EUROPA 拿下歐盟前沿 AI 挑戰，開放模型開始變成主權基礎設施

作者:

歐盟的前沿 AI 計畫，今天從政策語言往交付現場前進了一步。European Commission 宣布，名為 EUROPA 的歐洲聯盟體拿下 Frontier AI Grand Challenge，將負責開發一個覆蓋 24 種歐盟官方語言的開放原始碼 AI 模型。這個聯盟由義大利公司 Domyn 領導，背後接上的不是單純補助，而是 EuroHPC 的超級運算資源、AI Factory 服務，以及歐盟近年反覆強調的技術主權敘事。

表面上看，這是一則「誰贏得挑戰賽」的新聞；實際上，它更像歐洲替前沿模型補上的基礎設施招標。美國與中國的大型模型競爭，多半由雲端巨頭、模型公司和資本市場推著走。歐洲這次採用的語法不同：先把可用算力、語言覆蓋、開放釋出、EU AI Act 合規，以及公共部門與企業可重用的目標綁在一起，再把一個聯盟推上執行位置。這讓模型不只是模型，而是被放進一套制度與供應鏈裡。

AI-BOOST 對這項挑戰的描述，說得比新聞標題更清楚。參與者必須是設在歐盟、受歐盟控制的產業玩家，可以搭配學術或研究機構；提案要有大型模型經驗，目標是至少 4000 億參數等級的大型語言模型，並鼓勵使用 mixture-of-experts 這類模組化架構來提高效率。勝出的專案可取得最多 2.5% 的 EuroHPC 總算力一年，還能使用與高效能設施相連的 AI Factory 服務。換句話說，歐盟不是只說「我們需要自己的模型」，而是把稀缺的訓練資源分配權拿出來，測試誰能把它變成可交付的產品與公共資產。

這裡的關鍵字是「開放」，但它不能只照字面理解。開放模型在 2026 年已經不是單純的開發者福利，而是政策工具。若 EUROPA 最後真的把權重、架構細節、文件與使用條款做得足夠透明，歐洲企業、研究機構與公共部門就有機會在不完全依賴美國封閉模型 API 的情況下，建立本地語言、法規與資料治理可解釋的應用。這對政府採購、醫療、金融、製造與教育尤其敏感，因為這些場域不只問模型好不好用，也問資料在哪裡、誰能稽核、出事時責任怎麼追。

24 種官方語言也是這個計畫的政治重量。多語模型不是把英文能力翻譯成其他語言那麼簡單。歐盟內部的法律、行政、醫療、社福與商業文件，本來就散落在不同語言、不同司法語境與不同資料品質裡。若一個前沿模型要成為歐洲公共與企業基礎設施，它不能只在英文 benchmark 上漂亮，還要在波蘭文、葡萄牙文、希臘文、愛沙尼亞文、馬爾他文這些日常但較少被全球模型充分服務的語言中維持可靠度。這是歐洲相對有理由押注開放模型的地方：語言不是附加功能，而是市場本身。

但這個計畫真正難的部分，也正藏在這些承諾裡。首先，4000 億參數等級和一年算力聽起來巨大，放到全球前沿模型競賽裡仍然必須面對資料、人才、訓練穩定性、後訓練、推論成本與產品化速度。其次，「開放原始碼 AI 模型」在產業裡並沒有單一標準。有些模型開放權重，但不公開訓練資料；有些公開技術報告，但授權條件限制商用；有些模型可下載，卻缺乏足夠的評測與安全文件。EUROPA 若要成為基礎設施，而不是一個象徵性成果，最後必須把開放的邊界說清楚。

再來是合規與速度的拉扯。AI-BOOST 要求參與者對齊 EU AI Act、開放科學原則與社群可用性，這些要求能讓模型更容易被受監管產業採用，也可能讓訓練、釋出和迭代變慢。歐洲的優勢在於把信任、法規和公共利益寫進技術框架；弱點則是當全球模型公司用更快節奏推出產品時，歐洲很容易被看成規則制定者，而不是一線供應商。EUROPA 這次的任務，就是證明這兩件事不必互相排斥。

Domyn 作為聯盟領導者，也讓這個故事更偏向受監管市場，而不是純研究展示。該公司先前介紹 Domyn-Large 時，強調面向 regulated industries 的主權 AI 模型路線，並提到 Italia-10B 與 Colosseum-355B 等先前模型工作。這些背景不代表 EUROPA 已經成功，但說明歐盟不是把任務交給一個只會寫提案的組織，而是押在有大型模型與企業場景敘事的團隊上。對採購方而言，這比單純學術模型更接近未來可部署的供應商路徑。

從全球 AI 競爭來看，EUROPA 的意義不在於歐洲明天就追上 OpenAI、Google DeepMind、Anthropic 或中國大型模型公司。更準確地說，歐洲正在打造一條不同的入場路線：不把前沿 AI 完全交給私有雲端 API，也不只靠單一新創硬衝，而是用公共算力、合規制度、多語需求和開放承諾，組成一個能被本地市場採用的模型底座。這條路未必最快，但如果成功，會讓「主權 AI」從口號變成可採購、可審核、可二次開發的東西。

所以這則新聞值得看，不是因為 EUROPA 已經交出模型，而是因為歐盟終於把抽象的 AI 主權拆成幾個可檢查的交付條件：誰拿算力、覆蓋哪些語言、如何開放、怎麼合規、最後給誰用。未來一年，外界要看的也不是更多願景，而是模型文件、授權條款、benchmark、資料治理說明、推論成本，以及公共部門與企業是否真的開始把它放進工作流。前沿 AI 的主權競賽，正在從宣言走向驗收表。

發表迴響