本文来自微信公众号： 战魔田默 ，作者：战魔田默，原文标题：《战魔田默｜全球AI产业，究竟是谁在控制谁？》
630亿美元，华尔街提供融资，博通供应芯片，Anthropic租用算力。
谁掌握这笔交易的主动权？
10月26日，美国银行、黑石、花旗和摩根士丹利宣布，与博通合作安排一笔630亿美元的人工智能算力融资交易。
一家新设立的特殊目的载体负责购买博通的AI加速器和网络设备，再将相关设备租赁给Anthropic。
美国银行、花旗和摩根士丹利安排第一顺位融资，黑石提供承诺的第二顺位融资，博通则为特定范围的设备剩余价值提供支持。设备预计从2027年开始交付。
这笔交易将资金、资产、技术和使用需求分配给不同主体。Anthropic获得计算资源，却不直接拥有这批设备；金融机构提供资金，却不决定模型研发路线；博通销售设备，同时承担特定范围的资产价值风险。
全球AI产业中的合作，早已不只是采购与销售。芯片、云平台、模型、应用与金融资本之间，还存在投资、授权、融资、租赁及收益分成等复杂关系。
同一家企业可能在一项交易中拥有主动权，却在另一项交易中受制于人。技术替代和合同重议，还会不断改变双方的权利边界。
1
全球AI产业，为什么越来越难划分上下游？
按照传统产业链分析，芯片供应商提供计算设备，云服务商建设数据中心，模型企业开发人工智能，应用企业将模型转化为产品，最终由企业与消费者购买。
但全球主要AI企业已经跨越了这些业务边界。
微软既经营Azure，又通过Microsoft 365和GitHub服务企业客户，并与OpenAI建立投资、技术授权和商业合作关系。谷歌同时拥有TPU计算体系、Google Cloud、Gemini模型，以及搜索、办公软件和移动终端生态。
亚马逊投资Anthropic，通过AWS提供算力，也经营云市场和自有模型业务。Meta依托庞大的用户网络发展人工智能，通过开放权重模型扩大开发者生态。
英伟达通过GPU、CUDA软件生态和网络互联方案影响计算平台的技术选择。阿里巴巴则将阿里云、通义千问模型和企业应用组织在同一套商业体系中发展。
这些企业横跨多个环节，并不意味着能够独立完成全部技术和商业活动。
微软需要具有竞争力的模型，OpenAI又希望直接服务企业客户；亚马逊为Anthropic提供算力，也发展自己的模型业务；模型公司通过云平台触达客户，同时努力保留产品定价与客户合同。
业务边界的扩张，既可能减少外部依赖，也会使企业与更多合作伙伴形成竞争关系。
2026年7月，经济合作与发展组织（OECD）对人工智能市场的研究指出，基础模型供给快速扩大，但计算资源等关键投入仍然具有较高集中度。大型科技企业的纵向整合，也可能影响不同产业环节的竞争条件。
模型开发者越来越多，并不意味着先进制造、数据中心和计算基础设施同样容易进入。
部分AI技术服务的供给选择不断增加，关键资源却仍集中在少数企业手中。
全球AI产业已经不能简单地用上游控制下游解释。不同环节的企业在合作中争夺技术标准、资源供给、客户关系和交易条件。
2
掌握产业瓶颈，就能一直掌握主动权吗？
英伟达在全球AI产业中的优势，不仅来自GPU性能，还来自CUDA软件生态、网络互联和系统方案。
模型企业采购计算设备，需要考虑软件框架、工程人才、系统适配和长期运维。一旦围绕特定计算平台建立技术体系，更换平台就可能涉及程序迁移、重新调优和工程团队重新配置。
这种转换成本，使英伟达的影响力超出芯片销售本身。
但英伟达并不独立制造全部芯片，其先进产品需要台积电等企业提供制造与封装能力，还受到高带宽存储器、相关设备及供应链的约束。
台积电2025年以美元计价的收入同比增长35.9%，人工智能和高性能计算需求是推动业务增长的重要因素之一。
芯片设计企业依赖先进制造能力，制造企业也需要客户持续投入研发、推出产品并形成订单。双方拥有不同的技术优势，也承担不同的经营风险。
当先进GPU供给不足，芯片供应商拥有较强议价能力；当先进封装产能成为交付限制，制造和封装企业的重要性上升；当数据中心受到供电容量或电网接入限制，能源和基础设施条件又可能决定项目能否按期运行。
即使芯片供应充足，计算设施也未必能够立即建成。
当算法改进、模型压缩和推理效率提高，完成同样任务所需的计算资源可能减少，原本稀缺的算力供给也会受到技术进步的影响。
大型云服务商不断发展新的计算方案。
谷歌推进TPU，亚马逊发展Trainium，微软布局自研加速器，博通参与定制AI芯片和网络方案，AMD也持续拓展AI计算产品。
这些方案尚不能简单视为英伟达GPU的全面替代品，不同芯片在训练、推理、软件兼容性和实际成本上仍有明显差异。
但只要客户能够在部分工作负载上选择其他方案，原有供应商就需要面对新的竞争条件。
全球AI产业的主动权，往往随着关键瓶颈的转移而重新分配。
3
微软与OpenAI，究竟谁离不开谁？
云平台在全球AI产业中的地位，不仅来自大型数据中心，还来自长期积累的企业采购体系、技术部署环境和客户关系。
微软与OpenAI的合作，是理解这种关系的典型案例。
微软提供重要计算基础设施，拥有企业客户、软件渠道和商业合作权利；OpenAI掌握模型技术及产品能力，需要计算资源和市场渠道，同时希望扩大独立经营空间。
2026年4月27日，微软宣布调整与OpenAI的合作协议，对云服务、知识产权和收入分成重新作出安排。
微软继续担任OpenAI的主要云合作伙伴，相关产品原则上优先在Azure发布，但OpenAI可以通过其他云服务商向客户提供产品。
微软对OpenAI模型及产品知识产权的许可延续至2032年，同时转为非独占许可。
收入分成也发生变化。微软不再向OpenAI支付收入分成；OpenAI向微软支付收入分成的安排则延续至2030年，比例不变，并设置总额上限。
微软同时保留重要股东身份。
这份协议把资本权益、知识产权、云计算合作、销售渠道和收入分成划分为不同的合同权利。
微软拥有重要商业权益，却不能据此排他性决定OpenAI所有产品的运行平台。OpenAI获得更多跨云选择，也不意味着可以立即摆脱已有合同和微软的企业生态。
双方通过重新安排权利，改变合作中的依赖程度，同时保留彼此能够创造的商业价值。
Anthropic的商业安排也呈现出类似特点。
根据其IPO招股书，2026年上半年约48%的收入通过云服务商应用市场渠道产生，但Anthropic通常仍直接与最终客户约定模型使用和定价条件。云平台掌握重要采购入口，并不意味着能够独占客户关系。
模型开发者利用云市场降低客户采购和技术部署门槛，云平台则借助先进模型扩大计算资源与企业服务需求。
双方需要协商的，是模型在哪里部署、谁与客户签约、谁有权改变价格，以及未来能否选择其他合作伙伴。
在全球AI产业中，合同对具体权利的划分，往往比单纯比较投资金额更能说明实际控制关系。
4
模型供给越来越多，模型企业还掌握什么？
基础模型是全球AI产业技术创新最密集的环节之一，但技术领先的持续时间并不确定。
OECD研究显示，2024年1月至2026年4月，活跃文本生成模型数量由22个增至453个，相关开发者数量由9个增至47个。
同期，质量调整后的文本模型价格指数下降近80%。
这一指数不能等同于所有AI任务的实际完成成本，也不能直接代表模型企业的利润率。但随着具有竞争力的模型增加，客户拥有了更多比较性能、价格和部署方式的机会。
一家模型开发者今天取得领先，不代表客户未来只能继续购买它的服务。
OpenAI、Anthropic和其他模型开发者不仅提供底层模型能力，也持续发展面向用户和企业的产品。
模型性能能够吸引客户，产品体验、系统整合、安全保障和服务可靠性则会影响客户是否长期留下。
如果模型深入企业工作流程，更换供应商可能涉及接口重建、数据治理、安全验证和业务调整。客户转换成本越高，原有供应商通常越容易维持合作关系。
但多模型调用、统一开发接口和模型路由，也可能降低这种转换成本。
模型开发者还面临一项商业选择：是否进入应用企业已经经营的市场。
一家行业软件公司可以采购Claude或其他模型开发产品，也可能在具备条件时更换底层供应商。如果模型开发者推出相似应用，双方就可能从技术合作转向直接竞争。
开放权重模型进一步增加了客户的选择。
Meta、阿里巴巴等企业采取不同的模型开放策略，使部分开发者能够自行部署、定制和整合模型能力。
不过，开放权重不意味着无条件商用。许可约束、部署成本和技术适配仍然影响企业的实际选择。
模型企业需要决定自己在商业价值链中承担什么角色。如果只提供标准化模型调用服务，其议价空间容易受到技术替代和价格竞争影响；如果进入企业软件及具体应用市场，又可能与原有合作伙伴形成竞争。
模型开发者能够控制的不只是模型性能，还包括自主经营的产品、服务和客户合同。这些能力能否长期产生商业价值，仍须接受市场竞争检验。
5
华尔街进入AI，控制权发生了什么变化？
10月26日宣布的630亿美元算力融资交易，为理解金融资本与AI产业的关系提供了具体样本。
这笔交易并不是金融机构直接购买Anthropic股票，也不是简单向Anthropic提供一笔可以自由使用的贷款。
按照公布的安排，特殊目的载体购买博通的XPU加速器和网络设备，再将相关设备租赁给Anthropic。
美国银行、花旗和摩根士丹利安排第一顺位融资，黑石提供承诺的第二顺位融资，博通则提供特定范围的设备剩余价值支持。
融资顺位涉及债权的清偿次序及风险承担。剩余价值支持则涉及计算设备未来资产价值的风险分配，具体权利与责任取决于正式合同。
这套结构将资金提供、设备所有、技术供应和设备使用分配给不同主体。
金融机构通过融资合同获得约定的债权及保护机制，项目载体持有设备并承担相应的资产管理和租赁义务，博通供应硬件，Anthropic则取得计算资源使用能力。
模型企业不必在交易开始时直接购买全部设备，却可能承担长期租赁与付款义务。
如果未来算力需求低于预期，相关合同可能形成经营压力；如果芯片技术快速更新，设备剩余价值可能下降；如果融资安排需要调整，不同顺位债权人的合同权利也会影响资产处置。
资金安排可以改变资产持有方式，也可以重新分配部分风险，但不能消除设备技术寿命、客户需求和融资成本的不确定性。
对金融机构而言，拥有债权和资产保护安排，并不保证长期收益。对Anthropic而言，获得计算资源使用权，也不等于可以任意改变交易中的付款条件。
金融资本能够影响基础设施投资的组织方式，却无法单独决定哪一种模型技术最终胜出。
这笔交易最值得研究的，不只是华尔街投入了多少资金，而是计算资源的所有权、使用权、融资权和风险承担，如何通过合同被重新组合。
6
应用企业为什么能够反过来影响模型供应商？
微软与西门子的Industrial Copilot合作，提供了全球AI产业另一种控制关系。
西门子将微软的云与AI能力引入工业软件和自动化系统，使工程人员能够通过自然语言辅助处理编程、工程信息及相关工作任务。
2024年10月，西门子公开披露，当时欧美已有超过100家企业使用Industrial Copilot，其中包括舍弗勒、蒂森克虏伯自动化工程等企业。
西门子同时表示，超过12万名工程师具备使用相关能力的条件。这里的可使用人数不等于持续活跃用户数量，也不能直接用于推算经济收益。
工业AI产品不能仅凭通用模型能力完成商业交付。客户需要解决设备编程、工程效率、工业流程和系统可靠性等具体问题。
微软提供云与AI能力，西门子拥有工业软件、自动化系统、工程知识和长期积累的客户关系。
工业客户购买的是能够嵌入真实生产与工程流程的解决方案，而不是孤立的模型调用能力。
西门子可以基于客户的业务要求，对底层AI技术提出具体条件，包括系统适配、安全权限、输出可靠性与工程流程兼容。
但行业应用企业也无法完全脱离模型供应商。底层模型的能力、成本和部署方式，仍然影响应用产品的性能与经营效率。
双方议价能力的差异，来自各自在最终交付中承担的职责。
模型供应商需要提供符合应用要求的技术能力，行业企业则需要将技术转化为可以进入生产流程、满足客户要求并持续运行的业务系统。
如果企业只为通用模型增加简单的操作界面，其产品可能较容易被替代。如果企业掌握专业软件、行业知识、数据使用权限和交付责任，客户购买的就是能够持续完成特定业务任务的系统。
模型企业提供技术能力，应用企业组织最终业务结果。
应用企业的主动权，不在于彻底摆脱底层模型，而在于客户是否愿意为它独立承担的业务价值持续付费。
7
中国企业在全球AI体系中拥有哪些选择权？
中国企业在全球AI产业中的位置，不能只用模型数量、算力规模或者单项技术排名衡量。
更重要的是，哪些能力已经能够独立供给，哪些环节仍然依赖外部资源，以及企业能否通过技术与商业选择改变这种依赖。
阿里巴巴围绕阿里云、通义千问模型及企业服务建立纵向协同。
2026年8月，阿里巴巴披露，截至当年6月30日的季度，AI云与计算服务业务收入约71亿美元，同比增长45%。
这一口径包含相关云与计算服务，不能全部解释为基础模型收入。
对阿里巴巴而言，模型既可以形成独立产品，也可以通过开发工具、算力服务和企业应用扩大云计算业务。
但纵向协同不等于所有关键技术都能由企业内部解决。先进半导体制造、全球供应链以及不同地区的云服务竞争，仍然影响其发展空间。
华为则围绕昇腾计算体系、CANN软件生态和行业部署发展计算平台。
华为2026年9月披露，昇腾CANN外部开发者占比达到61%，超过40个模型基于昇腾与CANN完成原生预训练。
这些属于企业官方披露的生态指标，不能直接等同于市场份额或商业利润。
计算平台的竞争不仅是硬件性能竞争，还涉及开发工具、模型适配、软件生态和实际行业部署能力。
DeepSeek、智谱等模型开发者，则通过模型性能、技术效率、产品和开发者生态争取市场。
不同企业所掌握的资源并不相同，能够采用的商业路径也存在明显差异。
中国的汽车、制造、能源、金融和医疗等行业，还提供了大量复杂的AI应用场景。
这些行业客户需要的不只是模型性能，还包括系统兼容性、安全保障、成本控制和可验证的业务效果。
如果产业客户能够明确定义技术任务、拥有多家合格供应商，并形成持续采购，就可能反向影响模型与应用产品的开发方向。
但庞大的市场规模，不自动等于强大的采购议价权。缺少供应商替代、系统集成能力和业务效果验证，企业即使投入大量资金，也可能长期依赖外部技术。
对于中国企业，建立选择权需要落实到具体经营能力。计算平台企业需要扩大开发者和技术适配生态，模型企业需要形成可持续的产品竞争力，行业应用企业则需要掌握任务定义、系统集成和最终交付。
中国企业在全球AI体系中的位置，最终要通过三个层面判断：关键资源能否获取，技术与产品能否形成独立竞争力，以及在全球合作与交易中能否保持必要的选择权。
8
谁能控制谁，取决于什么？
全球AI产业没有一家企业能够永久控制全部环节，但不同主体确实拥有范围和强度各不相同的控制力。
判断这种控制力，需要回答四个问题。
第一，企业能够决定什么？
是资源供给、技术接口、软件标准、销售渠道、客户定价，还是融资和合同条件？
英伟达能够影响计算平台的技术选择，并不意味着它拥有模型企业的客户定价权。云平台掌握采购渠道，也不必然拥有模型企业全部客户合同。金融机构获得设备融资相关权利，更不能据此决定模型企业的研发路线。
控制力必须落实到具体的资源、决策和交易条件，不能仅凭市场规模或者投资金额判断。
第二，对方有多大程度必须依赖它？
如果一项资源在短期内难以获得替代供给，其他企业就可能需要接受供应商提出的部分条件。
先进芯片、特定制造产能、专有软件生态和行业系统，都可能形成这种依赖。
但供给扩大、竞争者进入或者技术效率提高，都可能改变资源的稀缺程度。今天掌握供应瓶颈的企业，明天未必继续拥有同样的议价能力。
第三，改变合作关系要付出多少代价？
更换计算平台，可能涉及软件迁移和系统调优。更换模型供应商，可能需要重新验证安全、质量和业务效果。终止长期融资或者租赁安排，还可能受到合同期限、违约责任及融资条件约束。
这些成本越高，企业越难迅速摆脱既有合作关系。但退出成本较高，并不意味着供应商可以随意提高价格。合同约束、客户规模、声誉和市场竞争，都可能形成反向制约。
第四，对方能否改变这种依赖？
谷歌、亚马逊和微软发展自研芯片，是为了获得更多计算资源选择。OpenAI通过调整合作协议扩大跨云部署空间，为自身争取更多商业灵活性。
行业应用企业发展多模型架构，可能减少对单一模型供应商的依赖。供应商同样可以拓展客户、完善软件生态或进入新市场，降低对特定大客户的依赖。
产业控制力的强弱，不仅取决于当前资源分布，还取决于双方建立替代方案的能力与速度。
如果客户可以迅速改变技术路线，原本占据优势的供应商就可能失去议价能力。反过来，如果技术深度嵌入开发工具、组织流程与客户系统，即使出现替代产品，原有供应商也可能继续保有商业优势。
技术突破可以改变资源瓶颈，开放接口可以降低迁移成本，合同重议可以调整权利分配，新的竞争者则可能重新改变交易双方的位置。
谁今天能够提出条件，取决于当下的依赖；谁明天仍能提出条件，取决于对方能否改变这种依赖。
9
在相互依赖的产业中，企业如何保有主动权？
全球AI产业的竞争，不会因为某一家企业暂时掌握领先技术或者关键资源而结束。
芯片供应商需要先进制造能力，模型开发者需要算力和客户，云平台需要有竞争力的技术服务，应用企业需要完成实际业务交付，金融资本则必须评估长期资产回报。
这些关系既相互依赖，也相互制约。任何一方试图扩大自身控制力，都可能推动其他参与者寻找新的技术路线、供应来源和合作方式。
对于企业经营者，比判断哪一家科技巨头最终胜出更重要的，是看清自身处于怎样的依赖关系。
关键供应商改变价格，有没有替代来源？合作平台进入自己的市场，能否保住客户？技术路线或者融资条件发生变化，企业还有没有独立调整的能力？
企业未必需要控制完整产业链，却必须掌握足以维持独立经营的关键能力，并为不可避免的外部依赖保留选择空间。
衡量一家企业的产业控制力，不能只看它能够让别人做什么，还要看别人能够让它不得不做什么。