AI主权化：效率缺失的国家豪赌
生成式AI被纳入国家战略后，最先暴露的或许不是性能上限，而是成本下限。
文 / 南派经论
AI主权化最讽刺之处在于，其工程效率尚未验证，国家已开始为其扩大产能。芯片、云、模型、数据中心与电力，被统一纳入安全叙事。短期看是产业扶持，长期看，或是一场将低效制度化的工程冒险。
AI政策最初聚焦芯片出口管制，如今已延伸至完整技术栈：云基础设施、前沿模型、数据中心、网络安全标准、电力系统，以及谁建设、谁融资、谁审批、谁使用。所谓主权AI，表面是技术自主，实质是将AI能力纳入国家安全与产业政策框架。美国意图向盟友输出技术栈，同时保留核心能力控制权；中国持续推进国产替代，力求芯片、云、模型与部署本土化；其他国家则在两大体系间寻求安全平衡。这一逻辑有现实依据，却会弱化成本约束。商业技术需面对利润表，而国家能力更容易获得长期预算、政策庇护与重复建设的正当性。
生成式AI的工程困境，始于它未能继承传统软件的规模经济优势。普通互联网产品理想状态是：系统建成后，新增用户的边际成本持续下降。搜索、流媒体、电商、移动应用皆经历此过程：前期投入高昂，但通过缓存、索引、压缩、分布式调度与架构优化，单位请求成本不断摊薄。大语言模型走的却是更重的路径。每次调用均需大量矩阵运算，输入越长、上下文越复杂，计算与内存压力越显著。在Transformer架构下，注意力机制需处理token间关系，长上下文迅速推高资源消耗。模型越大，参数越多，显存、带宽、并行调度、延迟控制与散热压力同步攀升。行业将“大”视为能力象征，但从工程角度看，大首先意味着更重的计算路径与更低的边际扩张弹性。
更棘手的是，资本市场与政策叙事正奖励这种笨重扩张。传统软件工程推崇聪明设计：用更少内存、计算与时间解决相同问题，才是进步。生成式AI行业却长期以更大模型、更大集群、更高资本开支证明路径正确。规模逻辑提供简单叙事：堆数据、堆参数、堆算力，能力便持续提升。边际收益递减后，维持进步需更快加码投入。于是，工程问题演变为融资问题，融资问题又转译为基建问题。原本应催生架构创新、模型压缩、小模型专用化、检索增强与精准任务分工的低效，如今被卷入国家竞赛，挤占芯片、电力、土地、冷却、存储与政策注意力。
主权AI将催生低效均衡。单国视角下，冗余具安全价值；全球视角下，冗余推高资本成本、能源需求与供应链摩擦。各国皆欲降低对外部技术栈依赖，结果却是更多国家自建数据中心、云平台、模型生态与安全标准。此过程不按全球最低成本配置资源，而按安全边界配置。芯片决定能否训练，电力决定能否持续运行。数据中心扩张越快，AI越趋近能源工业：需接电、输电、占地、审批，还需回答居民与小企业：为何为AI驱动的电网买单？
电力矛盾将早于模型发布显现。低成本、稳定、可扩展的电力将成为国家竞争优势，电价可负担性将成为政策上限。大型用电负荷或需新成本分摊机制，数据中心开发商将更多转向自备电源、储能、燃料电池与表后方案，以规避并网等待与地方阻力。资本市场看到的是算力需求，普通用户看到的是电费上涨、设备涨价与基础设施挤占。
过去两年，最简单交易是押注算力链条：芯片、存储、网络设备、数据中心、电力设备。此阶段市场奖励资本开支方向，谁靠近支出，谁先受益。但链条天然分化：卖铲者先确认收入，挖矿者承担折旧、能源、利用率与商业化风险。半导体公司可将订单计入业绩，超大型科技公司则需证明订单最终转化为现金流。因此，关键信号在于花钱者的资本纪律。若云厂商与平台公司持续受市场嘉奖，将加速建设；若股价、信用利差与自由现金流承压，管理层将重新评估节奏。
AI基础设施周期最敏感的变量，已变为资本市场能容忍多久的高强度投入。AI交易逻辑正从第一阶段“谁直接受益于算力扩张”转向第二阶段“谁能把算力转化为利润”。两者截然不同。前者看订单、产能与供需缺口；后者看推理成本、定价能力、客户留存、折旧压力与电力成本传导。一家公司可在AI叙事中举足轻重，却在利润表上尴尬不堪。市场终将区分二者。主权AI将延长周期，使出清更复杂。国家战略可增强资本开支韧性，补贴、采购、税收优惠、能源协调与安全审查使AI基建不完全服从短期利润表。但市场不会永久放弃算账。国家安全可提高投入容忍度，却无法消除折旧、电费与闲置产能。
新的赢家与输家将浮现。真正有价值的公司，未必是拥有最大模型或算力者，而是能压低单位推理成本、提升硬件利用率、将AI嵌入高付费场景、锁定低成本电力者。生成式AI被推上国家战略牌桌后，短期仍将支撑算力、能源与数据中心投资；长期若推理成本、电力约束与商业化收入无法匹配，国家战略本身也将成为负担。AI主权化是一场工程豪赌，最终拖垮它的，或许正是它试图掩盖的低效。
关于南派经论
南派经论长期关注宏观经济、金融市场与政策变化，写作侧重数据、结构与决策逻辑，不追逐短期情绪噪音。
作者受过系统的经济学、金融学与数据科学训练，博士阶段研究供应链相关的应用经济学课题，以及人工智能驱动的决策科学问题。
曾在加拿大某主要银行机构资本市场部门担任职业经济学家，长期从事宏观、市场与政策分析，目前正处于向管理岗位转型阶段。
© 2026 南派经论 免责声明：本文基于公开信息整理，不构成任何投资建议。市场有风险，决策需谨慎。