01 触发事件

2026 年 6 月 17 日，TechCrunch 报道称，法国总统 Macron 与印度总理 Modi 在 G7 峰会上公开表达了同一类担忧：各国想买 American AI，但不想让美国政府或美国公司拥有随时切断 access 的能力。

更关键的是，这个担忧不是抽象政治姿态。报道直接把它和最近的 Anthropic blackout 联系起来：原本只存在于 policy memo 里的风险，已经被一次真实服务中断变成了采购层面的现实变量。

这条新闻表面上是在讲国家领导人对美国 AI 的顾虑。

这点我可能误判，但我认为真正的 trigger 不在外交辞令，而在一个更具体的市场信号：主权风险开始进入 AI procurement checklist。

这是完全不同的事。

过去企业或政府采购模型，优先排序通常是 capability、price、latency、compliance、support。现在多了一栏，而且可能迅速上升到前两位：counterparty 能不能把模型关掉，或者被别人要求关掉。

TechCrunch 的核心信息其实很直接：世界领导人并不拒绝 American AI；他们拒绝的是“依赖一种随时可被远程撤销的 intelligence utility”。

我没在这些政府 procurement 流程内部跑过单，所以不能断言它已经变成硬性条款；但从公开表态看，这至少已经从“担忧”升级为“谈判筹码”。

02 这事的真正含义

这事真正的含义，不是 Anthropic 遇到了一次 blackout，也不是 Macron 与 Modi 借机敲打美国。

这才是它在说的事：模型能力本身正在 commodity 化一点点，但 model access control 正在 become strategic.

如果你卖的是 API，过去 moat 主要来自三样东西：

  • 模型领先
  • 开发者生态与 distribution
  • 成本曲线优势

现在要加第四样，而且是地缘政治驱动的第四样：

  • 可信的不可随意断供能力

问题不在“模型够不够强”，而在“谁握着 kill switch”。

这里有个非常 Stratechery 式的结构变化：当供给方过于集中且产品通过网络交付时，控制点往往不在终端体验，而在 access layer。云计算时代，AWS/GCP/Azure 控制的是 compute。AI API 时代，OpenAI/Anthropic/Google 控制的是 inference endpoint。谁掌握 endpoint，谁就掌握实际治理权。

过去很多人把 AI API 看成“更聪明的软件服务”。

我认为这低估了它。

对国家、关键行业、金融机构、国防相关承包商来说，AI API 更像 electricity grid、payment rail、cloud region 这种基础依赖。只要依赖足够深，availability 本身就会变成产品的一部分。

这也是为什么这条新闻对 opcx.ai 这类 token gateway 相关市场尤其关键。网关过去的价值经常被理解成：

  • 更便宜的路由
  • 多模型统一接入
  • fallback
  • observability
  • 账单整合

但现在，网关还有一个被重新定价的价值：political abstraction layer。

换句话说，客户买的不只是 token access，而是把单一美国 lab 风险稀释成可管理的 provider portfolio risk。这个逻辑和多云很像，但比多云更尖锐，因为 AI 的替代性更差，行为差异更大，prompt/agent workflow 的 switching cost 也更高。

我没看到 TechCrunch 文中给出具体采购金额或合同条款，所以不能说 sovereignty premium 已经被精确定价。但从需求侧语言变化看，市场已经开始为“不断供的可信度”支付隐含溢价。

03 历史类比 / 结构对照

最接近的历史类比，不是 2022 年 ChatGPT，而是 2014 年之后欧洲企业对 AWS 的态度变化，以及更早一点 2008 年金融危机后全球对美元结算体系的再理解。

先说云。

AWS 当年证明了 public cloud 的效率，但也让全球大企业意识到：便利和依赖是同一个硬币的两面。于是后来出现了 data residency、sovereign cloud、local partner、dedicated region。这不是客户“不想用 AWS”，而是客户想要 AWS 的能力，同时削弱 AWS 的 unilateral control。

现在 AI 正在重复这个剧本，但速度更快，因为模型层的替代迁移比 VM 迁移更难。

再说美元系统。

很多国家并不是不想接入美元体系，而是不想把自己的关键命脉完全暴露给美国制裁能力。AI 现在出现了一个弱化版的同构结构：各国并不否认 American AI 最强，但他们开始意识到，一旦 intelligence capability 通过 API 交付，它就天然带有 jurisdictional leverage。

这意味着开源与闭源之争，也要重新看。

过去很多人把 open source 的价值理解成“免费”或“可自部署”。

这不够。

在这个新框架里，Llama、Qwen、DeepSeek、Mistral 的真正战略意义，不只是 benchmark 上能否逼近 Anthropic 或 OpenAI，而是它们是否提供了无法被单边撤销的 intelligence substrate。哪怕性能略差，只要足够可用，它们在政府、金融、关键基础设施里的战略吸引力就会上升。

这点我可能看得有点激进，但我认为未来 12 到 24 个月，闭源模型会继续拿下高端 capability 心智，开源模型会拿下一部分“不可断供”预算。两者争夺的不是同一个采购池。

真正的结构性矛盾在这里：最强模型往往最集中，最可控的模型往往不一定最强。

而市场最终会为这种矛盾发明新中间层。

04 对 AI builder 意味着什么

对 AI builder、API 消费者、agent 产品团队，这不是国际新闻背景板，而是这周就该改 roadmap 的事情。

第一，把“单模型依赖”从技术债升级成业务风险。

如果你的产品核心流程只绑定 Anthropic、OpenAI 或 Google 的单一 endpoint，你承担的已经不是普通 vendor risk，而是 capability interruption risk。尤其是面向 enterprise、金融、医疗、政企客户时，对方很快会问两个问题：

  • 你们的主模型如果被封、被限、被 blackout，fallback 是什么？
  • fallback 后功能退化多少，SLA 怎么写？

很多团队现在的所谓 multi-model，其实只是 demo 层面切一下 provider。真正要准备的是 prompt template、tool calling、eval、guardrail、latency budget、cost ceiling 全链路支持 routing。否则你不是 multi-model，你只是多接了几个 API key。

第二，重新评估开源的战略位置。

不是所有产品都该自建 inference stack，这点很清楚。我没在每家团队的 unit economics 里算过账，贸然建议 self-host 往往会害人。但如果你服务的是高敏感行业，至少要有一个可运行的 open-weight fallback path。它不必承担全部流量，但要能 cover 核心任务。

第三，采购与合规叙事要提前准备。

接下来销售材料里，model quality 不够，必须开始写：

  • provider concentration exposure
  • region/jurisdiction mapping
  • failover policy
  • prompt/data portability
  • switching cost mitigation

那个真正会被定价的是“你能否把客户从某一个 lab 的命运里解耦”。

第四，token gateway、model router、MCP/agent orchestration 层会被重新估值。

过去这一层常被看成 convenience software。现在如果它能提供跨 provider failover、策略路由、审计、缓存、成本控制、配额管理，它卖的就不是 convenience，而是 continuity。continuity 一旦进入 procurement，预算口径会变化。

第五，面向国际市场的 AI startup，要开始区分“美国模型能力分销”与“本地可信交付”。

这两件事以前经常被混为一谈。以后不行了。你可能仍然用美国模型做能力底座，但客户要的是你能不能把 access risk 包起来，甚至在合同、部署、密钥控制、日志落地上做出 sovereign-friendly 设计。

05 反方观点 / 风险

最强的反方观点是：这件事可能被过度政治化了。

Macron 和 Modi 的表态，未必会快速转化成大规模采购变化。国家领导人在峰会上的发言，有时更多是议价姿态，而不是立即执行的技术路线。Anthropic blackout 也可能只是一次特殊事件，不代表 American AI 会系统性不稳定。

这是一个我必须认真对待的反论。

第二个反方观点是，市场最终还是会向最强模型集中。只要 OpenAI、Anthropic、Google 在 coding、reasoning、agent reliability 上持续领先 20%-30%，大多数企业会选择接受主权风险，因为业务竞争比地缘担忧更急。历史上客户经常口头要求多供应商，实际流量却集中到 best-in-class。

第三个反方观点是，所谓 sovereignty premium 可能只存在于政府与少数 regulated industry，不会外溢到主流 SaaS 和创业公司。对于绝大多数 builder，price/performance 仍然压倒一切。换句话说，这可能是一个高声量、窄市场的现象。

第四个反方观点更尖锐：open source 并不能真正解决问题。模型权重可得，不代表你有足够 GPU、serving engineering、safety stack、更新频率和 eval 体系。很多团队以为自部署意味着自主，最后只是把复杂度从 API bill 换成 infra burn。这个坑我见过太多，所以不能轻描淡写。

但即便如此，我仍然维持前面的核心判断：AI 行业开始把“谁最强”与“谁关不掉”分开定价。

这就是拐点。

不是因为 American AI 变差了。

而是因为全世界第一次认真意识到，调用一个模型，不只是买 intelligence；也是接受一套远程控制关系。