国际人工智能研究组织的价值评估：以欧洲核子研究中心（CERN）为例

2025年8月，兰德公司（Rand Corporation）发布文章《评估类似欧洲核子研究中心（CERN）的跨国人工智能研究组织的价值》（Assessing the Value of a CERN-Like Multinational Research Organization for AI），主要介绍了“人工智能领域的欧洲核子研究中心”该构想的渊源、核心内容，以及对该构想进行了评估。

人工智能的快速发展有望改变现代世界，许多学者提议建立一个基于国际合作和基础设施投资的新型研究组织，其主要目标是推动强大且安全的人工智能研究进展。最具影响力的类比源于核技术领域——将欧洲核子研究中心（CERN）视为跨国协作的成功典范，进而提出“人工智能领域的欧洲核子研究中心（CERN for AI）”。本文基于波特五力模型（Porter’s five forces model）这一战略评估框架，系统分析五种“CERN for AI”构想的潜在价值与可行性，为相关政策讨论提供参考。

CERN成立于1954年，由12个西欧国家联合发起，其诞生兼具科学与政治的双重诉求：一方面，高能物理研究所需的大型加速器成本远超单一国家的承担能力，需通过跨国协作分摊；另一方面，战后欧洲亟需通过具体合作项目彰显团结。如今，CERN已成为全球最大的物理实验室，由24个欧盟成员国联合资助，是高能粒子物理研究的核心场所。其使命广泛，包括汇聚全球人才，突破科学技术前沿，造福全人类，并致力于培养新一代科研人才、推动公众参与科学等。

CERN的标志性成果包括17英里长的大型强子对撞机（该设施在2012年助力发现希格斯玻色子，相关研究人员于2013年获得诺贝尔奖）和20世纪80年代末在此诞生的万维网。其成功的关键在于：通过集中资源突破单一国家的能力上限，且研究聚焦于无直接军事或经济价值的亚原子物理，有效规避了地缘政治竞争的干扰。

CERN作为合作研究投资模型的成功，使其成为建设跨国人工智能研究组织相关讨论的典范。“CERN for AI”的构想由纽约大学教授加里・马库斯（Gary Marcus）于2017年首次提出，旨在通过跨国协作解决人工智能发展中的资源集中与安全风险等问题。此后，众多学者对此展开讨论，构想各异：有的聚焦人工智能安全，即“人工智能安全版CERN（CERN for AI Safety）”；有的关注前沿人工智能研发，即“人工智能前沿版CERN（CERN for Frontier AI）”；有的则强调向善的人工智能，即“人工智能向善版CERN（CERN for AI for Good）”。

但人工智能与高能物理存在本质差异。一方面，人工智能研究具有强烈的市场驱动性，如Meta计划投入650亿美元建设人工智能基础设施，美国前总统特朗普提出5000亿美元的星际之门人工智能合作计划。另一方面，人工智能技术的应用直接关联经济利益和军事能力，难以完全遵循CERN的“纯科学”定位，这使得其国际协作的复杂性大幅提升。

在参与国家范围的问题上，学界存在两种对立观点：部分学者认为应向“潜在敌对国家”开放，通过逐步增加合作投资建立互信，使其成为人工智能军备竞赛中的稳定力量；另一部分则主张将其限制在民主国家集团，以保障技术安全和价值观一致性。这种分歧反映了“CERN for AI”在构想上的开放性和复杂性。

人工智能模型训练成本正以惊人速度飙升。人工智能初创公司Anthropic的首席执行官达里奥・阿莫迪（Dario Amodei）预测，到2027年单个人工智能模型的训练成本可能达到1000亿美元。穆迪评级公司（Moody's Ratings）则指出，未来几年全球数据中心建设可能需要科技公司、公用事业及相关产业投入数万亿美元。短期内，到2025年大型科技公司的人工智能相关资本支出可能达到2000亿美元以满足市场需求。尽管有观点质疑如此规模投资的经济合理性，但未来几代人工智能模型若要实现突破性能力，可能确实需要这样的巨额基础设施投入。

若未来人工智能的突破性进展依赖超大规模投资，跨国协作将成为分摊成本的关键。例如，若下一代计算基础设施的启动成本为5000亿美元，除了中国和美国之外，任何国家都无法独自承担如此巨大的成本。

随着人工智能能力的快速提升，其潜在的破坏性风险日益凸显，包括模型失控、被恶意利用等。人工智能的发展存在显著不确定性，其最终可能产生的社会和经济破坏力要求全球采取更审慎的态度。确保人工智能进步与人类价值观对齐，并防止其被用于灾难性目的，是全球的共同利益所在。

与成本驱动的协作不同，这一构想的核心动机是对人工智能安全的集体诉求。“CERN for AI”可聚焦于安全研发，包括开发安全芯片、加密数据中心、通信加密及模型权重保护等；同时，集中全球分散的人工智能安全专家资源，解决尖端模型的设计与防护难题。

部分地区因资源分散和投资策略问题，人工智能发展逐渐落后于领先国家。例如，欧盟虽在2020年设定了未来十年每年吸引200亿欧元人工智能投资的目标，但资金被分散到各成员国进行小规模投资，未能形成协同效应。欧洲在人工智能领域与美国的差距不断扩大，核心问题是缺乏规模和重点，而美国的成功则源于将资源集中在能产生竞争优势的领域，通过大规模投资形成更高更好的人工智能生态堆叠。

“CERN for AI”可通过集中资源建设区域基础设施打破这种分散化困境。例如，针对美国计算提供商可能在计算即服务领域形成的自然垄断，有报告建议欧盟在三年内投资300亿-350亿欧元，建设区域性人工智能研究组织，推动本地计算设施、训练数据集和技术孵化器的发展，培育区域内的人工智能企业和研究生态。

跨国人工智能应用的发展常因国家或企业间的不信任而受阻，形成集体行动困境——参与者本可通过合作获益，但因缺乏信任机制而难以达成共识。例如，全球健康数据共享面临隐私保护、数据主权等争议，导致人工智能精准医疗算法缺乏多样化训练数据，难以应对不同族群的健康需求。

“CERN for AI”可作为中立第三方，促进敏感领域的国际协作：一是制定数据共享的标准化格式和使用规则，例如统一全球健康数据的隐私保护标准；二是作为可信中介收集和分析敏感数据，如构建全球基因组数据库，缓解当前数据库多样性不足的问题；三是提供中立的人工智能分析结果，形成全球认可的标准建议。

人工智能在文化保护、学术研究、全球公共卫生等非盈利领域具有巨大潜力，但因缺乏经济回报而被市场忽视。“CERN for AI”可聚焦这些领域，推动具有社会价值但无商业前景的人工智能应用开发。

具体应用场景包括：保护小众语言，如开发威尔士语、沃洛夫语、爪哇语等人工智能翻译工具和训练数据集，抵消英语的主导地位；助力人文研究，例如利用人工智能技术翻译楔形文字、分析历史文献，推动考古学和历史学突破；打击文化遗产掠夺，通过人工智能监控和识别非法交易；支持全球公共卫生，针对疟疾、结核病等贫困地区高发疾病开发 人工智能诊断和防控工具，弥补私人投资的不足。

这类应用还具有“科学外交”价值，可像冷战时期的科研合作那样，为敌对国家提供非政治化的互动平台，缓解地缘紧张。与其他构想相比，该领域的协作成本较低，更易启动，且争议较小。

波特五力模型由哈佛商学院教授迈克尔·波特（Michael Porter）提出，用于分析行业竞争环境，包括五个维度：新进入者的威胁（潜在竞争者进入的难易程度）、供应商力量（供应商对行业的控制能力）、买方力量（买方对行业的议价能力）、替代品的威胁（其他产品替代行业产出的可能性）、行业竞争（现有参与者的竞争激烈程度）。模型通过主观评分（高、中高、中、中低、低）评估各维度的竞争压力，低分表示压力较小。

本文对该模型进行了适应性调整，用于评估“CERN for AI”各构想的可持续性——其核心逻辑是，一个成功的协作组织需能提供难以被复制或替代的价值，抵御各类竞争压力。

新进入者的威胁：低。CERN的大型加速器基础设施建设成本极高，例如20世纪90年代的超导超级对撞机因耗资过大而失败，形成天然壁垒。

供应商力量：中低。主要供应商为电力提供商和欧盟成员国（资金供应方），虽有一定影响力，但难以主导CERN的决策。

买方力量：低。CERN的高能对撞机具有不可替代性，粒子物理学家几乎没有其他选择。

替代品的威胁：低。其他研究高能粒子的方式（如分析地外辐射）无法与加速器实验相比拟。

行业竞争：中低。其他加速器设施在能力上难以匹敌，竞争有限。

这种低竞争压力的环境使CERN能长期保持在高能物理研究中的主导地位，为“CERN for AI”提供了参考范本。

新进入者的威胁：低。资金需求过高，私人企业难以单独承担。

供应商力量：高。依赖芯片制造商、计算基础设施服务商等关键技术提供者。

买方力量：低。应用对其大规模基础设施有强依赖性。

替代品的威胁：中。存在低算力算法优化或专用模型等替代方案。

行业竞争：中。科技巨头持续投入人工智能基础设施，形成竞争。

该构想的主要风险是供应商依赖，需通过联合研发芯片等方式降低供应链风险。

新进入者的威胁：中。市场领先企业可能单独开发并行安全设施。

供应商力量：高。依赖技术企业提供安全解决方案。

买方力量：中。可转向营利性云服务提供商。

替代品的威胁：中高。企业可能选择低成本的非安全开发路径。

行业竞争：中高。安全标准不统一，易引发恶性竞争。

该构想成功关键在于建立全球统一的安全规范，通过法律强制力降低替代品威胁。

新进入者的威胁：中低。建设成本高，但美国、中东已有类似计划。

供应商力量：高。依赖美国芯片等核心技术供应商。

买方力量：中低。转向美国云服务的转换成本较高。

替代品的威胁：中低。量子计算等替代技术尚不成熟。

行业竞争：中高。美国科技巨头持续创新，保持技术领先。

该构想需持续升级基础设施，并减少对外部供应商的依赖，否则难以维持竞争力。

新进入者的威胁：中低。组建全球数据联盟的难度大。

供应商力量：高。数据所有者掌握主导权，可决定是否参与。

买方力量：中低。替代资源有限，尤其是在全球性问题上。

替代品的威胁：中。存在区域数据联盟等替代方案。

行业竞争：中高。其他国际组织也在推进健康等领域的研究。

该构想需通过提升解决方案的独特价值如数据多样性带来的精准度等确立不可替代性。

新进入者的威胁：中高。成本低，学术机构可能参与。

供应商力量：中低。对专用资源依赖度低。

买方力量：中低。服务独特性强，用户议价能力有限。

替代品的威胁：中。存在其他非人工智能解决方案。

行业竞争：低。非盈利领域协作性强，竞争氛围弱。

该构想因竞争压力小且成本较低，适合作为“CERN for AI”的初期试点。

人工智能的快速发展既带来巨大机遇，也引发技术竞争加剧、安全风险凸显、资源分配不均等全球性挑战，“CERN for AI”作为跨国协作平台，为应对这些挑战提供了潜在解决方案。报告提出的五大构想——克服成本壁垒、保障安全开发、培育区域能力、解决国际协调、开发公益应用——涵盖了人工智能发展的关键痛点，但其实施面临不同的竞争环境和可行性障碍。

其成功需满足三个条件：一是平衡公共利益与私人投资动机，避免与现有市场力量直接冲突；二是保持灵活适配性，能根据技术变革调整构想定位；三是采取分阶段推进策略，优先启动争议小、成本低的公益应用与协调构想，逐步积累信任后再扩展至其他领域。

其价值不仅在于推动人工智能技术突破，更在于通过跨国协作构建新型全球治理机制，缓解人工智能引发的地缘竞争与安全风险，为人类共同应对技术革命提供制度化平台。未来需进一步细化各构想的实施路径，并结合技术演进和地缘政治动态持续调整策略。

来源：中心官微