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
微软自 2019 年起向 OpenAI 注资逾 100 亿美元。亚马逊向 Anthropic 投入 40 亿美元。这些交易不是收购，也不是普通参股。FTC 记录了一个更隐蔽的机制：投资合同强制要求 OpenAI 和 Anthropic 将计算预算用于各自投资者的云平台——Azure 和 AWS。两家实验室在法律上保持独立，但研究基础设施已被绑定。
这种资本与基础设施之间的耦合，形成了一种现行竞争法无法准确定性的依赖关系。不是合并，不是收购，而是别的东西。
要点
- 微软向 OpenAI 投资逾 100 亿美元，亚马逊向 Anthropic 投入 40 亿美元。两项协议均含条款，将实验室的计算支出与投资者云平台绑定。
- FTC 于 2024 年对这些协议展开调查，认定其运作方式类似于资本与基础设施之间的捆绑安排。
- 传统竞争法为合并审查和市场份额分析而设计，缺乏针对”关键资源是算力而非产品”这类市场的工具。
- 若这些结构固化，未来五年新兴 AI 实验室将被迫在基础设施依赖和竞争劣势之间二选一。
算力作为关键资源
这些协议改变市场结构的原因，要从一个基本经济事实说起：训练一个大型语言模型，根据目标规模，成本在一亿到十亿美元之间。这笔支出的大头是算力——芯片、冷却、电力、软件调度。这些资源集中在少数全球基础设施中。
算力已成为本世纪的稀缺资源，其分配决定了谁能在 AI 领域做什么。没有算力，实验室既无法训练也无法部署有竞争力的模型。捆绑协议锁定的正是这个控制节点。
机制如下：投资者注入资本，实验室则通过合同或投资附带条款承诺，将计算资源消耗在投资者的云平台上。OpenAI 训练 GPT-5 在 Azure 上进行；Anthropic 运行 Claude 用的是 AWS 服务器。这些义务涉及实验室运营支出的重要部分，每年规模达数十亿美元。
FTC 在调查文件中使用了”捆绑安排”（tying arrangements）一词。在美国竞争法中，捆绑是指以购买另一种产品为条件来销售某种期望产品。相关判例由来已久。这里的新颖之处在于，那个”期望产品”不是普通商品或服务，而是资本本身——而资本在当下决定了谁能站在技术前沿。
三大基础设施，一个漏斗
格局清晰可见。微软绑定 OpenAI，亚马逊绑定 Anthropic。谷歌于 2014 年收购了 DeepMind——该实验室由 Demis Hassabis、Shane Legg 和 Mustafa Suleyman 于 2010 年独立创立——并拥有自己的 Gemini 模型，同时又通过 Google Cloud 投资了 Anthropic，使这家实验室同时与两个竞争云平台保持资本关系。Meta 和 Apple 运营各自的基础设施。在 AI 市场顶端，几乎所有流量都经过三到四个云平台。
这还不构成垄断，但已是漏斗结构。最顶尖的实验室——吸引最优秀研究人员、产出最强模型、定义技术前沿的那些——都与超大规模云平台存在合同绑定。新兴实验室若想与 OpenAI 或 Anthropic 竞争，只有三条路：找一个不附带云平台要求的投资者、自建基础设施，或者接受另一家云平台的类似条件。
第三条路复制了问题本身。第二条路所需资源只有超大规模云平台才具备。第一条路——在没有基础设施义务的情况下融资——随着捆绑模式常态化，在结构上越来越难走通。欧洲的 Mistral AI 迄今保持了相对独立，但它也与 Microsoft Azure 签署了模型分发合作协议。这是一项独立的商业安排，却说明了基础设施引力的强度。就连抵抗的参与者，最终也在围绕同样的中心运行。
竞争法的盲区
FTC 和英国竞争与市场管理局（CMA）均已表达对这些结构的关切。CMA 于 2024 年发布基础模型报告，明确点出实验室对云平台的依赖风险。欧洲竞争当局也发表了类似立场。
但问题出在工具上。竞争法有两个主要工具：合并收购审查，以及禁止滥用市场支配地位。前者在此处不适用——没有收购发生。后者要求在某个明确市场上确立支配地位，而 AI 市场存在不过数年，边界仍然模糊，这一条件很难满足。
在美国法律框架下，捆绑协议可依《谢尔曼法》第 1 条被起诉，前提是能证明其实质性限制了竞争。但判例法要求同时证明：在捆绑产品市场（此处为 AI 投资资本）上具有足够市场力量，以及对被捆绑产品市场（此处为云服务）产生限制效果。两项证明均有可能，但门槛很高。数字反垄断时代正在推进，但监管机构走的是尚未完全绘制的地形。
问题不在于监管机构缺乏意愿，而在于现有工具是为实体产品市场、同质服务、可用市场份额衡量的支配地位而设计的。AI 引入了一个新变量：新兴市场上的支配地位，是在市场诞生之前，通过控制决定其出现的资源来建立的。
没有人刻意建造的进入壁垒
这些安排之所以特别难以监管，在于它们的形成过程是有机的。微软从未宣布要通过将 OpenAI 绑定到 Azure 来控制 AI 市场。它在 OpenAI 需要资金时提供了资本，换取了具有直接商业逻辑的回报条件。亚马逊对 Anthropic 做了同样的事，彼时该实验室正在加速发展以应对 OpenAI 的竞争压力。
每项协议单独来看都显得合理。放在一起，它们共同勾勒出一道无人正式建造、却人人参与筑起的进入壁垒。经济学家将其称为内生结构性壁垒：它源于各参与者各自理性的行为，而非有组织的图谋。
Thomas Philippon 在关于美国市场集中度的研究中记录了这种结构如何长期削弱竞争压力——不靠显性的反竞争行为，而靠积累使入场逐渐失去吸引力的头寸。AI 市场正在以更快的速度复制这一模式，因为关键资源——算力——既昂贵又集中，且重要性与日俱增。
未来五年的三种走向
长期分析须立足于可衡量的数据。据微软、亚马逊、谷歌和 Meta 财务报告汇总估算，超大规模云平台 2024 年在 AI 数据中心的资本支出约达 2200 亿美元。行业分析师预测，若计算需求继续以当前速度增长，这一数字到 2027 年将翻番。这一假设可能因算法效率的突破而落空——DeepSeek 在 2025 年初已有所示范。但即便训练成本下降，大规模运行模型的推理成本仍将是不小的门槛。
在此背景下，三种走向浮现。第一种是无声常态化：监管机构划线但不强力干预，捆绑协议扩散，二线实验室为求生存融入相同结构，AI 市场最终像 2010 年代的移动生态——表面多元，底层集中。第二种是结构性监管：FTC 或欧盟委员会在实验室投资与云平台采购义务之间强制划定功能分离，要求写入中立条款。第三种是效率倒逼：新一代模型可在更分散的基础设施上训练，从而压低超大规模云平台的优势——类似开源模型压缩了部分专有玩家溢价的逻辑。
这三种走向并不互斥，但各自的概率取决于一个核心变量：监管工具适应市场实际结构的速度。
监管机构在做什么
说监管机构无所作为是误读。FTC 于 2024 年发布报告，系统梳理了这些协议的结构。CMA 建立了”基础模型市场”分析框架，明确承认算力作为关键资源的角色及依赖风险。欧洲方面，《数字市场法》尚未正式将范围延伸至 AI 基础设施提供商——AI 本身目前不构成该法规意义上的”核心平台服务”——但欧盟委员会已于 2026 年 6 月发布初步立场，建议将 AWS 和 Azure 的云服务列为”守门人”。这一认定仍有待确认，针对的是云服务本身，而非 AI 业务。目前没有纯粹的 AI 实验室被纳入此类认定范围。
学术层面，经济学家 Fiona Scott Morton 等人正在为基础设施主导的多边市场开发专门分析框架。一个日益受关注的方向是”行为性救济”——对投资者施加行为约束（禁止在 AI 投资协议中附加云平台义务），而非试图拆解那些不具备传统收购特征的结构。
Luigi Zingales 和 Daron Acemoglu 在各自关于技术收益分配的分析中，指向同一建议：关键不在于阻止超大规模云平台投资 AI，而在于确保这些投资不自动转化为对其轨道之外参与者的进入壁垒。区分”资助创新”和”控制基础设施访问权”，是法律必须学会划定的界限。
新兴市场的根本问题
这场争论远超 AI 本身。它提出了一个关于生成性技术市场的根本问题：谁可以进入，以何种条件进入？如果资本-基础设施捆绑模式常态化，下一批实验室——从事计算生物学、自主化学、下一代推理系统的那些——从创立之初就会面临同样的选择：向超大规模云平台寻求资本，附带相应的代价；或者留在技术前沿的定义圈之外。
新兴市场的特点就在于：竞争格局在监管机构获得足够数据之前已经成形。CMA 和 FTC 以公共机构的标准衡量，反应已算迅速——但”迅速”对行政机构而言意味着协议签署后两到三年。在以月计算变化节奏的市场里，这是两种不同的时间尺度。
真正的问题不在于微软和亚马逊是否行为不当，而在于现有工具能否区分合法投资与预先抢占未来竞争的安排——以及，如果答案是否定的，如何在下一个新兴市场出现之前把这些工具建好。
来源
- ProMarket / Stigler Center — “AI’s Tying Arrangements Jeopardize the Market”（2026 年 6 月 22 日）：https://www.promarket.org/2026/06/22/ais-tying-arrangements-jeopardize-the-market/
- 美国联邦贸易委员会 — 关于 AI 模型投资的报告，2024 年（FTC.gov，无直接验证链接）
- 英国竞争与市场管理局 — “AI Foundation Models: Initial Review”，2024 年（GOV.UK，无直接验证链接）
- 微软、亚马逊、谷歌、Meta 年度财务报告 — 2023 及 2024 财年
- FTC - 启动对 AI 合作伙伴关系的调查（2024 年 1 月）
- FTC - 关于 AI 合作伙伴关系的员工报告（2025 年 1 月）
- 亚马逊 - 对 Anthropic 的官方投资（40 亿美元，2024 年 3 月）
- Anthropic - 扩大与亚马逊的合作伙伴关系（2026 年 4 月）
- OpenAI - GPT-5 在 Azure 上训练
- CMA - AI 基础模型更新文件（2024 年 4 月）
- 维基百科 - Google DeepMind（2014 年收购）
- 欧盟委员会 - DMA 守门人门户
- 财富 - 2024 年超大规模云平台资本支出（约 2000 亿美元）
- CNBC - 微软对 OpenAI 的总投资（130 亿美元）