大型科技公司的 AI 帝国
快速阅读: 据《VoxEU.org》称，人工智能的进步将重塑经济与社会，但其供应链的集中化可能抑制创新、加剧不平等并威胁金融稳定。监管需平衡促进公平竞争与防范系统性风险，探索数据共享、公共数据集及云市场互操作性等措施。
人工智能（AI）的进步正准备重塑经济和社会。从聊天机器人、图像生成器到金融预测工具，AI应用正在变得越来越普遍，有望彻底改变我们的生活和工作方式。尤其是生成式AI（GenAI）的应用速度比其他变革性技术快得多（Bick等，2024年）。尽管大型科技公司无疑加速了AI的发展，但它们在AI提供方式上的影响力扩大也引发了关于竞争、创新、运营韧性和金融稳定的诸多关键问题。
大型科技公司一直在持续投资于AI领域：2023年，它们占AI公司筹集总资本的33%，并且占生成式AI公司筹集资本的近67%（《金融时报》，2023年）。在一篇近期论文中（Gambacorta和Shreeti，2025年），我们解释了AI供应链及其各输入层的市场结构。我们强调了塑造当前AI供应的经济力量，以及大型科技公司在每个输入市场中的作用。我们还概述了当前市场结构对经济结果的潜在影响，并指出了监管面临的挑战。
**AI供应链中的大型科技公司**
AI供应链由五个关键层次组成：硬件、云计算、训练数据、基础模型和面向用户的AI应用程序（见图1）。这些层次中的每一个都是支持我们今天使用的AI系统所必需的，而大型科技公司在所有这些层次上都非常活跃。
以云计算为例，它是AI开发的基础。AI模型需要大量的计算资源来进行训练和部署，而云计算平台提供了实现这一目标的基础设施。在全球范围内，云计算市场主要由三大科技巨头主导：亚马逊云服务（AWS）、微软Azure和谷歌云平台。这三大科技公司共同掌控了约75%的基础设施即服务市场，这是与AI最为相关的细分市场。它们的主导地位源于塑造云计算市场的经济力量以及它们的战略行动。
高固定成本、规模经济和网络效应使得较小的参与者在这个市场上难以竞争。此外，云计算提供商还会收取出口费用以转移平台外的数据。大型科技公司收取的出口费用不仅超过了传输数据的增量成本，还超过了小型竞争对手收取的费用（Biglaiser等，2024年）。大型科技公司还在其平台上提供垂直整合的服务生态系统，通常以折扣形式提供。
然而，大型科技公司的影响力远不止于云计算。训练数据是AI的生命线，而大型科技公司拥有世界上一些最丰富的用户生成数据池。Meta拥有Instagram、Facebook和WhatsApp；Google拥有Gmail、地图、Play商店和Google搜索；微软拥有Bing、LinkedIn和Microsoft 365（Hagiu和Wright，2025年）。为了利用这些数据进行AI训练，大型科技公司一直在悄然更新其使用条款和隐私政策。除了利用现有的数据储备外，大型科技公司还积极收购或与数据丰富的公司展开合作。随着高质量公共数据的存量减少，这样的专有数据源将变得更加有价值。每增加一个数据单位所带来的回报递增可以进一步巩固它们在AI供应链中的影响力。
AI供应链中的基础模型层——这里拥有像OpenAI的GPT-4或Google的Gemini这样的大型预训练模型——是另一个大型科技公司日益活跃的领域。基础模型开发成本高昂，训练成本往往超过1亿美元（《经济学人》，2023年）。这些高额的固定成本可能构成显著的进入壁垒，有利于资金雄厚且拥有计算资源的公司。不出意料，大型科技公司不仅在开发自己的基础模型，还将它们集成到面向消费者的产品中。微软在其应用套件中提供了基于AI的Copilot，而谷歌则将其Gemini模型嵌入到搜索结果中。同时，它们还在生产AI硬件（芯片），甚至确保自己数据中心的核燃料供应（CNBC，2024年）。这种垂直整合使大型科技公司能够在供应链的多个环节获取价值。这种垂直整合可以形成一个自我强化的“云计算-模型-数据循环”。通过控制云计算资源，大型科技公司可以开发出更好的AI模型。这些模型反过来会产生更多的数据，这些数据可以被反馈到系统中以改进后续迭代。如果大型科技公司提供的AI应用具有显著的网络效应，那么这个循环将进一步加强。随着更多用户采用特定的AI模型或平台，其价值会增加，从而吸引更多用户。这个循环的强度取决于大型科技公司专有数据的质量、AI使用带来的网络效应程度以及每个额外数据单位在AI训练过程中的规模效益。
**对经济和社会结果的影响**
少数几家公司对AI提供方式的控制可能对经济和社会结果产生深远影响。一般而言，有限的竞争可能会为占主导地位的公司创造空间，使其提高价格、限制消费者选择、压低工资并抑制创新（Impullitti和Rendahl，2025年）。或许更重要的是，少数大型科技公司对AI提供的控制赋予了它们在创新方向上的过度权力，增加了私人盈利的进展偏离社会有益方向的风险（Acemoglu，2021年）。
在更实际的层面上，集中化的人工智能供应链也会带来运营上的脆弱性。依赖少数供应商提供关键的人工智能组件会形成单点故障。因此，无论是由于操作错误、恶意行为、监管变化还是地缘政治冲突，这些中断都可能对各行业产生连锁影响。此外，将关键基础设施和数据集中在少数玩家手中也使它们成为网络攻击有吸引力的目标，可能导致广泛的影响。人工智能供应链的高度集中增加了系统性风险，威胁金融稳定（Aldasoro等，2024；Danielsson，2025）。
**为什么监管困难重重？**
解决人工智能供应集中化的问题并非易事。人工智能供应链跨越多个市场——即使在国内也是如此——每个市场都由不同的监管机构管理，这些机构可能具有相互冲突的目标。鉴于法律框架、地缘政治利益和监管意愿的不同，国际上就监管或标准进行合作极具挑战性。此外，人工智能技术的进步往往比监管能力发展得更快，这使得在需要时制定有效的政策解决方案变得困难。
尽管存在这些障碍，但一些政策应对方案正在被探讨。鼓励企业之间的数据共享协议并创建用于人工智能训练的公共数据集可以帮助营造公平的竞争环境。确保所有企业公平访问云基础设施和基础模型可以减少进入障碍。推动云市场的互操作性，并降低迁移成本是另一个值得探索的方向。
在任何情况下，监管机构都需要密切监测人工智能的供应情况，搜集关于市场行为、运营脆弱性和集中程度的证据。
**结论**
与其他通用技术一样，人工智能有潜力推动经济增长并改善经济和社会成果。但要实现这一潜力，人工智能生态系统必须保持竞争力和公平性。少数几家科技公司对人工智能供应的过度影响将冒着扼杀社会有益创新的风险——加剧不平等，损害消费者福利，并造成系统性脆弱性。
(以上内容均由Ai生成)
