列比较。

仅凭处理器数量无法证明竞争力。集群的价值取决于利用率、可靠性、软件质量、训练效率，以及由此打造出的模型或产品。

如果建设延期、电力持续受限，或客户无法获得算力，拥有 100,000 个处理器的设施也可能表现不佳。若能持续解决有价值的问题，规模更小的集群反而可能更重要。

对欧洲而言，最佳情形不是在数字规模上复制美国模式，而是建立一个与欧洲工业优势、科研机构和受监管市场相匹配的基础设施网络。

这种方式可以支持面向制造业、科学、医疗、机器人、气候分析和公共管理的专用模型。它并不要求欧洲打造全球最大的通用聊天机器人。

风险在于，政治宣传可能更奖励算力公告，而非实际成效。七座令人瞩目的建筑可以完成一个显眼的基础设施目标，却无法弥合产品和采用方面的差距。

这正是为什么主要的对手是承诺与执行之间的落差。美国和中国提供了外部标杆，但欧洲眼前的考验在于其自身的融资和采购体系能否兑现成果。

资金、电力与需求缺口仍未填补

招标开启了困难阶段，因为该计划的大部分资金、能源、硬件和客户仍有待落实。

公共融资占拟议 300 亿欧元投资的三分之一。欧盟预算将提供约 50 亿欧元，参与国政府则将再提供 50 亿欧元。

剩余的 200 亿欧元必须来自私人投资者。这些企业需要确信，超级工厂的客户将购买足够的算力，以证明建设和运营成本合理。

这种需求并无保障。欧洲拥有颇具潜力的初创企业和大型工业公司，但持续进行前沿规模训练的组织数量少于美国。

一个联盟可以为初创企业和研究人员预留算力，同时仍需要大型核心客户。这些客户往往决定贷款方和投资者是否认为数据中心项目具备融资可行性。

云服务提供商通过汇集众多客户和服务的需求来解决这一问题。由公共部门引导的超级工厂则必须兼顾商业利用率、访问要求和战略目标。

这些优先事项可能相互冲突。向初创企业提供低价访问会减少收入，而最大化商业回报则可能使公共投资对小型用户更难获得。

融资还取决于本次招标之外的政治决策。根据资金分析，欧盟计划投入的大部分资金依赖于下一轮长期预算。

成员国仍在就该预算进行谈判。相互竞争的优先事项可能改变最终金额、时间安排或附带条件。

委员会表示，若无法获得全部资金，其已有应急方案。但这些替代方案尚未公开到足以消除不确定性的细节程度。

各国政府也面临自身的权衡。东道国必须考虑补贴、电网升级、土地使用、用水需求、许可审批，以及对当地电价可能产生的影响。

AI 数据中心持续消耗电力，并需要大量冷却。其环境影响取决于气候、冷却技术、电网设计、利用率和能源合同。

委员会表示，可持续性将影响项目遴选。申请方必须提出环境目标，但招标最终的执行力度比笼统承诺更重要。

新增发电能力尤为重要。将现有低碳电力转供给超级工厂，可能推高价格，或迫使其他消费者使用碳强度更高的能源。

电网接入构成另一个瓶颈。项目可能已获得资本和处理器，却仍要等待数年的输电容量、变电站或许可。

因此，选址决定将揭示该计划的优先事项。靠近充足低碳电力的地点，可能带来更低的运营排放和更可预测的成本。

靠近研究中心和工业客户的地点，则有助于提升人才获取和利用率。几乎没有地点能同时优化电力、冷却、网络、劳动力和需求。

在易受干旱影响的地区，用水可能成为政治敏感议题。运营商可以使用空气冷却、液冷、再生水或闭环系统，但每种方案的成本和能源需求各不相同。

备用发电同样值得审视。柴油系统能够保障可靠性，却可能削弱环保主张，尤其是在设施需要大量备用容量时。

硬件交付构成另一项风险。全球对加速器的需求依然旺盛，领先供应商通过长期客户关系分配产能。

意向书能够改善沟通与规划，但无法保证每个联盟都能按其期望的时间表获得所需数量的处理器。

技术也可能在建设期间发生变化。围绕当今加速器设计的设施，可能在新一代系统已经改变功率密度、冷却需求和网络要求后才投入运营。

好的方案必须考虑这种过渡。模块化的电力、冷却和网络设计，可以降低以过时架构开业的风险。

随后还有软件和人员问题。数以万计的处理器若没有集群工程师、安全团队、模型专家、调度软件和全天候维护，就无法高效运行。

欧洲在全球范围内争夺这些人才。公共采购的时间表和雇佣结构，可能难以与大型科技公司提供的薪酬相抗衡。

这些风险并不意味着该计划必然失败。它们表明，300 亿欧元这一数字应被视为投资目标，而非已经交付的基础设施。

委员会已经超越了概念公布阶段，但尚未摆脱执行风险。Google News 的标题捕捉到了地缘政治雄心，却大多没有呈现这些依赖因素。

七座设施不会自动造就七个 AI 赢家

只有当新增算力产出具有竞争力的模型、服务和工业应用，欧洲才能缩小其 AI 差距。

基础设施是必要投入，但并非完整的创新战略。超级工厂需要能够把计算能力转化为人们和企业愿意采用的产品的客户。

前沿模型训练最受关注，因为它消耗极其庞大的计算资源。不过，推理——即为用户运行已训练模型的过程——可能带来更持续的需求。

欧洲设施必须决定，多少算力用于训练，多少用于已部署的应用。这些工作负载需要不同的调度、延迟、可靠性和商业安排。

研究项目可以容忍偶尔排队。工厂机器人、医疗服务或业务应用则可能需要持续可用性和明确的服务保障。

这为欧洲的工业基础创造了机会。欧洲制造商拥有广泛的运营数据和专业问题，而通用模型并不总能很好地处理这些问题。

一家汽车供应商可能训练用于质量检测和维护预测的模型。一个制药联盟可以利用安全计算进行分子筛选，同时不暴露专有研究成果。

能源运营商可以开发用于电网预测和设备监测的模型。公共机构可以构建围绕欧洲语言、法律和行政程序设计的语言系统。

这些应用无需赢得聊天机器人基准测试，也能创造经济价值。它们同样契合欧盟对在明确法律控制下运行的可信系统的偏好。

这一模式并非没有风险。工业数据是碎片化且敏感的，并且常常存储在从未为大规模 AI 训练设计的系统中。

企业在将这些信息输入共享基础设施之前，需要建立治理、权限、文档和评估流程。仅有算力无法修复薄弱的数据实践。

欧洲初创企业也可能在分发方面面临困难。如果开发者无法触达客户，或无法与常见企业平台集成，技术实力强的模型影响力仍然有限。

美国云服务提供商将模型与数据库、安全工具、开发者服务和成熟销售渠道打包提供。欧洲超级工厂必须将算力与可比的服务体验连接起来。

因此，这些设施需要的不只是处理器租赁。它们还需要技术支持、安全的数据环境、模型评估、部署工具和可预测的访问规则。

现有 AI Factory 网络为这类支持提供了基础。大学、超级计算中心、创新中心和公共项目可以帮助较小组织准备工作负载。

在七个大型设施和 19 个较小的 AI Factories 之间进行协调将十分困难。不同的硬件、申请流程、服务级别和法律结构，可能造成碎片化的用户体验。

通用接口和可移植工作负载能够缓解这一问题。初创企业在欧洲不同站点之间迁移时，不应需要重建整个软件栈。

透明的资源分配规则同样重要。获得公共支持的设施需要具备可辩护的流程，以平衡初创企业、大学、国家优先事项和商业客户。

政治分配过多会降低利用率和质量。商业分配过多则可能使公共基础设施沦为对本已实力强劲企业的补贴。

独立报道应追踪实际使用情况，而非公布的容量。可参考的指标包括处理器利用率、等待时间、初创企业的准入情况、模型发布、专利、营收以及已部署的工业系统。

欧洲还应以可比格式公开能源和排放数据。缺少这些披露，相关可持续性主张仍将难以评估。

AI Index 已记录了美国和中国在重要模型开发方面的集中态势。欧洲推动基础设施建设正是为了应对这一失衡，但采购处理器无法立即消除差距。

人才、资本、产品执行能力和风险承受意愿仍是核心因素。超级工厂可以降低一道门槛，却无法解决其余多项障碍。

最理想的结果，是形成一系列各具特色的欧洲成功案例，而不是七个千篇一律的国家级冠军项目。不同站点可以专注于科学研究、工业 AI、多语言模型、机器人技术或受监管服务。

专业化可以减少低效重复建设，并形成更清晰的客户群体。它也能让各设施的成果更易于评估。

较差的结果则是七个按政治考量分布的项目，为同一批有限用户相互竞争。这样的结构可能分散专业能力并降低利用率。

东道国谈判将显示该计划会走向何方。欧盟委员会必须在地域参与和集中布局的经济效益之间取得平衡。

关注欧洲 AI 基础设施的读者，不应以开工或揭幕仪式来评判这项战略。更重要的问题是，开发者能否获得可靠的算力，并将其转化为能够脱离试点项目持续运行的系统。

首座超级工厂启用前值得关注什么

三个信号将显示，欧洲是在建设 AI 能力，还是在资助一批昂贵的建设项目。

第一个信号是 11 月 12 日截止日期后的遴选过程。中标方案应披露可信的选址、已落实的投资者、电力安排、硬件计划和客户需求。

若遴选主要由政治分配主导，将削弱该计划的经济合理性。若入选的是一批技术成熟、资源已落实的财团，则会增强其可信度。

读者应关注欧盟委员会是否公布评分细节。清晰的说明能够展示官员如何权衡可持续性、准入、融资、安全性和技术准备程度。

第二个信号是具有约束力的私人投资。该计划的头条数字取决于企业至少投入 200 亿欧元，因此仅有意向表达远远不够。

财团需要获得投资者、运营商、硬件供应商和核心客户签署的承诺。承诺延迟落实或规模缩水，将反映出市场对利用率和回报的疑虑。

融资结构尤其值得关注。过度依赖贷款或附条件支持，可能让项目在关键风险尚未解决前就显得已经获得融资。

如果私人承诺与客户合同相结合，其分量会更重。买方预订长期算力，比仅因补贴而作出回应的投资者更能证明真实需求。

第三个信号是 2028 年年中之前的基础设施准备情况。场地许可、电网接入、处理器订单、冷却系统和施工里程碑应按相互匹配的时间表推进。

延迟的电力接入可能使原本已建成的数据中心无法使用。硬件延迟则可能让已通电的建筑缺少服务客户所需的设备。

欧盟委员会应以一致格式报告所有入选站点的这些里程碑。这将使纳税人、开发者和企业买家能够区分实际进展与宣传活动。

2028 年年中是该计划的首次重大交付考验，而不是最终评判。即使设施投入运营，也仍需要时间吸引用户、稳定工作负载并产出有意义的应用。

Google News 将继续突出巨额融资总额和地缘政治比较。读者应透过这些数字，寻找运营层面的证据。

欧盟如今已为建设七座 AI 超级工厂开辟了切实路径。但它尚未落实所有投资、安装处理器、接通电力，也尚未培育出将使用这些设施的企业。

这一差别应指导人们如何解读接下来的公告。招标授标将确定欧洲希望将算力部署在何处，而利用率将揭示欧洲是否确实需要在那里部署它。

开发者应关注准入条款和支持的硬件。企业买家应追踪安全保障、数据控制、服务可靠性，以及承诺的算力是否真正能够商业化供应。

政策制定者应公布可衡量的成果，包括利用率、初创企业参与度、能源需求和已部署的应用。这些指标比将设施数量与美国或中国进行比较更重要。

对于通过 Google News 关注这一进展的人来说，下一步很简单：保存招标截止日期，审视中标财团，并将其承诺与后续施工记录进行比较。只有当公共资金吸引私人资本、海外芯片到位、电网为站点供电、客户使用最终形成的算力时，欧洲战略才会变得可信。在这些环节协同之前，七座超级工厂仍是一项严肃的产业计划，而非欧洲已弥合 AI 差距的证明。