人工智能算力主权对全球算力基础设施布局的影响分析

“算力主权”或“主权人工智能算力”作为数字主权的衍生概念，旨在通过产业政策，以推动算力供应链本土化。为厘清这一复杂议题，本研究提出一个三层分析框架（管辖权、云商归属地、芯片供应商归属地），为理解各国政策差异、剖析全球人工智能算力分布的地缘政治逻辑提供了清晰工具。该框架有助于评估不同层面追求算力主权的实际效果、国家间协调的可能性及其广泛的社会经济影响。本研究构建的“算力主权”三层框架如下：

境内管辖权层面：其核心诉求是使数据中心位于本国境内，确保政府能够直接行使监管权。政府通过激励政策与法规推动本地化，云服务商亦提供“主权云”方案响应此需求。

云提供商归属地层面：认为仅境内化不足以保证数据安全，需避免其它国家政府通过其母国企业干预关键基础设施（如后斯诺登时代的安全忧虑、美国“长臂管辖”法律）。理想目标是拥有本土注册的云服务商，但受限于世界大国科技巨头主导的全球市场，迫使各国在依赖策略上“对冲”（依赖多国供应商）或“结盟”（依赖单一国家联盟供应商）。

加速器供应商归属地层面：聚焦于提供算力核心——人工智能芯片供应商的归属地。高度集中的全球半导体供应链使其成为关键的地缘政治工具，刺激中美加速发展本土芯片。多数国家同样面临在芯片供应上“对冲”或“结盟”的战略抉择。

本研究旨在绘制全球人工智能算力的分布图谱。研究选取了美国（AWS、Google Cloud、Microsoft Azure）、中国（阿里云、华为云、腾讯云）和欧洲（Exoscale、Hetzner、OVHcloud）各三家前沿公共云提供商作为样本，覆盖全球约78%的云基础设施市场，并具有欧洲在算力主权政策下的代表性，研究对象为提供商的“云区域”（特定地理位置的数据中心集群）。截至2024年11月，研究收集了每个区域公开可用的、对前沿人工智能模型训练和推理最为相关且性能最强大的人工智能加速器信息（包括英伟达H100/A100、谷歌Trillium、亚马逊Trainium、微软Maia100、华为昇腾910B等），数据来源于云服务商官网及客户界面。依据算力与适用场景，加速器分为主要适用于前沿模型训练（如H100）和主要适用于推理（如V100）两类。本研究覆盖46个国家/地区的225个云区域及其可用的11种关键人工智能加速器。

若将“算力主权”定义为对境内人工智能数据中心行使管辖权，研究表明，全球仅有33个国家符合此条件（占调研的43个拥有云区域国家的77%）。在225个公共云区域中，有132个地区配备了人工智能加速器，分布于33个国家。其地理分布高度集中于北美、欧洲、中东和亚洲，南美与非洲仅巴西和南非两国拥有此类设施。进一步区分算力等级显示：33个国家中有24个国家部署了支持前沿人工智能模型训练的高级加速器，其余9国仅具备推理算力。值得注意的是，绝大多数国家在九大领先云服务商体系内缺乏人工智能算力公共基础设施，凸显了全球人工智能算力资源在地理分布与功能等级上的双重失衡格局。

若将“算力主权”定义为由本土企业运营的数据中心，则仅有美国、中国及完全依赖欧洲供应商的奥地利等极少数国家符合标准。这反映出全球人工智能算力市场高度集中于超大规模服务商的现实。当前，超大规模企业主导全球市场，在缺乏本土运营商的情况下，他国服务商的所属国家成为算力主权考量的核心。这其中的关键问题在于：是依赖单一外国势力，还是在多国供应商间分散风险。作为主要服务输出国，中国和美国不属于能力依赖型国家，而且其企业广泛渗透全球市场；奥地利成为唯一完全规避中美依赖、仅采用欧洲本土算力的特例。由此可见，算力主权不仅关乎算力基础设施所处的位置，更涉及对企业的控制权以及对供应链风险的掌控能力。

若将“算力主权”定义为对人工智能加速器芯片供应链的控制，则目前仅有美国和中国具备这种能力。数据显示，美国凭借英伟达占据全球人工智能加速器芯片市场80-95%的绝对份额。中国则通过部分云服务商自研芯片（如昇腾）展现出自主能力，其芯片已在6个国家和地区部署（中国占3个，法国、新加坡、阿联酋各1个）。这使得中美成为唯二在本国运营公共人工智能算力数据中心、并采用部分国产芯片的国家。除前述三国短暂提及外，调查内其余拥有人工智能算力的国家均完全依赖单一外国供应商——美国的加速器技术。因此，在芯片供应链控制层面，绝大多数国家实际处于依附美国的状态，仅中美两国具备完整的算力主权能力。

对公共云人工智能算力数据的分析表明，一国的“算力主权”状况因采用的定义不同而呈现显著差异。

尽管追求境内人工智能算力主权，即在本土部署设施是最普遍的目标，但全球仅33个国家具备人工智能推理能力，仅24个国家拥有训练能力，分别仅占联合国成员国的17%和12%，且资源分配极度不均。政府推动人工智能算力境内主权的战略考量包括：保障关键资源安全、监管人工智能应用、限制战略对手访问，以及期望通过大型数据中心建设带动税收和本地就业。然而，数据中心属资本密集型产业，前期投入巨大但附加值有限，而且地方或政府的税收减免还会抵消其财政收益。此外，极高的电力消耗推升工业和民用电价，对电力紧张地区构成威胁；大量水资源需求也会在干旱地区加剧资源争夺。

从纯经济角度看，本土数据中心产业仅对具备特殊优势，如寒冷气候、低成本低碳高容量电网、充足冷却水的国家才具竞争力。此外，算力数据中心开发易引发社区抗议，带来政治成本，对地方政府吸引力有限。因此追求境内算力主权实质是在战略安全、经济利益与资源消耗、社会冲突、区域治理压力之间进行复杂权衡，其政策选择必须基于各国具体资源禀赋与战略环境，绝非普适方案。

表1 部署人工智能算力数据中心的利弊分析

除了国家层面的境内主权，另一种路径是通过区域信任框架与集体治理实现算力主权。例如，欧盟主导的欧洲高性能计算联合执行体（EuroHPC）即为此类公私合作伙伴关系。它汇聚欧盟成员国资源，协调高性能算力基础设施在成员国内的开发与使用，使各国在共享算力的同时保留治理影响力。此类框架为较小或资源有限国家提供了获取先进算力的途径，无需本土托管。它们更为均衡地分配经济与环境成本，并能支持建立共同的负责任人工智能监管框架。

外国云服务商在他国境内运营人工智能算力设施时，可能会引发主权管辖权的重叠冲突。他国云服务商会同时受到本国和服务所在国的管理约束，形成管辖权嵌套，可能导致数据控制权争议。这种管辖嵌套问题可能会削弱购买服务国家的监管排他性，尤其在国防、医疗等敏感领域，私营云服务商面临合规义务冲突。当前全球31个拥有加速器的国家中，约三分之一采取“对冲”策略（依赖中美多国云商），近三分之二选择“结盟”（其中13个国家与美国绑定，5个国家与中国结盟）。技术自主权与地缘战略深度交织，迫使各国在完全自给自足和战略性依赖间谨慎权衡。

“结盟”与“对冲”构成人工智能算力主权的战略连续体。“结盟”国（如澳大利亚与亚马逊云平台合作建立情报云）通过深化与单一可信赖盟友的技术生态绑定，将云服务商视为政治联盟延伸，换取高性能算力保障。“对冲”国则通过多元布局提升韧性，例如新加坡均衡部署3个美国与3个中国的云算力，规避可能由单一依赖导致的“武器化”风险。欧盟通过《芯片法案》构建本土供应链，同时允许英伟达参与人工智能工厂建设，体现了监管主导加有限合作的第三条路径。可见，主权实现不必然依赖国内全链条控制，而在于通过管理风险与信任关系，在相互依赖中维护自主性——本质是数字时代技术重构，需在能源消耗、地缘站队与社会成本间动态取舍。

全球人工智能加速器市场高度集中，仅美国（英伟达）和中国（华为昇腾）拥有本土领先供应商。英伟达的技术优势及昇腾芯片的海外限制，迫使绝大多数国家依赖英伟达。尽管该企业属美国所有，其“人工智能国家”倡议正协助多国（如以色列、英国）构建人工智能算力主权基础设施。同时，部分国家积极推动供应链多元化：欧盟斥巨资发展本土半导体（《芯片法案》），美国则试图将台积电产能境内化以强化控制。相比数据中心建设与云服务开发，芯片设计制造需巨额研发投入、资本积累与顶尖人才。因此，多数国家选择与英伟达结盟，在技术依赖与战略自主间寻求平衡。加速器主权的全面实现需数十年持续投入，短期内难以突破现有供应链格局的桎梏。

人工智能被各国政府视为全球战略竞争、国家安全与经济创新的核心，这使得人工智能算力资源的所有权与治理成为关键的地缘政治议题。这对全球人工智能治理构成挑战，各国都试图在相互依赖的全球供应链中施加控制并增强自主性。

本研究对人工智能算力供应链中的主权问题进行了多层次审视（境内管辖、云商归属、芯片商归属）。基于对中、美、欧领先的公共云人工智能算力基础设施的全球调查，数据揭示了显著的不对称性：仅34个国家拥有公共人工智能算力，其中仅24个国家具备训练级算力，且大多数国家依赖于由他国控制的云或芯片基础设施。18个国家与单一超级大国的人工智能云计算基础设施“结盟”，12个国家通过依赖中美两国企业进行“对冲”。除中国外，调研的所有国家均依赖美国的英伟达加速器来建设其境内人工智能计算设施。

未来还需对人工智能算力主权进行进一步研究，主要有三个方面。一是动态追踪。通过重复并扩展类似调查，持续追踪全球数据中心及前沿人工智能加速器的分布变化、主权配置的演变态势，评估各国平衡技术依赖与自主性方面的实际成效。二是策略响应。深入探究主权策略如何随国际环境变化而变化，分析其对国家间主权观念以及对抗他国监管立场的影响。三是私营部门角色。重点考察超大规模云服务商等私营主体在塑造人工智能算力主权诉求的合法性及相关责任机制方面所扮演的关键角色。