随着企业 AI 进入生产阶段，欧洲科技集团需求走强

尽管市场担心模型开发商将攫取大部分价值，SAP、Capgemini、Sopra Steria 和 OVHcloud 仍报告称 AI 需求正在增强。

这一发展挑战了 Google Techmeme 上一个常见的叙事。OpenAI、Anthropic、Google 和其他模型开发商创造了吸引投资的技术。然而，欧洲老牌厂商正日益掌控将这些技术连接至企业数据、工作流程、基础设施和监管控制体系的艰难工作。

近期财报和高管评论表明，企业客户正超越孤立的演示阶段。他们如今需要能够在财务、制造、客户服务、人力资源和公共部门环境中运行的 AI 系统。

这一转变有利于拥有既有客户关系并可接入运营系统的供应商。SAP 掌握了企业应用数据的重要层面。Capgemini 和 Sopra Steria 管理复杂的技术项目，而 OVHcloud 则提供由欧洲控制的计算基础设施。

这一变化并不意味着欧洲已超越美国模型开发商。欧洲企业在许多部署中仍依赖外国芯片、模型和云技术。但这表明，打造一个能力出色的模型只是商业竞争的一部分。

更困难的问题是谁能将该模型转化为可靠的生产系统。欧洲老牌科技公司如今对此给出了可信的答案。

四家欧洲公司正在看到同样的需求信号

重要的变化并不是又一项 AI 产品发布，而是软件、咨询、集成和基础设施领域同时出现了相关需求。

SAP 报告第二季度云业务收入为 62.8 亿欧元，按固定汇率计算增长 24%。其当前云业务积压订单——即预计将在未来 12 个月内确认的已签约云收入——达到 229.3 亿欧元。

云 ERP Suite 收入按固定汇率计算增长 27%，至 55.3 亿欧元。软件许可证收入下降 32%，至 1.31 亿欧元，进一步印证该公司正持续从预付许可证转向经常性云服务。

SAP 维持其 2026 年云业务收入展望，尽管下调了预期的非 IFRS 营业利润。根据其季度业绩，这一调整反映了其收购 Dremio 和 Prior Labs 带来的摊薄影响。

Dremio 开发数据湖仓技术，帮助企业分析分布式系统中存储的信息。Prior Labs 开发面向结构化数据的基础模型，即支撑许多商业应用的表格和记录。

这些收购体现了 SAP 的路径。它并非只试图依靠通用聊天机器人取胜，而是在其软件中已存储的业务记录周围整合数据、应用和 AI 系统。

Capgemini 从另一个位置观察到了需求。该咨询和技术服务公司报告，2026 年第一季度收入为 59.4 亿欧元，按固定汇率计算增长 11%。

订单额达到 60.5 亿欧元，按固定汇率计算增长 6.2%。首席执行官 Aiman Ezzat 表示，这一表现支持 Capgemini 的云和 AI 战略，尤其是在大型组织中部署的复杂转型项目方面。

该公司还认为，AI 扩大了其可覆盖的支出范围。AI 项目可以从运营、研发、客户服务和产品预算中获得资金，而不仅仅是传统的信息技术预算。

因此，当客户从演示推进至全公司范围的系统时，Capgemini 将受益。试点项目或许只需要一个模型和小型开发团队；生产部署则需要集成、安全、数据准备、流程再设计、监控和员工培训。

Sopra Steria 的定位类似，尤其面向欧洲政府、金融机构、航空航天公司和其他受监管组织。该公司计划在 2026 年全球招聘超过 8,500 人，其中包括涉及数据、AI、云工程和网络安全的职位。

预计其中近 90% 的岗位将设在欧洲。招聘计划并不保证未来收入，但显示出管理层预计客户工作将朝何处发展。

OVHcloud 则补上了基础设施层面。其 2026 财年上半年收入达到 5.553 亿欧元，有机增长 5.5%。调整后 EBITDA 为 2.272 亿欧元，占收入的 40.9%。

该公司还推出了专注于垂直领域代理型 AI 的 AI 实验室。AI 代理是一种能够为实现既定目标选择并执行行动的软件，而不只是返回文本。

这些信号合起来覆盖了企业技术栈。SAP 提供应用和受治理的业务数据；Capgemini 和 Sopra Steria 实施系统；OVHcloud 则提供面向重视欧洲司法管辖权和运营控制的客户而设计的计算环境。

这种广度使得这个故事比单份强劲财报更具意义。需求正在生产链的多个环节同时显现。

为什么 Google Techmeme 的关注正超越模型开发商

AI 的价值正向部署环节转移，因为模型无法独立驾驭大型组织的系统、权限和问责结构。

生成式 AI 的第一阶段奖励了那些能够训练大型模型并吸引用户的公司。性能基准、模型发布和融资轮次主导了科技报道。

企业阶段有着不同的要求。公司必须决定模型可访问哪些记录、可执行哪些操作，以及当它犯错时由谁继续承担责任。

企业还需要将模型与数据库、身份系统、审计日志和既有应用连接起来。这些连接决定 AI 助手是能够完成有用工作，还是仅能生成看似合理的建议。

以一家使用 AI 调整生产计划的制造商为例。该系统需要当前库存记录、供应商承诺、销售预测、设备可用性和员工权限。它还需要规则，防止不确定的模型输出在未被察觉的情况下更改关键订单。

SAP 已经管理了其中许多记录和工作流程。这种既有地位赋予该公司一种杠杆，单凭提升模型基准表现无法复制。

同样的动态也适用于咨询公司和系统集成商。企业很少仅仅连接一个应用程序编程接口后便置之不理地部署企业软件。他们会重新设计流程、分类数据、协商员工职责，并在批准更广泛使用前测试故障情形。

Capgemini 报告称，AI 让其能够接触传统技术预算以外的支出。这一点很重要，因为生产级 AI 影响的是企业的运营模式，而不只是其软件部门。

客户服务部署可能涉及通话记录、消费者隐私规则、劳动力规划和质量控制。金融领域部署则需要访问限制、书面决策记录以及人工审查机制。

这些项目回报的是机构知识。Capgemini 和 Sopra Steria 了解客户的系统如何构建、适用哪些法规，以及过去的转型项目在哪些地方失败。

OVHcloud 则从计算层面的后果中受益。生产系统会产生持续的推理需求，即每当已部署模型作出响应或采取行动时所需的重复计算处理。

实验可以随时启动和停止。生产工作负载则需要容量、可靠性、数据驻留和可预测的运营。当采用成功时，它们会创造经常性的基础设施需求。

这一变化也解释了主权 AI 为何重新受到关注。该术语指数据、基础设施、运营和法律风险敞口均符合某个国家或组织控制要求的 AI 系统。

对于欧洲公共机构和受监管企业而言，主权可能影响供应商选择。他们必须考虑数据存储地点、适用哪个法律管辖区，以及外国政策决定是否可能中断访问。

OVHcloud 将自身定位为这些工作负载的欧洲替代方案。Capgemini 和 Sopra Steria 则将欧洲交付能力与美国及欧洲供应商的平台相结合。

这并不意味着实现完全独立。Nvidia 在先进计算中仍居核心地位，而美国公司提供了许多领先的商业模型和云平台。

不过，客户在将支出投向欧洲实施和托管合作伙伴之前，并不需要实现完美的技术独立。他们需要的是能够降低特定运营和法律风险的可行控制措施。

这正是老牌供应商正在追逐的商业机会。模型仍然重要，但部署决定客户能否获得可衡量的价值。

真正的竞争是模型所有权与工作流程控制权之争

主要冲突不再是欧洲老牌公司与年轻 AI 初创企业之间的竞争，而是模型所有权与企业工作流程控制权之间的竞争。

模型开发商拥有显著优势。他们拥有研究团队、模型训练专长、消费者分发渠道和庞大的投资资本。他们的产品也可以绕过传统企业销售流程直接触达客户。

但通用模型通常位于其旨在改进的业务流程之外。它不会自动理解一家公司的产品层级、审批规则、合同限制或历史决策。

企业软件供应商掌握了更多这类背景信息。SAP 的系统支持财务、采购、供应链、人力资源及其他运营职能。这些记录为 AI 系统提供了做出有用建议所需的结构化背景。

这并不能保证 SAP 会获取由此产生的价值。客户可以将竞争模型连接至 SAP 数据，而云服务商也可以提供自己的代理和集成工具。

因此，SAP 必须在不将客户困在狭窄模型选择中的前提下，让其数据层发挥价值。其 Business Data Cloud 和 Joule 助手是该战略的一部分。

该公司称，其应用包含关键任务领域知识。这是一个站得住脚的判断，但商业结果仍取决于采用率、准确性和新增收入。

Capgemini 和 Sopra Steria 面临的是同一冲突的不同版本。AI 系统可以自动化编码、文档编写、测试以及部分咨询交付。这些能力威胁到劳动密集型服务模式。

与此同时，自动化可以提高利润率，并使此前不具经济性的项目变得可行。它还可能增加客户尝试进行的技术变革规模。

Capgemini 的观点是，新增需求超过了自动化带来的威胁。其第一季度收入支持这一立场，但单个季度无法定论。

服务公司必须证明，AI 能够创造新的、可重复的服务，而不只是减少既有工作可计费的工时。随着模型变得更易获取，它们还需要保持对客户成果的主导权。

Sopra Steria 对主权和受监管行业的关注提供了一种应对方案。政府、国防、银行和关键基础设施领域的客户并不总能在缺乏严格控制的情况下采用公共 AI 服务。

该公司扩大了与开源技术相关的工作，帮助客户在不同环境中部署 AI。开源可以提升可移植性，因为客户能够检查或迁移系统中的更多组件。

其与 SAP 的合作也面向敏感欧洲工作负载的主权云环境。这一组合使 Sopra Steria 处于应用软件和基础设施之间，而这正是集成需求最强的领域。

OVHcloud 正在向模型层靠近。CEO Octave Klaba 告诉 Reuters，该公司计划训练一个前沿模型家族，即从头开始利用大规模数据集和计算集群训练的先进模型。

Klaba 估计，一个过去大约需要 10 亿欧元的项目，如今或许可以用 1.5 亿至 2 亿欧元尝试完成。他将这一变化归因于芯片、训练方法和合成数据的改进。

OVHcloud 已利用欧洲的 Jupiter 超级计算机完成预训练工作，不过该公司尚未公布详细性能结果。它计划在模型达到可接受水平后将其作为开源发布。

这一举措雄心勃勃，因为它推动 OVHcloud 超越托管业务。它也使公司面临更高的资本需求，以及与专门 AI 实验室的直接竞争。

不过，其更广泛的目标符合工作流控制这一论点。OVHcloud 希望在欧洲运营框架内为客户提供基础设施、模型访问、数据保护和部署服务。

未来的企业架构很可能会包含多家供应商。一家公司可能为特定工作负载使用美国模型、SAP 数据、Capgemini 实施服务和 OVHcloud 基础设施。

胜者未必拥有每一层。它将拥有决定这些层如何协同工作的接口、政策和客户关系。

对于关注 Google Techmeme 报道的读者而言，这正是核心逆转。AI 市场正在扩展到最初让生成式模型进入公众视野的公司之外。

强劲的 AI 需求仍须经受生产环境考验

财报表述可以显示客户兴趣，但无法证明已部署的 AI 系统正在带来持久回报。

仍存在若干不确定性。云收入可能因客户迁移现有软件而增长，即便 AI 功能带来的直接收入很少。

因此，SAP 的云积压订单是重要的需求指标，但并非 AI 销售的纯粹衡量标准。云 ERP 迁移、合同签订时点和更广泛的应用支出也会影响这一数字。

该公司下调运营利润展望凸显了另一种张力。SAP 一边投入资金获取 AI 和数据能力，一边保护其云转型预期带来的利润率。

其收购可能改善长期差异化能力。但如果产品重叠，或客户不采用这些产品，也可能提高整合成本并分散管理层注意力。

Capgemini 和 Sopra Steria 同样面临衡量问题。咨询公司越来越常将大型转型项目描述为与 AI 相关，即使其中大量工作实际上来自传统云迁移和数据工程。

投资者需要更清晰的证据，证明 AI 正在带来增量订单。他们还需要了解，自动化究竟改善了项目利润率，还是对与员工工时挂钩的收入构成压力。

员工人数提供的信号并不完美。Sopra Steria 的招聘计划表明存在需求，但如果项目到位时间晚于预期，服务公司可能面临产能利用率问题。

技能也会迅速过时。为 AI 和云业务招聘数千人会带来培训义务，而在项目成熟前，工具可能已自动化这些岗位的部分工作。

OVHcloud 面临更直接的基础设施风险。AI 需求需要昂贵的图形处理器、网络设备、内存、存储和电力。必须在所有客户收入变得确定之前安装产能。

该公司上半年的资本支出为 2.385 亿欧元，相当于收入的 42.9%。同期其杠杆自由现金流为负 1420 万欧元。

这些数字并不能否定其战略。它们说明，基础设施需求必须足够持久，才能支撑持续投资。

OVHcloud 还面临规模大得多的竞争对手。Amazon Web Services、Microsoft Azure 和 Google Cloud 可以将基础设施成本分摊至更广泛的客户群，并对专用芯片进行更大规模的投资。

Google Cloud 报告了与其 AI 产品组合相关的强劲增长。AWS 表示，需求持续超过可用产能。这些超大规模云服务商可以在单一采购关系中捆绑模型、数据库、安全和开发者工具。

欧洲供应商则以主权、本地控制和互操作性作为回应。当客户将这些特征视为要求而非偏好时，它们最具价值。

OVHcloud 的 AI 部署服务展示了其在数据准备、训练和生产环节的预期定位。不过，产品可用并不保证客户会将关键工作负载从成熟的超大规模云服务商迁出。

安全性和可靠性构成另一项生产环境考验。实验性助手可以由用户纠正。接入业务系统的自主代理则可能造成财务、法律或运营后果。

企业需要身份控制、日志记录、评估和清晰的升级路径。它们还需要在模型更新后监控行为变化。

这些要求为成熟供应商创造了工作机会，但也可能放慢部署速度。漫长的审批周期可能带来咨询收入，却未必形成显著的经常性 AI 使用。

最有力的证据将来自客户成果。供应商应披露有多少系统进入生产环境、这些系统处理哪些工作流，以及客户是否在初始部署后扩大使用规模。

在此之前，更强的需求应被描述为一个有前景的商业信号。它并不能证明欧洲成熟科技集团已经解决企业 AI 问题。

欧洲的主权推动强化了既有企业的地位

欧洲技术主权正成为采购条件，为本地软件、服务和云公司进入 AI 项目提供了一条务实路径。

多年来，欧洲对美国云平台和 AI 模型的依赖一直令政策制定者担忧。近期的地缘政治争端，使业务连续性和法律管辖权成为更紧迫的商业问题。

欧洲的应对方案并不要求每一个组件都在本土开发。Capgemini CEO Aiman Ezzat 已否定欧洲能够实现完全技术自主的观点。

Capgemini 转而与 AWS、Google Cloud 和 Microsoft 合作，同时开发旨在满足欧洲主权要求的产品。这种方法接受技术依赖，同时增加本地治理、托管和运营控制。

这种折中反映了企业实际采购技术的方式。替换每一个外国组件将延误项目，并减少获得领先能力的机会。

在缺乏保障措施的情况下使用外国组件会带来另一种风险。客户可能依赖一个其可用性、合同条款或法律风险无法完全控制的平台。

Sopra Steria 和 OVHcloud 提供了一条更以欧洲为中心的路径。它们扩大的合作伙伴关系侧重于通过开源原则和受控基础设施实现 AI 工业化。

Sopra Steria 可以整合应用和治理。OVHcloud 可以在欧洲法律框架下托管数据和算力。它们的 AI 合作伙伴关系面向需要比标准公共云服务提供更多控制权的客户。

SAP 也计划大力投资主权云能力。其与 Sopra Steria 的合作面向公共管理部门和运营敏感基础设施的组织。

这之所以重要，是因为欧洲政府既是监管者，也是大型技术买家。采购决策可以为本地供应商提供标杆客户和经常性需求。

监管增加了复杂性，但也可能有利于熟悉合规要求的公司。欧盟 AI Act 根据 AI 系统的风险和预期用途设定义务。

部署高风险系统的组织需要更严格的文档、人类监督和控制措施。这些任务符合企业软件供应商和系统集成商的经验。

监管不会自动保护欧洲公司。美国超大规模云服务商拥有庞大的合规团队和欧洲数据中心。它们可以在保留规模优势的同时调整产品。

更可信的欧洲机遇在于专业化。本地供应商可以专注于要求严苛的政府、国防、医疗保健、金融和工业客户。

它们还可以提供混合系统，将私有基础设施与公共云服务结合。这让客户能够控制敏感工作负载，同时为低风险任务使用外部模型。

生产级 AI 很可能会深化这种混合模式。企业将根据数据敏感性、延迟、成本和模型可用性选择基础设施。

这种复杂性创造了一个编排市场。必须有人决定哪个工作负载在哪里运行，维持一致的访问策略，并监控跨供应商的性能。

欧洲既有供应商已经在传统云项目中开展相关工作。AI 增加了决策数量，但并未消除集成需求。

因此，主权机遇不如一个完全独立的欧洲 AI 技术栈那样戏剧性。但它在商业上也更现实。

即使使用在其他地方开发的技术，欧洲公司也可以通过控制受监管的部署获得可观收入。这足以改变价值分配。

接下来三个报告周期必须确认什么

下一个考验是，报告中的需求能否转化为经常性 AI 收入、更好的服务经济效益和持续的基础设施利用率。

第一个值得关注的信号是 SAP 的云积压订单和与 AI 相关的合同扩张。投资者需要证据表明，客户正在向现有云协议添加 AI 能力，而非仅仅完成计划中的 ERP 迁移。

SAP 还应展示其数据收购如何增强实际工作流中使用的产品。在财务、采购和供应链运营中的采用，将支持其关于业务数据构成优势的主张。

积压订单增长放缓将削弱这一论点。强劲的积压订单增长若伴随可识别的 AI 扩张，将使既有企业的论点更具说服力。

第二个信号是 Capgemini 和 Sopra Steria AI 业务的经济效益。订单应在无需员工人数按比例增长的情况下转化为收入。

这将表明内部自动化和可复用平台正在改善交付效率。它也将回应对编程代理会削弱传统服务价值的担忧。

产能利用率下降、订单疲软或项目利润率承压则将指向相反方向。这些结果将表明，AI 对服务供应商的颠覆速度快于其创造新工作的速度。

第三个信号是 OVHcloud 的基础设施利用率和现金生成能力。该公司必须将资本支出转化为经常性工作负载，同时不能让设备和能源成本压倒增长。

其前沿模型计划又增添了一项基准。OVHcloud需要公布可信的评估结果、部署细节或客户案例，否则这项计划仍只能被视为战略承诺，而非实质进展。

该公司的上半年业绩显示，在持续投资的同时，其盈利能力有所改善。未来的报告必须证明，这种平衡能够经受更大规模AI建设的考验。

来自超大规模云服务商的竞争也应持续受到关注。Google、Microsoft和Amazon可以通过主权控制措施、本地合作伙伴关系以及更灵活的部署选项作出回应。

如果它们消除了足够多的司法管辖与运营顾虑，欧洲供应商将失去部分差异化优势。若客户持续要求本地控制，欧洲企业的地位则会进一步增强。

开发者和企业采购方应当关注这一点，因为供应商选择如今影响的不只是模型质量。它还决定企业知识存放在哪里、操作如何获得批准，以及系统能否在不同供应商之间迁移。

随着项目规模扩大，团队应保留评估记录、部署决策和用户反馈。一个可搜索的AI知识库可帮助在供应商和模型发生变化时，延续这些组织层面的背景信息。

Reuters的报道之所以通过Techmeme受到关注，是因为它颠覆了早期AI市场中的一种假设：人们原本预计，构建模型的公司将占据主导地位，而较早成立的欧洲科技集团则显得较为脆弱。

生产环境部署正在改变这种格局。模型依然至关重要，但企业数据、系统集成、基础设施和问责机制，如今决定了企业能否安全地使用它们。

这也是为什么google techmeme读者应关注AI技术栈中那些不那么光鲜的层面。SAP、Capgemini、Sopra Steria和OVHcloud并不需要击败每一家模型实验室。

它们需要的是让企业客户持续从实验阶段迈向受治理、可重复的运营。未来几个财报周期将显示，这一转变能否带来持久的欧洲优势，抑或只是AI概念需求的短暂上升。