欧洲正在朝着摆脱对美国大型科技公司依赖的方向迈出一小步,它仅雇佣总部位于欧盟的云运营商来构建数字欧元项目的核心基础设施。
法国企业OVHcloud和Scaleway正在提供主权欧洲云基础设施,以支持这一数字货币项目。数字欧元是欧洲央行的一项计划,旨在实现商店、在线和个人之间的电子支付。
该项目的主要动机是摆脱对美国支付网络的依赖。根据金融观察组织的数据,欧洲支付被美国公司如Visa和万事达卡主导,在2023年下半年,欧元区超过三分之二的卡交易都是通过国际支付方案结算的。
与此同时,欧洲在云计算服务方面也高度依赖美国科技巨头。Synergy Research去年的数据显示,本地云提供商仅占欧洲云市场的15%,而三大全球巨头——亚马逊、微软和谷歌——共占约70%的市场份额。
这种依赖性带来了真正的风险:正如一位微软高管去年在宣誓作证时承认的,美国云法案可能会强制提供商向美国当局交出其系统上存储的任何数据,无论这些数据在世界何处存储。
为了解决这个问题,欧洲央行将资格限制为仅限欧盟境内的提供商。在发给The Register的声明中,发言人告诉我们:
SEPI系统处理参与数字欧元系统的组织之间支付信息的安全交换。
The Register采访的专家赞同这一举措。
"欧洲央行将资格限制为欧盟提供商,这是将主权写入采购政策的做法,这是正确的决定。欧洲正在积极选择投资自己的科技部门,同时保护公民的金融数据免受外国司法管辖。这很重要,"Informa研究员兼Canapii联合创始人Steve Brazier告诉The Register。
"如果欧盟是第一个推出主权数字货币的主要市场,那么它可能会刺激各种金融创新,并为其公司和公民提供急需的经济推动,"他说,但同时补充道:"OVHcloud的加拿大法庭争议表明,仅仅在欧盟注册并不能完全抵御外国干预,欧洲的法律框架也需要跟上。"
那么这是欧盟迈向数字主权的试探性第一步吗?
"是的,我认为这是欧洲开始整合行动的表现,但我确实认为这可能为时已晚,因为云计算的船已经开走了,"Omdia首席分析师Roy Illsley说。
"然而,AI这艘船仍停靠在港口,这可能是朝着基于欧洲技术、符合欧盟规则和法规的AI驱动支付系统迈出的一步。"
Gartner副总裁分析师Nader Henein告诉我们,如果欧盟想要数字主权,欧洲央行和其他欧洲机构必须起到表率作用。
"数字欧元项目是欧洲央行的主要倡议之一,欧洲央行长期以来一直是数字主权的坚定倡导者,所以很难不将选择两个主权云平台作为欧洲数字货币基础的决定联系起来,"他说。
数字欧元尚未成定局。欧洲央行只有在相关法规获得欧洲议会和欧盟理事会批准后才会决定发行数字欧元。如果这在2026年期间发生,那么数字欧元可能会在2029年的某个时候发行。
Q&A
Q1:数字欧元项目的主要目的是什么?
A:数字欧元是欧洲央行的一项计划,旨在实现商店、在线和个人之间的电子支付,主要目的是摆脱对美国支付网络的依赖。目前欧洲支付被美国公司如Visa和万事达卡主导,在2023年下半年,欧元区超过三分之二的卡交易都是通过国际支付方案结算。
Q2:为什么欧洲央行只选择欧盟云提供商而拒绝美国云巨头?
A:这主要出于数字主权和数据安全考虑。美国云法案可能会强制提供商向美国当局交出其系统上存储的任何数据,无论这些数据在世界何处存储。为了保护公民的金融数据免受外国司法管辖,欧洲央行将资格限制为仅限欧盟境内的提供商。
Q3:数字欧元什么时候能够正式发行?
A:数字欧元尚未成定局。欧洲央行只有在相关法规获得欧洲议会和欧盟理事会批准后才会决定发行数字欧元。如果这在2026年期间发生,那么数字欧元可能会在2029年的某个时候发行。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。