2022年11月开启的生成式AI浪潮中，几乎每个国家、每个有全球野心的城市，都在制定政策、调配资源、激活当地创业氛围，一些政府甚至不惜亲自下场支持当地最有潜力的创业项目。所有人都明白：争夺大模型，就是争夺下一个技术时代的基础平台。互联网和移动互联网时代，整个欧洲都错过了这样的机会，只有中美两国培养出了10亿用户规模以上的硬件品牌和软件应用。

生成式AI带来新的洗牌机会，但能否抓住这样的机会取决于很多因素。我们选择和调查了过去一年来以人工智能之名在各大媒体上频繁露出的几个城市，尝试回答“到底哪个城市能抓到大机会”这一问题。巧合的是，在访问了蒙特利尔、硅谷、纽约、伦敦、巴黎、新加坡、北京和东京等几个城市的相关人士后，我们发现一个叫AMiner的机构在跟踪全球人工智能领域10年发展后提出的创新城市排名，与我们的调查选择几乎重合。AMiner的榜单衡量了全球各地论文、学者、机构的数量与质量，以及这些城市与国际合作的指数——选择和采访当地人士时，我们也逐一涉及了这些维度。那么，所谓的巧合其实是种必然。

已经很少有一个机会能让全球众多城市都跃跃欲试了。到底哪个城市能抓住机会？谁能抓到最大的机会？我们的初步调查表明，在这种全球影响力竞争中，区域竞争其实比全球竞争更激烈。在竞争全球用户之前，每个城市及其公司都需要先角逐人才。而在人才流动上，全球化仍然要让位于区域化。其次，对于学术资源深厚的城市，每个大厂都想去设办公室、抢夺人才，但这对当地城市不见得是好事。最后，基础技术不是一切，产业和文化具有多样性，才能支撑更繁荣的机会。

硅谷之外：蒙特利尔和纽约寻求突破

在博世工作3年后，沈露兰决定放弃博世中国功能负责人一职，前往加拿大蒙特利尔的麦吉尔大学读博。2022年博士即将毕业之际，沈露兰就地创立了自己的人工智能公司AwakeAI，尝试通过AI视觉技术实时检测视频监控数据来分析老年人的生活习惯，为护理人员和家人提供实时信息和风险警报。把公司注册在蒙特利尔的原因之一是自己在这里读了书，另一个原因，这里不缺做AI基础研究的人才。这一轮生产式AI浪潮到来之前，自2017年起，包括Google、微软、Meta、华为在内的技术公司纷纷在蒙特利尔设立研究中心。2018年，加拿大政府还将蒙特利尔确立为国家AI供应链超级集群“Scale AI”的总部所在地。把这些技术大厂吸引到加拿大尤其蒙特利尔的，是这个人口只有400万的城市的学术资源。“深度学习三巨头”中的两位——杰弗里·辛顿（Geoffrey Hinton）和约书亚·本吉奥（Yoshua Bengio）都在加拿大，前者在多伦多，后者就在蒙特利尔，并且创立和运营着一个叫Mila的机构，那里汇聚了超过1400名AI相关的研究人员。如果计算人才密度——尤其顶尖学术研究人才的密度——恐怕全球没有几个城市能与这个小城相比。Mila全称“蒙特利尔学习算法研究所”（Montreal Institute for Learning Algorithms），是目前全球最大的深度学习研究所。2017年，在本吉奥的牵头下，蒙特利尔大学、麦吉尔大学等高校联合成立了这个机构。用本吉奥的话说，Mila诞生于一个“让蒙特利尔成为世界AI中心的疯狂梦想”。

蒙特利尔的Mila是全球最大的人工智能人才库，创立者是深度学习三巨头之一的Bengio。除了基础研究，Mila旗下的“Mila Startup”孵化项目还为有创业企图的研究者提供资金和办公场地支持。入选这个孵化项目的门槛很高，自发起以来，每年通过Mila Startup审核的项目不会超过10个。严格筛选的好处是，对投资人来说，从这个机构里出来的项目的创新性和技术能力几乎不会受到任何质疑。“从融资等各种角度，硅谷肯定是最好的。但在深度学习这一块，蒙特利尔基本上对标斯坦福，现在这里处于飞速发展状态。”沈露兰对《第一财经》杂志说，去年，她创立的AwakeAI也入选了“Mila Startup”。学术中心加技术大厂，这个组合是硅谷成为生成式AI全球中心的关键原因，而蒙特利尔同样拥有这个组合，这让它看起来像小型的硅谷。Mila只是蒙特利尔当地有孵化器性质的机构之 一。加拿大另一个最瞩目也最有野心的机构是“NEXT Canada”。这个名字听起来就很大，因为创立这个项目的人想要改变的正是加拿大本地的打工文化。在某种程度上，它就像创业孵化器Y Combinator的加拿大版。沈露兰告诉《第一财经》杂志，加拿大虽然有不少学术水平不亚于斯坦福、哈佛之类的高校，但从加拿大的高校毕业的学生们后来的发展总是“不如斯坦福、哈佛的毕业生”，原因之一就是加拿大的“中产文化”。在加拿大，大部分学生毕业后的职业选择都是去Google、Facebook等大厂打工，寻求一种稳定的中产生活，而不是冒险创业。不过，这种状况正在被改变。2010年，4名加拿大学者和企业家，共同召集了500多名加拿大学者、投资者和创业者组成了一个机构，决定培养加拿大的“next founder”（下一个创业者），而不是“next worker”（下一个打工人）。这个机构的名字就充满野心，叫作“NEXT Canada”。受这个富有雄心的机构激励开始创业的加拿大年轻人正在增加，沈露兰本人也是其中之一。“相较于传统孵化器，它注重的不是你怎么发展企业，而是教你怎么做一个founder（创始人）。”沈露兰说。她本人是苏州人，一个生活安逸程度和蒙特利尔不相上下的中国新一线城市，在创业之前，她也和不少在加拿大读书的当地人一样，不觉得自己没有能力，但是从来没有想过要创业。AwakeAI创立之后很长一段时间，他们都在频繁参加创业竞赛，直到2023年的暑假，NEXT Canada在多伦多发起的“Next 36”项目踢了她一脚，让她下定回中国开拓市场的决心。来自Mila的人才支持和NEXT Canada的创业指导，让沈露兰的创业项目在蒙特利尔初步扎下脚跟。不过如果继续往下发展，她认为蒙特利尔仍然有短板，比如它在算法开发上具有优势，但在落地场景和推进进度上，这里落后于全球其他地方。就沈露兰的创业项目来说，存在“鸡生蛋还是蛋生鸡”的问题，也就是说她需要在养老院和护理院寻找试点、实地获得数据，才能开发出真正派得上用场的老年人照护算法。不少人工智能项目，只要进入垂直应用场景，都需要垂直产业配合。沈露兰认为，自己在加拿大当地没有太多社会关系，比较难找到愿意部署其老年人照护程序的养老院，2023年她回到老家苏州，很快就谈下一个比较大的客户——泰康。未来如果业务发展顺利，她也想到硅谷开一个办公室以此进入美国市场，因为加州有更成熟的康养产业，还有她渴求的市场产品人才。蒙特利尔遭遇的困境，作为“大号蒙特利尔”的硅谷也正在遭遇。2023年，谢赛宁离开了工作4年多的Meta，加入纽约大学，也从硅谷搬到了纽约。然后他发现，“这里的AI研究和创业氛围超乎我的想象”，他对《第一财经》杂志说。谢赛宁本科毕业于上海交通大学，在加州大学圣迭戈分校获得了博士学位，目前担任纽约大学计算机科学系助理教授。他与比尔·皮不勒斯（Bill Peebles）合作发表的DiT模型相关论文被认为是Sora构建的基础。谢赛宁对《第一财经》杂志称，纽约的AI发展显示出很强的上升势头。从创投热情、学术和人才储备各个角度，纽约都具备成为AI发展中心的条件。目前，纽约共有35家AI独角兽公司，融资总额达170亿美元。其中，开源模型社区Hugging Face和视频模型公司Runway都诞生于此。今年2月，还有媒体报道称OpenAI正在为纽约办公室寻找地点；3月，另一家AI初创公司Cohere也宣布开设纽约办事处。这一轮人工智能新浪潮之前，纽约就汇集了多个顶级AI实验室，除了由“深度学习三巨头”之一的杨立昆（Yann LeCun）领导的纽约大学CILVR实验室，哥伦比亚大学、康奈尔大学和普林斯顿大学都在AI领域有强劲的科研实力。

如果说硅谷在基础模型领域确立了主导地位，纽约则正在成为人工智能商业繁荣的代名词。纽约是全球44家《财富》500强公司的总部所在地，这里聚集着各个大公司的决策者，他们都是AI市场的潜在买家。硅谷银行发布的统计数据显示，在纽约，获得风险投资的AI公司中有71%属于垂直应用领域，而在硅谷，这一指标数据是63%。纽约开源模型初创公司Nomic AI的创始人布莱登·杜德斯塔（Brandon Duderstadt）曾在播客节目中表示，纽约目前的AI生态系统肯定比硅谷小，但纽约具备硅谷所缺乏的发展优势。“在纽约，你不仅仅是被技术包围，而是被来自各行各业的不可思议的人包围。”杜德斯塔说。也正是在来到纽约后，谢赛宁对技术有了新的认知。“AI发展的最终愿景不是创造尖端技术，更重要的是寻求这些技术为社会带来福祉，让来自不同背景的人都能够提高生产力和创造力，从中受益。”他对《第一财经》杂志说。在纽约，谢赛宁参加了Runway公司举办的AIFF人工智能电影节，这项活动吸引了来自全球各地的众多艺术家和创作者，共同探讨视频生成的未来。谢赛宁称，作为金融、商业、贸易、文化和传媒中心，纽约拥有多样化的社区、族群和广泛的职业机会，这是硅谷缺乏的。

欧洲：伦敦与巴黎的双子星之争

和北美老牌AI重镇与新兴AI创新中心并存不同，欧洲正在崛起的两个AI之城——伦敦和巴黎都是新星，它们都想争夺生成式人工智能领域的领先者之位，起码是欧洲的领先者。非要比资历的话，伦敦在人工智能领域的经验更多一点。早在2010年，出生于伦敦的戴密斯·哈萨比斯（Demis Hassabis）和童年好友穆斯塔法·苏莱曼（Mustafa Suleyman），加上来自新西兰的谢恩·莱格（Shane Legg），就一起在伦敦创立了DeepMind，主要研究机器学习算法。2014年，远在硅谷的Google来到伦敦，斥资6.6亿美元买下了DeepMind，当时这家创立仅4年的公司还没有公开发布过任何一款产品。而被收购以来，DeepMind的总部也从未搬离伦敦。哈萨比斯曾在采访中表示，DeepMind必须留在伦敦，这件事没有商量的余地。“如果你拥有剑桥大学的物理学博士学位，并且想要做一些改变世界的技术，在伦敦没有太多选择——而在硅谷有成千上万的选择。”他曾在接受采访时说，如果创业者专注于长期目标，硅谷有太多泡沫，那里的人每5分钟就试图创造下一个Snapchat。DeepMind在伦敦的办公室位于“国王十字”（King's Cross）地区，这里除了以火车和地铁枢纽著称——《哈利·波特》里的“九又四分之三”站台就在这里——如今还是英国甚至整个欧洲令人瞩目的人工智能创新中心。不知是否为收购DeepMind做准备，2013年年初，Google在这里买下了占地2.4英亩（约合9712.45平方米）的一块地，并在附近建立了Google英国总部。Meta、三星、华为等技术大厂稍后也跟了过来。2023年，OpenAI在伦敦威斯敏斯特区设立了办公室。微软则于今年4月宣布在伦敦帕丁顿建立新的AI中心，它们都距离国王车站不算太远。技术巨头聚集在这里的意图和Google一样，都是为了招募和发动当地的AI人才，配合大西洋另一端的美国总部寻找能开发更强大模型的新算法，就像DeepMind曾为Google贡献AlphaGo和Alphafold那样。2021年年底，毕业于牛津大学机器学习专业的缪亦舒在伦敦创立了一家叫Haiper的视频生成公司。和上述大厂一样，他也把办公室设在了国王十字地区。“伦敦是整个英国甚至是欧洲人才聚集的地方。”缪亦舒对《第一财经》杂志称，不同于牛津和剑桥的人工智能专业更强调培养学生的研究能力，伦敦的帝国理工学院和伦敦大学学院人工智能方向的专业设置更具有复合性，学生的动手能力也更强。而且，尽管硅谷是许多技术人才梦寐以求的地方，伦敦有很多人不愿远赴美国。缪亦舒告诉《第一财经》杂志，他的很多同事都对欧洲有着深厚的文化归属感，他们钟爱欧洲的生活方式。他们最多会在欧洲大陆上的国家之间流动，比如有人会选择搭乘欧洲之星，穿越英吉利海峡隧道，前往巴黎寻求新的机会，但很少有人会去美国工作。2016年年初，哈萨比斯也曾在一次采访中表示，很少有员工会“主动离开DeepMind”。缪亦舒本人在DeepMind实习过两年，他的合伙人王子聿在DeepMind工作得更久，曾参与AlphaGo的开发。可能正如缪亦舒曾经的英国同事不排斥去法国工作那样，法国自进入生成式AI时代以来极为积极地招募全欧洲尤其是英国的AI人才，并给予英国无法提供的巨额投资。法国这种做法的标志性成果是Mistral。创立这家公司的亚瑟·门施（Arthur Mensch）也曾在DeepMind工作，2023年5月，他和另外两位曾就职于Meta的员工共同在巴黎创立了Mistral。这家公司是欧洲为数不多的攻克底层模型的公司之一，在种子轮融资中就创纪录地筹集到1.05亿欧元。英法两国领导人都在多个重要场合发出过饱含雄心的宣言，希望本国能在当前的人工智能浪潮中领跑欧洲。但事实证明，法国政府似乎比英国付出了更多行动。除了总统马克龙正试图推动重振欧盟的计划，为AI初创公司筹集更多资金，法国政府还在积极协助Mistral，推动欧盟在《人工智能法案》中对开源基础模型作出让步。Mistral从巴黎和法国政府那里获得的支持是伦敦的同类公司们无法获得的。“英国政府想要构建全球影响力，但在产业主导方面的能力有限。比如，英国政府无法像中国政府一样，用划定一个科技产业园区的方式推动特定产业的集中发展。”缪亦舒对《第一财经》杂志说。在Mistral之后，有更多原本在伦敦公司工作的AI人才加入巴黎。2023年年底，DeepMind研究主管Karl Tuyls、首席科学家Laurent Sifre以及公司创始成员之一Daan Wierstra也离开了DeepMind，来到巴黎创业。最新消息是，他们创立的H Company已于5月完成种子轮融资，共筹集2.2亿美元——打破Mistral此前创造的纪录。相较于伦敦，巴黎的AI产业发展更多元，有很多“有意思”——面向C端——的公司正在涌现。比如，在种子轮中融资1.26亿美元的初创公司Poolside计划利用AI大大简化编程，Heart Hands则希望为普通用户开发“口袋里的第二个大脑”。而在伦敦，更多AI创业项目面向金融、建筑、自动驾驶等B端市场，像Haiper这样的视频生成公司在国王十字地区还是少数——在创立Haiper之前，缪亦舒的第一个创业项目也是to B式的，面向建筑行业提供3D建模服务。缪亦舒也认同巴黎更有趣，但表示自己没有考虑过进入巴黎，而是将公司的第二个办公室选在了多伦多，由合伙人王子聿坐镇，因为“现在视频生成领域还不成熟，需要相当长时间的底层研发工作，而多伦多当地有充足的模型相关人才。”

亚洲：在新加坡、北京与东京之间

2023年，心识宇宙把总部从杭州搬到了新加坡。这家公司成立于2022年年初，主要为企业和消费者提供创建自主人工智能的服务。对于联合创始人林宋琪来说，这不是开拓，而是回归。2015年，林宋琪从中国香港搬到新加坡，在当地的Facebook工作了4年。促使心识宇宙搬迁的理由很简单：海外市场。新加坡历来都是中国公司出海、海外公司进入亚洲的桥头堡。它的实际国土面积只相当于北京的5%，常住人口仅540万人，和中国没有时差，技术基建完善。字节跳动、腾讯、阿里巴巴都在新加坡开设了办公室，不少公司会直接将服务器部署在那里。林宋琪称，在大公司的战略中，新加坡往往是辐射亚洲的据点。能无障碍融入欧美国家的技术、金融和市场体系，这让新加坡吸引了越来越多外来创业项目，尤其是来自中国、面向全球市场的出海创业者，林宋琪就是其中之一。心识宇宙搬到新加坡后不久，就在种子轮中获得了澳大利亚基金Square Peg 500万美元的投资，这也是公司的第三笔融资。林宋琪告诉《第一财经》杂志，越来越多来自欧美的美元基金选择在新加坡设点，这使得“新加坡整体的创投市场正在变得更美式”，即新加坡本土资本偏好现金流稳定、可预期、回报快的to B项目，但更多面向C端用户的项目开始得到外来资本的支持。资本只是理解新加坡的其中一块拼图。林宋琪最肯定的是新加坡的政策和营商环境。“可预期性”是她反复提及的关键词——假设政府发布了扶持AI初创企业的政策，那么通常会持续很长一段时间。新加坡政府的效率也很高，比如信息媒体部会帮助企业参与政府项目、结识风险投资资源，甚至入选政府名单的企业无须参与招标。新加坡经济发展局、新加坡主权基金淡马锡也会投资初创公司。“起步企业投资计划”（Startup SG Equity）或许能更直观地说明新加坡政府的做事方法。这个投资基金由新加坡企业发展局和11家私人投资机构共同管理，主要帮助那些需要大量资金和时间才能获得商业收益的初创企业。如果一家初创公司被承认为“深度科技”，首轮投资将达到50万新加坡元（约合268万元人民币），新加坡政府会负担其中70%资金。此后，私人投资者每投资1新加坡元，新加坡政府就将跟投1新加坡元，投资上限为400万新加坡元（约合2145万元人民币）。但是，创新孵化连接器EPIC的联合创始人Cruise Chen认为，新加坡在这轮人工智能新浪潮中的角色“并不是创新者（innovator），而是跟随者（follower）”。Cruise Chen曾在新加坡十余年之久，负责投资AI和技术基建初创企业。“新加坡倾向于采取跟随策略，像中国和美国这样的大国已经产生了大量专利和新的架构之后，新加坡再跟进。”他对《第一财经》杂志说。在他看来，新加坡拥有充足的财政资源，但受国家规模所限，更关注能直接带来经济效益的技术。直到现在，新加坡政府仍然有强烈的本地保护意识。海外初创公司来新加坡注册，最开始会有10个外籍专业人士工作签证名额，但如果超过10个，就需要遵循“配额制”——每招一个本地人，才能招一个外籍员工。目前，AI初创企业在这方面没有优待。与西方市场、金融和技术体系的无缝接轨吸引了包括林宋琪在内的中国创业者来到新加坡，反过来，这种便利也使得这个试图在人工智能新浪潮中占有一席之地的城市型国家逐渐失去自主创新的能力。林宋琪切身感受到，新加坡在AI人才层面与中美相比存在断层。各高校每年人工智能相关专业的毕业生也就500到800人左右，而且因为大公司总部众多，岗位稳定、福利好，大部分新加坡人都对创业和加入初创公司没什么兴趣——与同样大厂办公室众多的蒙特利尔年轻人相似。然而和蒙特利尔不同的是，来自硅谷的技术大公司们在新加坡设立的区域总部多是商务、市场、运营岗位，即便是研发人员，也基本不属于核心研发团队，往往只扮演区域性的研发和本地支持角色。由于具有更加充足的人才储备，北京正在成为亚洲的AI创新引擎。“从底层的硬件半导体，到上面的算力的框架，再到上面的模型算法的PaaS平台，每一层（以清华大学为代表的中国顶尖高校）都有一个实验室，或者说多个实验室相对应。”Cruise Chen对《第一财经》杂志说，他观察到，这些实验室基本都是在ChatGPT发布之前就开始运作的而这一轮人工智能新浪潮中，清华大学引领了中国的大模型热潮，例如刘知远教授领导的清华大学自然语言处理实验室、唐杰教授领导的知识图谱技术实验室。如今，北京拥有智谱AI、百川智能、零一万物等估值在全球都排得上名次的AI独角兽。IT桔子2023年的统计数据显示，北京是AI领域融资活跃的高地，总部位于北京的人工智能公司的融资事件占全国的比重为29.4%，高于上海的19%和深圳的13%。但Cruise Chen认为，中国的大部分初创企业还面临技术落地难的困境。中国的AI初创企业和大学研究室能在短期之内把技术的“地板”托高，但大部分创业者都更擅长技术创新，并未打通行业需求和应用场景。而且，它们是否能把技术的“天花板”推高，也要打个问号。相较于新加坡和北京，同样位于亚洲的日本政府也在积极运作，试图将东京塑造成比北京和新加坡更具吸引力的创新中心。ChatGPT发布之前，日本一度是人工智能领域的落后者。早在2017年，AI研究者、AI公司Ghelia创始人清水亮就严厉地批评过日本学界，说“日本的AI研究落后了世界30年”。2016年，清水亮应日本经济产业省邀请，策划日本AI学会全国大会的深度学习分会场，但给活动起名时，有同行提出异议：“如果名字里加上‘深度学习’的话，估计就没有人来听了吧。”然而ChatGPT一发布，日本政府就表示要在政府内部大力推广ChatGPT，并且不会对人工智能训练中使用的数据实施版权保护，成为全球几乎第一个公开站队人工智能公司而非数据拥有者的国家。今年4月，日本首相岸田文雄访问美国时，也专门会见了微软和OpenAI的管理层。这一系列措施炒热了东京的AI氛围。2022年，高宁离开投资行业，创建出海创业社区Linkloud，为初创企业举办线下活动和游学，目的地除了新加坡和硅谷，还有一个就是日本。“我们每隔3个月会来一次东京，每次都会感觉到这座城市中AI的渗透率和讨论热度在不断加深。”他对《第一财经》杂志说。眼下正热的是把AI与机器人结合起来的一个叫“具身智能”的领域。具身智能的最终目标是机器人可以像人一样，通过与物理环境交互，自主规划、决策、行动与执行。英伟达是这个技术的坚定支持者，3月它公布了人形机器人通用基础模型Project GR00T，并宣布和波士顿动力等机器人公司合作。而日本历来拥有川崎重工、发那科等全球顶尖的机器人巨头。2024年4月，微软宣布将在东京建立研究实验室，加强具身人工智能和机器人技术的研究。就在不久前，高宁刚刚参加了在东京湾区举办的“永续高科技城市”（SusHi Tech Tokyo），这是一个由东京市政府支持的城市创新论坛。论坛上，以东京大学为首的日本高校在机器人领域表现十分强势。“机器人在日本是‘刚需’，需要用它们替代劳动力、应对人口老龄化。”高宁说。日本已将机器人广泛应用于农业、医疗、物流、制造等领域。高宁认为，把人工智能用到金融、法律、零售、游戏领域的B端应用也有望在日本变得热门，因为日本虽然不是软件开发方面的强国，但在全球SaaS消费排行榜上，日本位居第二，仅次于美国，换言之，当地用户为软件付费的习惯和意愿足够强——这种习惯正是这一轮人工智能浪潮最需要的。在基础模型和面向C端用户的AI应用方面，日本相关本土企业并不多。高宁对《第一财经》杂志称，目前日本较为知名的AI大模型公司只有Sakana.ai，这家人工智能公司位于东京，成立于2023年8月，创始人是Google前人工智能专家Llion Jones和David Ha——Llion Jones是Transfomer大模型的论文作者之一。AI人才困境一直困扰着日本。2023年9月，日本财经新闻媒体《日本经济新闻》曾专门报道过日本AI人才短缺的问题。在AI领域的顶级国际会议“神经信息处理系统大会”（NeurIPS）和“国际机器学习大会”（ICML）采纳的日本理化学研究所论文列表中，一半的海外作者来自中国大学。用日本理化学研究所革新智慧综合研究中心负责人、东京大学研究所教授杉山将的话说，“虽说是日本发表的论文，却不一定是日本人写的”。对人工智能这样的技术来说，没有人才就没有一切。城市的发展也是一样。