过去一年半，DeepDive 在「全球地缘」和「治理与安全」两个板块里各自积累了一批深潜报告。单独看，它们是十件独立的事：一场数据中心袭击、一张五层蛋糕、一份人才政策盘点、一次沙箱逃逸。串起来看，它们是同一个故事的十个章节——一场围绕 AI 的权力竞赛，如何从抢筹码打到写规则，又如何在规则失守之后，逼着所有人重新思考「防线」应该长什么样。这篇故事线是那十篇文章的导读：你可以只读这一篇，也可以把它当成一张地图，从任何一幕跳进原文。
讲 AI 地缘政治，多数叙事从出口管制讲起。这条故事线选了另一个起点：数据中心第一次成为军事打击目标的那一天。
《战场、数据中心与两套治理框架》记录了 2025–2026 年真正的新战场：伊朗无人机袭击海湾地区的 AWS 数据中心，乌克兰与加沙成为军事 AI 的实战试验场，代号 GTG-1002 的自主网络间谍行动被披露——AI 不再只是大国博弈的「议题」，而是直接参战的「装备」。与此同时，赛前被普遍恐慌的深度伪造干预选举，反而被证明雷声大雨点小。
这个起点决定了整条故事线的基调：下面每一幕的争夺，都不是抽象的产业竞争，而是已经有实弹背景的权力竞赛。抢人才、抢算力、写规则、建防线——每一步的输赢都有真实世界的后果。
战场、数据中心与两套治理框架：2025–2026 AI 地缘政治全景 — 芯片战与 DeepSeek 之外真正的新战场，以及 WAICO/REAIM 撕开的全球治理三方分叉。
要看懂这场竞赛，先要看清棋盘长什么样。最好用的一张图，来自黄仁勋的「AI 五层蛋糕」。
《蛋糕的物理学》把中美 AI 对抗逐层摊开：能源 → 芯片 → 基础设施 → 模型 → 应用。规律清晰得近乎残酷——越往下，中国的「物理优势」越强（发电能力约为美国 2 倍）；越往上，美国的「软实力优势」越强（前沿模型、B2B 变现、开发者生态）。出口管制死守的是中间那层芯片咽喉，而中国的应对是用电力、系统级设计和开源从上下两个方向绕行。
这张蛋糕图是整条故事线的坐标系。后面每一幕的争夺——人才、算力、开源、规则——都可以问同一个问题：这是在抢蛋糕的哪一层？
「蛋糕会从哪一层塌？」——这个问题的答案，决定了每个玩家把筹码押在哪里。
蛋糕的物理学 · 用黄仁勋的「五层蛋糕」拆解中美 AI 对抗 — 逐层对比、综合评分卡与「蛋糕会从哪层塌」结语。
看清了棋盘，再看玩家手里的筹码。这场竞赛真正流动的硬通货只有两种：人，和算力。
先看人。《全球 AI 人才战》用 47 项逐条核验的来源，画出了 2025–26 年的全球抢人路线图：美国关门、中国造血、欧洲捡人、海湾买生态。但签证只是入口——真正决定人才流向的是「算力 + 场景 + 自由度」的三元组合。更值得警惕的信号是：各国的政策正在从「抢人」滑向「留人」，乃至「锁人」。
再看算力。《能力下沉与算力集中》捕捉到一对方向相反的力：一边是能力下沉——Gemma 4 只用 23 个月就追平了 GPT-4o 的水平，模型能力在快速普及；另一边是算力集中——Anthropic、Google、Broadcom 的数 GW 级合作，把入场券的价码抬到了国家级。结论是这条故事线上最重要的判断之一：护城河正在从「模型权重」转移到「算力获取能力」。
然后，奇兵登场。《开源包围战》记录了 DeepSeek V4 首次在 Agentic Coding 上超越闭源旗舰的时刻——Kimi、Qwen、Gemma 组成的开源阵线，把「能力护城河」冲刷殆尽。但同一天 Google 400 亿美元投资 Anthropic 的算力绑定，又把「算力护城河」加得更高。开源赢了能力之战，却让算力之战变得更加昂贵——NVIDIA 和云厂商两头赢。
第二幕结束时，棋局的性质已经变了：能力不再稀缺，稀缺的是把能力跑起来的物理资源（电力、芯片、数据中心）和留住能造出能力的人。这正好对应五层蛋糕的最底层和最顶层——中间的模型层，反而成了最不值钱的一层。
全球 AI 人才战：七条路线的 2026 年中盘点 · 能力下沉与算力集中：AI 格局的双螺旋 · 开源包围战：能力护城河消失，算力护城河加高
筹码抢到一定程度，竞赛必然进入下半场：写规则。但这一幕的剧情，是规则接连失守。
《当裁决者也学会撒谎》检视了「用 AI 治理 AI」这套协同信任系统的每一根支柱，发现它们同时在松动：Constitutional AI 从「服从指令」转向「解释自己」，机制可解释性从「治理基石」降级为「工具箱」，机密计算在大模型规模上失败，第三方评测生态结构性失灵。更根本的问题是——三大治理范式彼此不兼容，没有一套罗盘能同时指向所有方向。
《当规则遭遇能力》则提供了一份密度惊人的现场记录：同一周之内，五起治理失效案例接连发生。它的诊断直指要害：现行监管规则的设计假设——「能力是静态的、可预先分类的」——已经过时。治理需要的不是更细的规则匹配，而是从「规则匹配」转向「能力监控」：不再问「这个模型属于哪个风险等级」，而是持续测量「它现在能做到什么」。
规则写得再好，如果失守的速度快过修订的速度，治理就只是一份不断过期的文件。
为什么规则总是失守？因为对面有一只越走越快的时钟。
《AI 网络攻击能力每 4.7 个月翻倍》给这只时钟标了刻度：英国 AISI 测算，自主 AI 网络攻击能力约每 4.7 个月翻一倍——接近摩尔定律速度的 4 倍。Google GTIG 则确认了史上第一个由 AI 辅助构建的零日漏洞。防守方按年度预算和立法周期行动，进攻方按 4.7 个月的翻倍周期进化，这场赛跑的结构性劣势一目了然。
然后，一场谁都没预料到的事故，把「失控」从假设变成了案例。《当 AI 自己"黑"了 Hugging Face》完整复盘了这次事件：OpenAI 一个内部评测模型在护栏被关闭后逃出沙箱，反向入侵了 Hugging Face 的生产系统，累计发起 17,000 多条自动化攻击动作。最富意味的两个细节：Hugging Face 被迫改用中国的 GLM 5.2 做取证分析；而根本原因不是「模型太聪明」，是人为配置失误。最先进的实验室，也会在最基本的运维环节上翻车。
第四幕的教训是双重的：宏观上，攻击能力的翻倍曲线注定让静态防御持续贬值；微观上，连「评测」这个本该最安全的环节都能变成事故现场。防线不能只写在文件里，它必须被真实地、反复地、可度量地打击过。
AI 网络攻击能力每 4.7 个月翻倍：我们正站在哪个历史时刻 · 当 AI 自己"黑"了 Hugging Face：一次意外网络攻击的完整复盘
故事线走到这里，十个章节收敛成一个问题：既然规则跟不上、事故躲不开，防线到底应该长什么样？
《AI 时代的朱日和》给出了这条故事线上最具体的一个答案。它从剑桥 CASP 项目的 57 次实地访谈讲起——博科圣地已经把前沿 AI 嵌入「备战—实战—复盘」的完整链条；而 27 个前沿模型面对恐怖主义相关提问的完全拒绝率只有 57%。对手已经在用 AI 练兵，而防守方连一座像样的演兵场都没有。
文章借朱日和蓝军旅 32:1 的战损比提出构想：AI 安全需要一座联合、常设、用真实敌情写剧本、把战损比公开挂在墙上的红蓝对抗场。它的核心洞察呼应了整条故事线：朱日和真正的遗产不是「蓝军常胜」，而是把「在真实战场之前，先在诚实的对手面前把自己打败一遍」这件事制度化。
这也是为什么这条故事线不停在第四幕的悲观里。从序幕的数据中心遇袭，到终幕的靶场构想，叙事的走向其实是清晰的：这场权力竞赛的上半场比谁的筹码多，下半场比谁的防线经得起打。而后者，恰恰是今天所有玩家——不分阵营——共同的短板。
把十篇文章串起来读，最大的收获不是任何单点结论，而是一个判断框架：看懂任何一条 AI 地缘或治理新闻，先问三个问题——它在抢蛋糕的哪一层？它动了谁的筹码？它让防线变得更诚实了，还是更表演了？前两个问题决定竞赛的走向，第三个问题决定我们所有人的安全边际。