席春迎丨從韓國到日本：AI時代的全球競爭正在從企業戰爭升級為國家產業體系戰爭

人工智能競爭正在進入一個新的階段。

過去幾年，市場關注的焦點主要集中在模型能力上：誰的參數更大，誰的推理更強，誰能率先把生成式AI轉化為商業產品。但隨着模型訓練和推理規模不斷擴大，全球競爭的重心已經明顯外移：芯片、內存、先進封裝、數據中心、電力、機器人、工業軟件和長期資本，正在被重新組織為一個彼此依賴的完整體系。

這意味着，AI已經不再只是少數科技公司之間的技術競賽，而正在成為主要經濟體之間的產業體系競爭。一個國家是否擁有領先模型固然重要，但能否持續獲得算力、建設數據中心、保障能源供給、開放工業場景，並通過資本和制度把這些資源長期組織起來，正在變得更加關鍵。

近期韓國和日本相繼採取的大規模行動，正是這一變化的集中體現。

韓國剛剛以接近9,500億美元的長期合作安排，將三星、SK集團與美國科技企業圍繞HBM、加速器、先進封裝和數據中心組織起來；日本也迅速推出一套更符合自身產業稟賦的AI戰略，由政府支持的Noetra聯合軟銀、索尼、本田等44家大型企業，與英偉達共同建設國家級AI基礎設施，並計劃部署13,750顆VeraCPU和27,500顆RubinGPU，重點服務機器人、製造、物流和醫療等「物理AI」場景。日本政府希望藉此建立一套由本國企業共同使用、能夠保護產業數據並支撐機器人基礎模型訓練的國家級平台。

韓國與日本選擇了不同的切入點。韓國試圖把自身在HBM、儲存、晶圓製造和先進封裝上的優勢嵌入美國AI資本開支周期；日本則希望把英偉達的算力和軟件平台，與本國在機器人、汽車、精密製造和工業設備方面的積累結合起來，重新爭奪物理AI時代的產業主導權。

兩者共同釋放出一個清晰信號：全球AI競爭正在越過模型排行榜，進入國家產業體系之間的較量。決定勝負的不再只是某一家企業能否訓練出更強模型，而是一個國家能否把芯片、內存、封裝、數據中心、電力、工業設備、資本和全球客戶組織成一個可以持續進化的系統。

一、日本為什麼選擇英偉達：它缺的不是機器人，而是機器人的「大腦」

日本並不缺機器人。發那科、安川電機、川崎重工、三菱電機等企業長期佔據工業機器人和自動化設備的重要市場，日本在伺服電機、減速器、感測器、精密製造、機床和汽車供應鏈等領域也擁有深厚積累。

但傳統工業機器人與AI時代的智能機器人之間，仍存在一道明顯鴻溝。傳統機器人擅長在固定工位、穩定環境和預設程序下重複動作，它們可以連續焊接、搬運和裝配，卻很難理解開放環境，也難以通過自然語言學習新任務。過去日本機器人的優勢主要建立在機械精度、控制系統、耐用性和規模製造之上，而物理AI需要加入視覺理解、世界模型、模擬訓練、強化學習和即時推理。

英偉達提供的正是這套「智能底座」。Cosmos、Isaac、Jetson和Omniverse等平台，將模型、模擬、邊緣運算和數字孿生連接起來。日本企業如果各自開發模型、工具鏈和算力平台，成本高、周期長，也難以形成統一生態，接入英偉達平台則可以更快地將已有機械能力與AI結合。

Noetra建設的國家AI基礎設施，因此並不是一座普通算力中心。它要解決的是日本企業在物理AI時代共同面臨的算力、模型、數據和平台問題。日本政府支持這一項目，44家大型企業共同參與，說明日本已經不再把AI理解為某一家科技公司的業務，而是把它視為製造業、機器人和人口結構調整的國家性問題。

日本很清楚，自己已經錯過了互聯網平台和通用大模型的第一輪競爭。它沒有全球規模的搜尋、社交和雲平台，也缺少像OpenAI、Google和Meta那樣掌握海量通用數據的企業。如果繼續把主要資源投入通用聊天模型，日本很難在短期內改變格局。

但日本仍然擁有大量互聯網企業難以輕易獲得的工業數據：工廠如何調試設備，機器人如何完成精密操作，汽車如何在複雜環境中運行，護理機構如何應對老齡化需求，造船、機床和物流系統如何長期運轉。

這些數據並不集中在互聯網平台，而沉澱在設備、企業和生產流程之中。日本的戰略，是把製造業知識、真實世界數據和英偉達的平台能力結合起來，繞過通用模型的正面戰場，在物理AI領域重新建立競爭優勢。

二、韓國和日本正在重寫AI競爭的基本單位

韓國與日本的戰略看似不同，實質上遵循的是同一種邏輯：不必在每個環節都領先，但必須在全球AI體系中佔據難以替代的位置。

韓國的優勢在上游。AI加速器的性能不僅取決於運算芯片，也取決於HBM、先進封裝和系統整合。隨着模型規模擴大，內存頻寬和封裝能力越來越成為算力瓶頸。三星和SK海力士因此不再只是周期性儲存供應商，而正在轉向下一代AI基礎設施的戰略合作夥伴。

日本的優勢在下游。它雖然缺乏全球領先的GPU和基礎模型，卻擁有機器人、汽車、精密設備、工業客戶和真實場景。它要做的不是複製英偉達，而是把英偉達的「腦」接入日本製造的「身體」。

一個鎖定上游稀缺供給，一個鎖定下游工業場景。這說明，AI產業已不能再被簡單劃分為芯片、模型和應用三個層次。真實的競爭體系至少包括算力芯片、HBM、先進封裝、服務器、光互連、數據中心、發電與電網、基礎模型、行業模型、機器人、工業設備、數據、場景、雲服務、軟件生態和長期資本。

這些環節也不再是一條線性產業鏈，而是彼此鎖定的網絡。下一代AI加速器的設計要提前確定內存和封裝路線，數據中心建設要提前鎖定芯片、電力和客戶，機器人訓練需要工業數據、模擬平台和邊緣芯片，金融機構是否投資又取決於算力需求、技術折舊、電價和長期合約。任何一個環節獨立擴張都可能形成浪費，只有將技術路線、客戶需求、能源基礎設施和資本安排提前協調，產業投資才有可能持續。

這也改變了政府的角色。過去產業政策主要表現為補貼工廠、提供稅收優惠和設立基金；現在，政府還要幫助企業連接國際技術平台，組織長期採購，開放應用場景，建設共享算力設施，並協調能源、數據和監管。

韓國鎖定的是未來AI供應鏈，日本建設的是國家物理AI平台。兩者都在把未來的不確定需求，轉化為今天能夠據此投資的產業預期。

三、中國真正需要補的不只是芯片，而是產業組織能力

面對韓國和日本的行動，中國容易出現兩種誤判：一種是只看到高端芯片差距，認為只要補上GPU，其他問題就會自然解決；另一種是強調中國製造體系完整，從而低估國際生態、軟件平台和全球資本的重要性。

中國確實擁有其他主要經濟體難以同時具備的產業基礎。中國擁有龐大的電力系統，全球領先的新能源和電力設備製造能力，完整的服務器和數據中心供應鏈，也擁有機器人、汽車、無人機、工程機械、物流、電商、醫療、水務和城市治理等海量應用場景。

但中國真正獨特的優勢，是有可能形成從AI基礎設施到物理應用的最大規模工業閉環：在上游，中國可以推動國產加速器、儲存、先進封裝、服務器、液冷、光模組和電力系統協同發展；在中游，可以建設面向產業的算力網絡、行業模型和數據平台；在下游，則可以把AI植入工廠、機器人、汽車、能源、醫療和公共基礎設施。

但這套體系目前仍存在明顯的組織斷點。

第一個斷點，是硬件、模型與場景之間缺少穩定界面。不少地方在建算力中心，不少企業在開發大模型，製造企業也希望進行AI改造，但三者往往各自推進。算力中心追求上架率，模型企業追求參數和融資，工業企業關心降本增效，缺少一個能夠把技術指標翻譯成經營結果的系統組織者。

第二個斷點，是項目建設與長期需求之間不完全匹配。一些數據中心在沒有穩定客戶和長期電力方案時先行建設，一些模型項目依賴短期補貼，而不是客戶持續付費。韓國通過長期供應關係鎖定未來需求，日本通過大型企業聯盟創造使用場景，中國也需要避免「先建項目、再找需求」的傳統招商模式。

第三個斷點，是國內產業能力與國際資本、客戶和規則體系之間連接不足。中國企業可能擁有更低的設備成本和更快的建設能力，卻未必能夠獲得海外客戶認可；也可能具備技術和產品，卻缺少適合海外數據中心、機器人和能源項目的融資結構、長期合約和風險管理工具。

第四個斷點，是企業之間的協同能力不足。許多中國企業擅長獨立競爭，卻不擅長共同定義標準、共享非核心數據和聯合服務國際客戶。在AI這種高度系統化的產業中，如果企業之間仍然只是簡單買賣關係，就很難與已經形成長期聯盟的國家體系競爭。

因此，中國下一階段的AI戰略，應當從單點國產替代轉向國家級智能產業系統建設。國產替代仍然是安全底線，但不能成為全部目標。真正的競爭力不是每個環節都有一家企業，而是不同環節能夠共同交付一個完整結果。

四、從「世界商品中國造」轉向「中國商品世界造」

中國在過去四十年的全球化中形成了一套極其強大的製造體系，「世界商品中國造」，既是中國工業化最重要的成就之一，也塑造了中國在全球貿易中的核心地位。

但在AI時代，僅僅把商品在中國生產出來再出口到全球，已經不足以支撐中國企業繼續提升國際影響力、品牌價值和產業控制力，中國需要從「世界商品中國造」，轉變為「中國商品世界造」。

這並不是把製造業簡單搬出中國，而是要把中國的產業能力更深地嵌入世界各地的產業鏈、資本體系和本地經濟。中國企業不應只把產品賣到海外，而應在當地建立研發、製造、供應鏈、銷售、售後服務、人才培養和資本合作能力，使「中國商品」成為全球資源共同組織、在當地持續創造價值的產業體系。

過去的出海更多是出口產品，未來的出海應當是輸出產業組織能力。

在中東，中國可以把光伏、儲能、電網、液冷、服務器和數據中心建設能力，與當地能源和主權資本結合，形成低成本AI基礎設施；在東南亞，可以將工業AI、機器人、園區管理和本地製造結合起來；在歐洲和日本，則可以通過併購、合資和聯合研發，獲得工業軟件、精密零部件、品牌、渠道和本地客戶。

這種變化的意義，不只是規避貿易壁壘。當中國企業真正進入當地產業鏈，就能夠更早理解客戶需求，更深參與產品定義，更穩定地獲得本地人才和訂單，也更容易建立品牌和長期信任。企業由此不再只是全球供應鏈中的低成本製造者，而成為當地產業升級的參與者和組織者。

「中國商品世界造」的核心不是生產地點的變化，而是產業組織方式的變化，它要求中國企業從單一公司出海轉向產業鏈協同出海，從產品銷售轉向資本、技術、製造、服務和治理共同落地，從追求出口規模轉向建立全球品牌、當地生態和長期影響力。

這也是AI時代中國企業必須補上的能力。AI基礎設施、機器人和工業智能項目往往規模大、周期長、系統複雜，單一設備或單一模型很難獨立進入海外市場。設備企業、模型企業、電力公司、工程公司、金融機構和專業服務機構必須共同面對客戶。

中國需要形成若干面向全球的AI產業聯合體，它們不應只是發布倡議，而要能夠提供完整產品組合、統一技術標準、海外融資、法律合約、風險管理和本地營運。

只有當中國企業能夠在全球不同市場組織當地資源、連接全球資本、吸納國際人才並形成區域產業生態，中國製造能力才會真正轉化為產業影響力、品牌力和國際定價權。

五、香港應成為中國AI產業國際化的制度作業系統

在這一轉型中，香港的作用遠不止幫助幾家AI企業完成IPO，香港最大的價值，是在中國製造和全球資本之間提供一套國際市場能夠理解、接受並信任的制度界面。

首先是融資。AI產業需要的不是一次性融資，而是覆蓋研發、設備、數據中心、能源和併購的多層資本。大型算力和能源項目投資周期長、技術迭代快，既不能完全依賴短期銀行貸款，也不能只靠風險投資。

香港可以把股權資本、債券、銀行貸款、基礎設施基金、保險資金、家族辦公室和國際主權資本結合起來，為不同階段項目設計資本結構。數據中心可以由長期客戶合約支持項目融資，機器人企業可以通過產業基金和上市公司完成併購整合，能源與算力項目則可以設計綠色或基礎設施融資工具。香港需要做的是把一項複雜的中國AI產業能力，轉化為國際投資者可以理解、比較和投資的資產。

其次是跨境合約。中國企業未來與中東、東南亞、日本和歐洲合作，需要處理產能預留、知識產權、軟件授權、數據使用、電價調整、技術更新、出口管制和爭議解決等問題。香港的普通法制度、國際仲裁和專業服務體系，可以為這些合作提供標準化合約框架。

第三是風險管理。AI數據中心的風險遠比傳統房地產複雜。芯片可能快速折舊，算力價格可能下降，電價可能上漲，客戶可能集中，設備還可能受到出口限制。一項海外項目還會面臨匯率、利率、政治和數據合規風險。香港可以建立面向AI基礎設施的風險評估、保險和對沖機制。

第四是產業併購。中國AI企業要進入海外市場，需要收購本地技術、渠道、客戶和服務能力。香港可以成為中國企業收購日本機器人零部件、歐洲工業軟件、東南亞數據中心和中東技術服務公司的交易平台，通過上市公司、產業基金和專業機構完成盡職調查、融資、交易結構和後續整合。

最後，香港還可以承擔產業組織功能。香港可以建立面向AI基礎設施和物理AI的跨境項目庫，把中國的芯片、服務器、電力設備、機器人和模型企業，與國際資本、海外場景和技術資產進行匹配。

香港不是中國AI產業的生產車間，卻可以成為中國AI產業走向全球的制度作業系統。

如果說內地製造業負責生產AI時代的機器、設備和系統，那麼香港應負責把這些產業能力組織成國際資本可以投資、國際客戶可以採購、國際規則可以接受的產品。

六、未來競爭的核心是國家級智能產業系統

韓國的AI聯盟表明，儲存、封裝和數據中心正在被組織為國家AI基礎設施；日本與英偉達的全面合作則表明，機器人、製造、工業數據和物理AI正在被組織為另一套國家級體系。

中國不必複製韓國，也不必照搬日本。中國真正應該建設的，是一套以自主技術為底座、以製造和場景為優勢、以長期資本為支撐、以全球產業合作為擴張路徑、以香港為國際界面的國家級智能產業系統。

這套系統既要保證核心技術安全，也要保持全球開放；既要推動國產替代，也要主動進入世界產業鏈；既要擴大中國製造，也要形成「中國商品世界造」的全球布局。

未來全球AI競爭的分水嶺，將不再是誰發布了更強的模型，而是誰能夠把AI轉化為整個經濟和工業體系的生產能力。

一個沒有產業場景的模型難以持續創造價值，一個缺少軟件和智慧能力的製造體系會逐漸失去定價權，一個缺少資本、品牌和國際組織能力的產業鏈，則可能長期停留在成本競爭。

中國擁有把AI與全球最大規模實體經濟結合起來的條件，真正的挑戰是能否把這些分散優勢組織起來，並進一步嵌入世界各地的產業鏈、資本體系和本地市場。

從「世界商品中國造」走向「中國商品世界造」，不是中國製造的退場，而是中國企業從製造者走向全球產業組織者的開始，而香港的歷史性機會就是幫助中國把這種產業組織能力，轉化為全球資本可以定價、國際企業能夠合作、世界市場願意購買的長期價值。

（本文作者為香港中小上市公司協會主席）