在今年瑞士达沃斯世界经济论坛会议上,欧洲科技领导者警告称,不应采取过度热衷的数字主权方式来排斥美国技术供应商。
法国IT服务公司凯捷集团首席执行官艾曼·埃扎特在周四的小组讨论中表示:"我们必须对围绕主权的讨论保持谨慎。"
埃扎特引用了马里奥·德拉吉2024年关于欧盟竞争力的重要报告。这位前欧洲央行行长在报告中将欧洲滞后的生产率增长与较低的技术采用率联系起来。
埃扎特警告称,旨在强化数字主权的法规可能会减缓欧洲的技术采用,并"进一步削弱欧洲工业的竞争力"。
他说:"我们必须尽可能快地采用技术。是的,有时这可能会以牺牲主权为代价。"
瑞典电信设备公司爱立信首席执行官博杰·埃克霍姆在达沃斯接受彭博采访时表示,最近围绕主权的讨论是"危险的",试图建立美国技术的本土替代品将导致该地区价格上涨。
同时,凯捷的埃扎特指出,对美国技术存在"巨大依赖",这导致了"暴露和风险"。
他说,欧洲对美国技术的依赖部分是由于国内云计算领域薄弱,这源于2010年代缺乏可用的投资资本。2025年Synergy Research报告发现,欧洲云服务提供商现在仅占该地区云市场的15%。他说:"我们在云计算方面投资得不够早,无法创建欧洲云服务提供商。"
埃扎特呼吁对数字主权采取平衡方法。他说:"记住,主权不是单一整体的东西。不是'要么我们有,要么我们没有'。"
埃扎特表示,欧洲国家已经有能力确保数据、运营和监管主权。然而,技术主权更具挑战性。他说:"有四个层面,我们可以控制其中三个。在技术方面,我们必须做出妥协,同时尝试在某些地方建立我们自己的技术栈。"
波兰语音AI初创公司ElevenLabs联合创始人兼首席执行官马蒂·斯坦尼斯泽夫斯基在小组讨论中表示,技术主权涵盖多个层面。这包括能源和计算,以及基础模型和这些模型如何被公司和政府在生产中应用。
他说,与全球基础模型提供商合作是有意义的,而欧洲公司可以通过专注于位于这些模型之上的数据和AI应用,在技术栈的更高层面竞争并"蓬勃发展"。
在小组讨论中发言的SAP首席执行官克里斯蒂安·克莱因表示,在欧洲,主权话题可能"非常情绪化——也许过于情绪化"。
他说,对美国硬件的一些依赖是不可避免的,但切换基础设施提供商的能力限制了风险。他表示,主权努力应该优先关注数据层。
克莱因说:"我可以在四周内将任何ERP从一个基础设施移植到另一个基础设施。我无法在四周内将需要关键制造任务的SAP供应链软件客户从一个系统移植到另一个系统。"
"我们需要花更多时间获得更好的数据访问权限,真正玩一场美国和中国尚未玩过的游戏。"
Q&A
Q1:为什么欧洲科技领导者反对过度的数字主权措施?
A:欧洲科技领导者认为过度热衷的数字主权方式可能会减缓技术采用,进一步削弱欧洲工业的竞争力。凯捷CEO埃扎特引用德拉吉报告指出,欧洲滞后的生产率增长与较低的技术采用率有关,因此必须尽可能快地采用技术。
Q2:欧洲为什么在云计算领域依赖美国技术?
A:根据凯捷CEO埃扎特的分析,欧洲对美国技术的依赖部分源于国内云计算领域薄弱,这是由于2010年代缺乏可用的投资资本造成的。2025年研究报告显示,欧洲云服务提供商现在仅占该地区云市场的15%。
Q3:欧洲应该如何平衡数字主权和技术采用?
A:专家建议采取分层的平衡方法。埃扎特指出主权有四个层面,欧洲可以控制其中三个:数据主权、运营主权和监管主权。在技术层面需要妥协,同时逐步建立自己的技术栈。ElevenLabs CEO建议与全球基础模型提供商合作,专注于数据和AI应用层面的竞争。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。