本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
过去五年，欧盟通过超级计算机向研究人员和企业提供了1.45亿小时高性能计算时间。这一大规模共享化努力与欧洲大陆长期以来的碎片化格局形成对比，体现了一种明确战略：将公共基础设施转化为技术主权的杠杆。
欧洲押注共享计算，以缩小与美国AI巨头的差距。欧盟在欧洲大陆部署了19个AI工厂，试图让更多机构获得创新所依赖的计算资源。但美国私营生态系统掌握着全球约75%的计算能力，这一公共战略能否奏效，仍是未知数。
要点
- 五年内通过EuroHPC向2,300个欧洲项目分配1.45亿小时计算时间
- 19个AI工厂已部署，共享高性能计算资源
- 美国掌握全球约75%的计算能力，欧洲处于追赶位置
- 2021—2027年间欧洲超级计算机投资总额为70亿欧元
共享计算支撑2,300个欧洲项目
EuroHPC联合企业自2018年起资助并运营成员国共享的超级计算机，标志着欧洲模式的根本转变。迄今已有2,300个研发项目从中获益，覆盖气候建模到工业优化等多个领域。
这与欧洲此前各国各自建设基础设施的惯例截然不同。法国有超级计算机Jean Zay，德国有分布式计算中心，意大利有专业设施。EuroHPC现在按科学和经济需求分配资源，不再受国界限制。
19个AI工厂是这一战略的进一步延伸。这些专注于人工智能的中心，向用户开放最先进的GPU、训练数据和开发工具。其目标是让欧洲中小企业无需自行投入数百万资金建设基础设施，就能开发AI解决方案。
公共基础设施驱动的追赶战略
欧洲在计算能力竞赛中处于劣势。美国控制全球约75%的计算能力，欧洲仍在追赶。这种不对称不只是技术层面的问题——它决定谁能训练最先进的AI模型，进而谁来制定未来的技术标准。
欧洲的应对依赖公共投资的杠杆效应。EuroHPC项目在2021—2027年间获得70亿欧元拨款，旨在搭建一个生态系统，让私营参与者无需独自承担基础设施成本即可开展实验。这一逻辑参照了此前的成功案例：粒子物理领域的CERN，太空领域的阿丽亚娜火箭。
各AI工厂各有侧重：芬兰专注气候应用，爱尔兰专注数字健康，德国专注工业4.0。这种专业化分工避免资源分散，同时覆盖整个欧洲大陆。这一模式与欧洲在生物技术领域的布局有相似之处——以共享基础设施弥补地理上的分散劣势。
与美国私营巨头的规模差距
欧洲的努力面临一个现实：与美国私营企业的差距悬殊。谷歌、微软、亚马逊每家每年在计算基础设施上的投入均超过100亿美元。欧洲70亿欧元分摊到7年，相比之下规模有限。
差距体现在具体能力上。欧洲最大集群拥有数万个GPU，而OpenAI或Meta的计算集群则配备数十万个专用处理器。欧洲将资源分配给2,300个项目，一家加州公司调用同等资源只是为了训练一个语言模型。
这已不只是预算问题，而是地缘战略问题。高性能计算的访问权，决定谁能开发最先进的算法、处理最大规模的数据、提供最复杂的服务。若计算能力长期失衡，欧洲有沦为大西洋彼岸创新产品消费市场的风险。
初步成果可期，产业化前景待定
欧洲AI工厂的早期反馈支持继续推进这一方向。受支持项目处于有利的发展环境中，不过各应用领域的成功指标不尽相同。健康、能源和交通领域尤其受益于计算资源的开放获取。
具体成果包括：欧洲气象研究所借助EuroHPC资源，将气候预测精度提高了23%；德国中小企业优化生产线后，生产率平均提升15%。这些结果验证了技术路径的可行性。
但向工业规模的跨越依然困难。大多数受支持项目仍停留在原型或演示阶段。欧洲在应用研究上表现突出，却难以将创新转化为能与美国或中国方案竞争的商业产品。这种产业化困难并非AI领域独有，折射出欧洲更深层的结构性问题。
人才短缺制约培训供给
基础设施之外，欧洲严重缺乏能够运用这些计算资源的专业人才。AI工厂收到超过15,000份高级AI工具培训申请，但因合格讲师不足，仅能满足其中40%。
这种技能短缺形成恶性循环：没有足够的人才，欧洲企业难以充分利用高性能计算资源；没有有吸引力的工业出路，欧洲工程师就流向硅谷或亚洲研发中心。这种人才外流持续削弱欧洲生态系统，而AI领域的竞争正在此时加速。
EuroHPC试图通过将资源获取与强化培训结合来扭转这一局面。每个AI工厂提供6至12个月的专项课程，培养具备实操能力的专家。目标是到2030年培养5万名AI专家。这需要欧洲各大学同步调整课程设置，以匹配工业需求。
共享模式的效率之问
欧洲的计算共享路线引发了核心战略疑问：用共享公共基础设施能否追上私营巨头？技术公共品的逻辑是否适配AI的创新节奏？
初步结果揭示了该模式的局限。尽管投入五年努力和大量资金，欧洲与美国的差距仍在扩大。欧洲企业确实获得了计算资源，但美国竞争对手拥有专用基础设施，不受任何分配或共享约束。
共享与效能之间的张力，让欧洲战略的走向面临抉择：继续走公共路线，还是扶持能够以GAFAM量级投资的欧洲私营企业？其他技术领域的经验表明，兼顾公共基础设施与活跃私营生态系统的混合路径或许更为现实。
欧洲在2021—2027年间拥有19个AI工厂和70亿欧元预算，支撑2,300个项目获取高性能计算资源。但与美国巨头的规模差距始终存在：共享模式能否与私营力量的高度集中竞争？答案将在未来五年见分晓——届时这些公共投资必须转化为能够对标硅谷的工业创新成果。