过去两年，全球AI竞赛陷入一套单一且极致内卷的标准公式：比拼高端GPU数量、算力中心规模、模型参数大小、榜单Benchmark分数。
OpenAI、谷歌、Anthropic持续刷新技术上限，各国相继出台算力规划、打造主权大模型、布局AI国家战略。在这套叙事里，算力与芯片几乎等同于AI竞争力的全部。
但这套赛道，天然只属于少数强者。对于绝大多数全球南方国家而言，没有顶级芯片供给、没有亿元级训练预算、没有硅谷式的成熟创新生态，沿着资源密集型的老路追赶，永远只能被动跟随、持续落后。
这也正是2026年WAIC观察者网早餐会《AI普惠：硅谷之外，全球南方》的核心追问：如果无法复刻硅谷，发展中国家的AI出路在哪里？全球AI竞争的真正短板，从来不是GPU，而是完整、自主、可持续的发展体系。
一、两条AI路线：军备竞赛式内卷，还是普惠式生长？
当下全球AI，已经清晰分化为两条完全不同的发展路径，背后是两种截然不同的发展逻辑与价值取向。
第一条是资源密集型的军备竞赛路线。依靠海量资本、顶级芯片、超大算力，不断堆砌模型参数、刷新榜单分数。这是一条昂贵、垄断、马太效应极强的赛道，强者恒强，后进者几乎没有弯道超车的可能。行业逐渐陷入一种荒诞内卷：所有人都在追逐榜单上88分和86分的细微差距，却很少有人追问，这些分数究竟能为现实社会创造多少真实价值。
第二条是资源友好型的普惠发展路线。不再执着于极致参数比拼，而是以更低成本、更高效率、更适配本土需求为核心，让AI真正落地产业、服务民生、赋能本土发展。这是属于全球南方的突围路径，也是AI从“技术炫耀”走向“社会基础设施”的关键转折。
复旦大学沈逸指出，行业需要重新回答AI发展的终极命题：我们发展AI，到底是为了技术领先，还是为了国家发展、社会进步、民生改善？
真正值得衡量的AI能力，从来不是参数迭代、榜单分数，而是能否提升社会运行效率、赋能传统产业、优化公共服务、降低数字技术的使用门槛。教育、农业、制造、医疗、中小微企业，这些朴素的真实场景，才是AI价值的最终落脚点。
基于此，他提出“AI主权基础设施”的核心概念：AI不是少数科技巨头的商业产品，而是和电网、通信、能源一样的国家底层基础设施，需要与本国教育体系、产业结构、公共治理深度绑定。真正的AI主权，不是拥有最先进的大模型，而是拥有自主可控、适配本土、服务本土的AI发展能力。
如今全球南方国家面临的最大困境，是一道被动的两难选择题：想要先进AI能力，就必须依附外部平台、接受外部规则，甚至让渡部分数字主权。这种“跪着才能挣钱”的发展逻辑本身极不公平。AI发展不该建立在主权与发展二选一的博弈之上，而应基于主权平等、开放共赢，让每个国家都能自主决定数据使用、模型部署、系统运行的规则。
二、真正的数字主权，是知识主权而非算力主权
多数人默认，AI竞争的核心是芯片、算力、模型的竞争。但长期研究全球南方发展的委内瑞拉学者Ivana给出了颠覆性判断：百年发展困境一脉相承，AI时代的依附关系，只是换了一种新形式。
殖民时代，全球南方输出矿产、粮食等物理资源；工业时代，沦为全球产业链的底层供给方；AI时代，不再输出实体资源，转而无偿输出最核心的生产资料——数据。与此同时，本土高度依赖少数海外科技企业的技术体系、算法规则与生态标准，依附关系从未打破。
这也是为什么部分国家看似建起了数据中心、做大了数字产业，却始终没有AI话语权。印度拥有庞大数字产业，云计算市场却被海外企业垄断；印尼数据体量持续增长，在芯片、操作系统、核心算法上依旧高度依赖外部技术。
核心症结不在于算力不足，而在于知识主权的缺失。
一个国家真正的AI核心竞争力，不是能训练多大的模型，而是拥有定义知识、整理知识、解释知识的能力。当本土的产业经验、民俗常识、农耕技术、治理智慧无法被数字化、体系化、结构化，就无法进入AI训练体系。最终结果就是：外来模型越来越聪明，本土千年积累的经验却越来越沉默。
巴西IARRA农业项目提供了绝佳的突围范本：当地劳动者没有盲目堆砌算力、训练超大模型，而是先系统收集散落于民间的农耕经验、劳作技巧、乡土实践，搭建专属本土农业知识库，再依托开源模型搭建适配本地的AI系统。
这场实践印证了一个核心真理：模型只是工具，知识才是主体；算力只是工具，定义权才是主权。不掌握知识整理与定义的能力，再多GPU、再多数据中心，都只是为他人做嫁衣。
三、AI时代的隐形危机：比人才流失更可怕的“暗牌移民”
算力可以采购、模型可以训练、数据可以积累，但人才与知识的流失，是发展中国家最难修复的底层损伤。塞尔维亚学者菲利蒲提出的“暗牌移民”概念，撕开了全球AI失衡最隐蔽的真相。
传统人才流失是“明牌移民”：人才离开本土、奔赴欧美发达国家，看得见、可统计。而AI时代的人才流失，是人留在本土，知识与价值永久外流。
大量跨国科技企业在全球南方设立研发中心，高薪吸纳本地顶尖工程师。对个人而言，这是更好的薪资、更优质的技术平台；但对国家而言，本土最优质的智力成果、创新思路、知识产权，全部流入海外巨头的技术体系，本土产业无法沉淀技术、无法积累经验、无法形成创新闭环。这种隐形流失，更隐蔽、更持续、杀伤力更强。
这也解释了为什么塞尔维亚的AI国家战略，将治理体系、人才培养、科研创新、本土生态建设，全面置于算力基建之前。其底层逻辑极为清醒：算力只是放大器，而非创新本身。
没有本土企业、本土科研体系、本土市场需求，再多GPU也只会放大对外部技术的依赖。只有留住人才、沉淀知识、形成本土创新循环，算力才能转化为真正的国家发展能力，而非单纯的技术摆设。
四、AI的终极变革：不再替代岗位，而是重塑生产体系
AI产业一线从业者、宇万光年联合创始人赵仲夏，复盘了行业十余年的发展困境：过去的AI，始终是“拿着锤子找钉子”。
早期人脸识别、自动驾驶、传统大模型，都在试图用固定技术适配万千复杂的真实场景，试图用单一技术替代细分岗位，最终始终面临场景适配难、落地成本高、价值兑现弱的困境。
直到智能体（Agent）与多智能体协同模式成熟，AI才真正跳出“替代单一工作”的局限，开始主动创造新能力、重构新生产方式。AI不再只是嵌入传统产业的工具，而是深度参与产业运行、重构组织模式、沉淀生产经验的核心载体。
这是AI时代最深刻的变革：知识不再依赖个体经验积累、传承、流失，而是可以被数字化、结构化、永久沉淀、无限复制、持续迭代。企业打造AI Native组织的核心，不是部署模型，而是将个体技能转化为组织永久的数字资产。
未来的劳动力市场也将彻底重构：劳动者出售的不再只是时间与体力，而是专属技能、经验与认知。AI竞争的终极形态，不再是参数与算力的比拼，而是知识沉淀能力、组织进化能力、产业迭代能力、体系可持续能力的全面较量。
结语：AI的终局，是体系的胜利，不是芯片的胜利
四位来自不同领域的嘉宾，看似探讨四个独立命题，最终却指向同一个核心结论：全球AI竞争早已迭代。
沈逸回答了AI的发展初心：服务国家发展，而非技术内卷；Ivana回答了AI的核心根基：立足本土知识，而非外来依附；菲利蒲回答了AI的存续关键：留住创新能力，避免隐形流失；赵仲夏回答了AI的终极价值：重构生产体系，沉淀长期资产。
芯片、GPU、算力、大模型，依旧重要，但它们只是AI时代的基础设施，而非竞争终局。真正拉开各国AI差距的，是能否持续生产本土知识、守住人才资源、孵化本土产业、搭建自主治理体系，形成完整的内生发展闭环。
对于广大全球南方国家而言，AI时代最大的机遇，从来不是复刻硅谷的资本与算力神话，而是跳出内卷的军备竞赛，走出一条自主、普惠、适配、可持续的本土化AI发展之路。
当所有人都在追逐更尖端的芯片、更大的模型时，真正的赢家，是那些守住知识主权、沉淀本土能力、构建完整AI发展体系的国家。