直接跳过中间阶段？欧洲的第二次机会不在于照搬，而在于明智地跳过错失的发展阶段。

Konrad Wolfenstein

4个月前

直接跳过中间阶段？欧洲的第二次机会不在于照搬照抄，而在于巧妙地跳过错失的发展阶段——图片来源：Xpert.Digital

“跨越式”战略：德国工程技术如何才能在人工智能竞赛中战胜美国。

错失软件时代，却赢得未来？英伟达CEO解释欧洲在下一轮工业革命中拥有的“不公平”优势。

英伟达首席执行官激怒了商业领袖：“你们错过了软件发展的良机”——并提出了巧妙的解决方案。

在达沃斯世界经济论坛上，当一位美国科技公司的首席执行官向欧洲提出一些以往在客户会议上经常引起反感的战略建议时，我们不妨冷静地审视一下英伟达首席执行官黄仁勋在2026年1月对世界各国经济领袖们所说的话：“别再追逐硅谷了。你们已经错过了软件时代。直接跳过吧。” 这番话远非是对一个充满不确定性的欧洲大陆的礼貌鼓励，而是对结构性竞争动态的精准诊断，同时也勾勒出一个战略蓝图，该战略可以将欧洲的工业基因与物理人工智能的潜力相结合。.

与此相关：

通过跨越式发展实现技术飞跃：尽管中国占据主导地位，欧洲和德国仍有机会实现技术转型

为什么模仿市场领导者注定会失败

战略竞争研究的核心洞见其实非常简单：任何试图追赶市场领导者并系统性地模仿其举措的人，只会不断拉大与领先者的差距。原因在于速度和资源分配的不对称。市场领导者并非偶然占据榜首，而是因为它们行动更快、拥有成熟的分销渠道、能够充分利用规模经济，并制定了市场运作的标准。任何试图通过单纯模仿来追赶的努力都会失败，原因很简单：当追赶者还在重复昨天的步骤时，市场领导者已经完成了接下来的三步。.

这种动态在汽车行业体现得淋漓尽致。在黄仁勋出席达沃斯论坛六年前，一家德国大型汽车制造商的项目就揭示了模仿特斯拉创新在结构上的低效。作为先驱，特斯拉不仅在电池技术和软件集成方面确立了技术领先地位，更重要的是，它发展出了传统制造商凭借其既有结构所无法企及的组织速度。当德国工程师试图复制特斯拉的空中升级功能时，特斯拉早已进一步开发了自动驾驶功能，并利用千兆广播技术革新了生产流程。这种滞后并非源于能力不足，而是系统性的速度劣势：市场领导者引领潮流，而模仿者只能被动应对。.

实证数据清晰地证实了这一观察。2021年，特斯拉的利润率达到了12%，而欧洲汽车制造商却苦于芯片短缺和产能瓶颈。宝马和奔驰也实现了类似的利润率，但这完全是通过一项激进的策略实现的：它们将稀缺的芯片集中用于高利润的高端车型，并刻意避免大规模生产。这并非出于实力优势，而是迫不得已的措施。如今，这种转变更加显著：2025年11月，特斯拉Model 3和Model Y继续领跑欧洲电动汽车销量，但来自雷诺5、斯柯达Elroq和大众ID.3的竞争压力日益加剧。欧洲正在迎头赶上，并非通过模仿，而是通过在特斯拉忽略的细分市场发起自己的车型攻势。.

这些发展带来的教训并非创新不可能，而是模仿策略会浪费时间和资源，而这些时间和资源原本可以用来进行差异化定位。像时尚界的Zara和物流界的亚马逊这样的公司则恰恰相反：它们通过彻底的流程创新来树立行业标准。Zara能够在两周内将新设计上架，从而引领潮流而非追随潮流。亚马逊则构建了一个基于速度和算法的全自动配送系统，而不是复制传统的零售模式。在这两个案例中，它们的策略都不是模仿，而是结构性差异化。.

从程序化软件到训练智能的范式转变

黄仁勋在世界经济论坛上的核心论点被精准地概括为：在人工智能时代，软件不再是编写的；人工智能是训练出来的，而不是编程出来的。这一论断标志着技术系统创建方式的根本性范式转变。在硅谷主导的软件时代，编程是价值创造的核心。工程师们用C、Python或Java等语言一行行地编写代码，以实现精确定义的算法。这些系统是确定性的：每个输入都有一个可预测的输出。谁拥有最优秀的程序员，谁就能打造出最好的软件产品。欧洲在这场竞争中结构性地处于劣势，因为美国拥有数量更多的高技能软件开发人员、更积极的风险投资文化以及一个奖励规模化的生态系统。.

随着人工智能系统的广泛应用，其逻辑发生了彻底的改变。现代人工智能模型不再是编写程序，而是通过数据训练。像GPT这样的大型语言模型并非通过编写规则创建，而是通过向神经网络输入数十亿个文本示例，让系统从中独立识别模式。黄仁勋在2025年6月的伦敦科技周上用一个引人入胜的比喻阐释了这一点：你编写人工智能程序的方式就像编写人类程序一样。你说：“你是一位伟大的诗人，你了解莎士比亚，请为我写一首关于这次主题演讲的诗。”人工智能生成一个初始版本。你给出反馈：“我认为你可以做得更好。”人工智能反思后，提供一个改进版本。这种交互方式与编写代码有着本质的区别。.

这种转变的影响深远。编程活动本身的重要性并未降低，但其作用正在发生变化。黄仁勋在2024年迪拜世界政府峰会上指出，孩子们不再需要学习编程语言，而是应该培养控制和训练人工智能系统的能力。新的编程语言是人类语言。理论上，任何精通自然语言的人都可以指导人工智能系统生成代码、创建图像或进行复杂的分析。这不仅使技术普及化，同时也使传统的软件技能不再那么稀缺。在人工智能时代，最终的赢家将不再是拥有最多程序员的人，而是拥有最佳数据、最强大的计算能力以及对物理世界最深刻的领域知识的人。.

这正是欧洲的结构性优势所在。虽然美国主导了软件时代，中国通过对人工智能基础设施和应用的大规模国家投资迎头赶上，但欧洲拥有它们都不具备的优势：一个历经数百年培育的工业基础，对机械工程、自动化、制造工艺和工程技术有着深刻的理解。这种能力无法被软件取代，它是物理人工智能在现实世界中运行所必需的。工厂中的自主机器人不仅要执行算法，还要处理精密机械、传感器和物理定律。人工智能驱动的物流系统不仅要优化数据，还要移动、堆垛和分拣实际货物。医疗保健领域的人形机器人不仅要理解自然语言，还要与人体进行轻柔而精准的互动。所有这一切都需要将人工智能与卓越的硬件相结合，而这恰恰是欧洲的优势所在。.

与此相关：

物理人工智能：当机器学会触摸世界时，制造业将面临自蒸汽机以来最大的变革。

为什么物理人工智能与欧洲的工业基因相契合

欧洲的机遇在于物理人工智能，即人工智能与机器人、自动化和工业制造的融合。黄仁勋在达沃斯论坛上精辟地指出：机器人技术为欧洲带来了独一无二的机遇。原因在于其结构性优势。物理人工智能不仅需要数字智能，还需要卓越的机电一体化技术、精密工程和深厚的领域专业知识。而这些领域恰恰是欧洲，尤其是德国所拥有的巨大优势。西门子是数字孪生技术的全球市场领导者，ABB和施耐德电气在工业自动化领域占据主导地位，而像通快、森德和杜尔这样的德国机械制造商则在生产技术领域树立了全球标杆。.

将人工智能集成到这些系统中，能够带来远超软件本身的附加值。在2025年国际消费电子展（CES）上，西门子推出了面向运营的工业副驾驶系统（Industrial Copilot for Operations），该系统将人工智能直接引入生产层面，使操作员和维护工程师能够做出实时决策。西门子还与英伟达（NVIDIA）合作发布了Teamcenter数字现实查看器，将大规模、基于物理的可视化技术集成到产品生命周期管理系统（PLMS）中。舍弗勒（Schaeffler）正与英伟达合作，为一百多家工厂开发数字孪生模型，利用人工智能模拟和优化材料、工艺和生产工作流程。这些项目表明，欧洲无需在人工智能模型开发领域与OpenAI展开竞争，而是可以利用人工智能作为工具，倍增其现有的工业优势。.

机器人技术是最具体的例子。虽然中国凭借比亚迪等公司在电动汽车大规模生产方面处于领先地位，美国凭借特斯拉在自动驾驶系统领域占据主导地位，但欧洲在工业机器人领域却占据领先地位。德国预计到2024年将安装约27,000台工业机器人，使其成为全球第五大机器人市场。欧盟的机器人密度为每10,000名工人拥有219台机器人，其中德国、瑞典、丹麦和斯洛文尼亚位列全球前十。欧洲不仅生产机器人，还开发用于复杂制造任务的高精度系统，这些系统必须满足最高的质量标准。在这个市场中，胜出的不是价格最低的供应商，而是质量最好的供应商。.

此外，人形机器人领域正崛起为下一个主要增长市场。德国商业银行估计，到2050年，人形机器人市场规模可能达到5万亿美元。欧洲正凭借一些极具潜力的企业在该领域占据一席之地。位于梅青根的NEURA Robotics公司已成为全球唯一一家完全自主研发和生产智能认知机器人的公司。2025年1月，该公司完成了1.2亿欧元的B轮融资。位于慕尼黑的Agile Robots公司开发的系统不再局限于单一动作，而是能够通用地解决各种任务。这两家公司都受益于德国的工程文化，这种文化将精准性、可靠性和安全性放在首位。.

从技能短缺的视角来看，这一发展的战略意义显而易见。德国和欧洲正面临人口结构挑战。劳动力人口数量正在下降，与此同时，工业、物流和护理等行业的劳动力需求却在不断增长。人形机器人和人工智能驱动的自动化并非就业杀手，而是维持生产力的必要补充。黄仁勋在达沃斯强调了这一点：人工智能创造的就业机会远多于其摧毁的就业机会，因为人工智能基础设施的每一层都需要构建和运营。从能源生产和芯片制造到数据中心和应用开发，新的就业领域正在涌现。长期的经济效益体现在应用层面，人工智能正在改变医疗保健、制造业和金融服务等行业。.

我们在欧盟和德国的业务拓展、销售和市场营销方面拥有丰富的专业知识

我们在欧盟和德国的业务拓展、销售和市场营销方面拥有丰富的专业知识——图片来源：Xpert.Digital

行业重点领域：B2B、数字化（从人工智能到扩展现实）、机械工程、物流、可再生能源和工业

更多信息请点击这里：

专家商业中心

一个提供见解和专业知识的主题中心：

涵盖全球和区域经济、创新和行业特定趋势的知识平台
汇集了我们重点关注领域的分析、见解和背景信息。
这里汇集了有关商业和技术最新发展的专业知识和信息。
一个为寻求市场、数字化和行业创新信息的企业提供的信息中心。

软件时代已经结束：为什么欧洲真正的实力如今在于实体人工智能？

跨越式发展战略作为应对结构性速度劣势的措施

“跨越式发展”的概念，或称“跳过发展阶段”，在发展经济学领域已存在数十年。它描述的是这样一种现象：一些国家或地区错过了某个技术发展阶段，却能直接跳到下一个阶段，而无需重建过时的基础设施。非洲的电信业就是一个典型的例子。许多非洲国家从未拥有过完善的固定线路网络。它们没有建设固定线路网络，而是直接发展了移动技术。如今，撒哈拉以南非洲约有60%的人口仅通过智能手机上网。到2025年，这一数字将增长到6.23亿。其经济影响巨大：移动银行M-Pesa彻底改变了金融交易方式，电子商务在没有传统零售的情况下蓬勃发展，教育平台也惠及了没有实体学校的偏远地区。.

跨越式发展的逻辑要满足三个条件才能奏效：首先，新技术必须已经可用且经济可行；其次，旧技术必须真正过时或经济上不具吸引力；第三，直接采用新方案必须比改造旧方案更经济。对欧洲而言，这意味着：与其试图与美国竞争构建类似谷歌、Meta 或亚马逊的软件平台，欧洲不如直接投资将人工智能集成到物理系统中。软件时代已经结束，但物理人工智能时代才刚刚开始。谁能率先引领潮流，谁就能为未来几十年树立标杆。.

仓储物流就是一个具体的例子。欧洲企业目前仍普遍采用半自动化系统，依赖人工拣货和简单的传送带系统。而中国则正在建设全自动智能仓库。京东在其物流中心部署了超过一千台自主移动机器人。阿里巴巴旗下的菜鸟网络于2025年在泰国开设了东南亚最大的智能仓库。这些系统每秒可处理数百万个数据点，预测瓶颈并实时优化流程。欧洲与其逐步改造现有的仓库，不如建设全新的物流中心，最大限度地实现自动化、人工智能控制和自主机器人。这样做速度更快、成本更低，并且避免了对传统基础设施的依赖。.

同样的原则也适用于其他领域。在电池生产领域，欧洲目前仅占全球市场份额的13%，而中国则占据了70%。欧洲不应只是逐步改造旧技术，而应投资建设采用最新技术和最高自动化程度的先进超级工厂。在微电子领域，欧洲必须从根本上实施现代化生产流程，而不是翻新过时的芯片工厂。在人工智能发展方面，欧洲不应试图复制诸如ChatGPT之类的通用大型语言模型，而应专注于将领域知识与人工智能相结合的工业人工智能应用。这正是德国SPRIND于2025年12月宣布的“下一代人工智能前沿”（Next Frontier AI）计划的目标：欧洲的目标不是加入大型语言模型（LLM）的竞赛，而是跨越式发展，迈向下一个前沿，开发新的模型类别、模态、智能体系统以及更高效的训练机制。.

为什么必须通过组织双元性来提升速度：
欧洲企业面临的核心挑战并非缺乏技术能力，而是实施速度。组织双元性是指组织既高效又灵活的能力。它指的是在优化核心业务（即充分利用现有产品和流程）的同时，探索和开发新的业务领域。在瞬息万变的世界中，这种双元性对于保持长期竞争力至关重要。

在实践中，这意味着公司必须建立平行的组织结构。一个部门专注于资源开发，即提高日常运营效率并确保质量。这些领域需要正式的组织结构、清晰的流程和权威的领导，以确保短期成功。另一个部门则致力于探索，即创新和开发新的解决方案。这需要灵活的组织结构、富有远见的领导以及实验空间。管理层必须平衡这两个领域，以避免公司因创新而停滞不前，或因运营业务而陷入停滞。.

研究表明，全球82%的高管认为，如果没有新的商业模式，他们的公司将无法在未来五年内生存下去。与此同时，57%的高管和47%的知识工作者认为，在当前的经济危机下，创新项目是一种奢侈品。这种矛盾是致命的。在62%的案例中，这种创新意愿的根源在于对失败和声誉受损的恐惧。此外，过时的流程和技术也阻碍了创新。而这正是组织双元性发挥作用的地方：它构建了一种结构，在这种结构中，创新被系统性地追求，而不是被视为一种奢侈品。.

对欧洲而言，这意味着企业必须停止将创新视为对市场事件的被动反应，而是主动发起转型进程。2025年11月举行的法德数字峰会表明，这一点已得到认可。德国和法国宣布在人工智能领域达成18项新的战略合作，总金额超过10亿欧元。欧洲最大的软件公司SAP宣布与法国人工智能供应商Mistral AI展开合作。这些都体现了欧洲各国如何汇聚资源以加快发展步伐。单个国家规模太小，难以在全球范围内竞争。然而，一个整合各方优势的欧洲生态系统可以弥补这一速度劣势。.

为什么监管可以成为竞争优势而不是阻碍？

欧洲最常受到的批评之一是其监管过度，这被认为扼杀了创新。欧洲人工智能法案常被引用来佐证欧洲是如何因监管过度而阻碍自身发展的，而美国和中国却能在限制较少的情况下更快地取得进展。然而，这种观点忽略了一个关键点：当监管能够制定全球认可的标准时，它就能成为竞争优势。欧洲过去曾多次成功做到这一点。《通用数据保护条例》（GDPR）已成为全球数据保护法律的典范。许多国家也采用欧洲产品标准，因为它们能够保证产品质量和安全。.

欧洲可以在人工智能领域发挥类似的作用。美国专注于市场驱动型发展，中国则侧重于国家控制体系，而欧洲可以建立第三种模式：值得信赖、符合伦理且安全的人工智能。这是一个需求巨大的市场。全球企业都在寻求不仅有效，而且合法合规、透明且可解释的人工智能解决方案。欧洲可以制定相关标准，从而引领市场，而不是仅仅跟随市场。.

然而，前提是监管的设计目的并非阻碍创新，而是促进创新。这意味着要设立监管沙盒，让新技术可以在受控条件下进行测试，而无需立即满足所有要求。这也意味着要为实验性技术开发设立监管暂停期，正如卢旺达和肯尼亚在无人机和移动支付服务领域成功实施的那样。这些国家证明，监管的灵活性能够实现跨越式发展。欧洲也需要这种灵活性，才能在不损害安全和伦理的前提下快速发展。.

未来三年为何将决定欧洲在人工智能时代的地位

欧洲面临的战略挑战不在于能否实现跨越式发展，而在于是否存在实施这一战略的政治和经济意愿。黄仁勋在达沃斯论坛上传递的信息是乐观的：欧洲拥有独一无二的机遇。但机遇必须把握。2024年至2026年将决定欧洲是成为下一轮工业革命的领头羊，还是沦为单纯的硬件供应商。.

必要的步骤很明确。首先，欧洲必须大力投资人工智能基础设施。2025年2月，欧盟宣布启动“投资人工智能”（InvestAI）计划，这是一项耗资2000亿欧元的项目，旨在建设四座人工智能超级工厂，每座工厂计划容纳约10万个人工智能芯片。这只是一个开始，但实施速度至关重要。其次，欧洲必须将工业基础与人工智能进行战略性整合。西门子、ABB、施耐德电气和其他欧洲工业巨头已占据有利地位，但它们需要与人工智能初创企业建立合作关系，并获得计算能力。第三，欧洲必须加强欧洲内部的伙伴关系。法德数字伙伴关系是一个值得推广到其他国家的模式。第四，欧洲必须认真对待数字主权。由欧洲控制的云数据中心、人工智能超级工厂和安全数据平台具有重要的战略意义。.

最大的危险在于犹豫不决。当欧洲还在争论不休时，美国和中国已经在实实在在地积累经验。黄仁勋在达沃斯论坛上指出，全球在人工智能基础设施上的投资仅有数千亿美元，但实际需要数万亿美元。因此，贝莱德首席执行官拉里·芬克提出的问题非常中肯：我们的投资是否足够？就欧洲而言，目前的答案是否定的。但如果欧洲不再盲目追随他人，而是开始利用自身优势塑造未来，那么机会依然存在。.

乐观的信息是：停止模仿他人，借助创新、组织双元性和人工智能，转变自身的商业模式。这并非投降，而是战略调整。欧洲无需在软件领域超越美国，而是将自身的工业优势与人工智能驱动的自动化相结合。这就是黄仁勋所描述的第二次机会。欧洲能否抓住它，取决于他们自己。.