Airbus for AI: A global strategy for public value creation
Notice bibliographique
Résumé
Artificial intelligence (AI) is becoming central to economic productivity and national sovereignty, but its current frontier development is concentrated in a few dominant U.S. and Chinese firms. Many middle power countries like Canada, Germany, Japan, Spain, Sweden, Switzerland, and the U.K. have struggled to field competitive AI products despite substantial public and private investment across national labs and national champions (Allen, 2025; Council of the European Union, 2023; Escritt, 2023; Kreps, 2024; Scott, 2024; Stage et al., 2024; Stanford HAI, 2024). Insufficient funding, a talent/compensation gap, regulatory constraints, and fragmented markets all hinder their ability to scale AI initiatives effectively. As a result, directors in several national AI labs have called for more coordinated public interventions (Bengio, 2023; Valero & Crespo, 2024) while policymakers are debating the case for industrial policy interventions to support domestic AI firms (AI Now Institute, 2024; European Commission, 2025b; UK Government, 2025). If AI is to serve the economic and security interests of all countries, it must be developed in a way that balances public value generation with a credible business model and a pathway to scale in global markets. Any solution must also respond to emerging industrial trends in AI, including the increasing commodification of large language models (LLMs), the rise of open source, and the dramatically increasing salience of national security and geopolitics to trade in AI. There are precedents for such solutions. In particular, Airbus, originally developed by a set of middle powers to compete in aerospace, provides a successful example of an international public-private collaboration. This policy brief proposes a Public AI Company inspired by such models—a coordinated public-private partnership that ensures AI development serves shared national interests and maximizes public value rather than concentrating benefits in a handful of private entities headquartered in global superpowers. Drawing on decades of economic and public policy research as well as a technical analysis of current AI supply chains, this brief outlines why such a global approach is both necessary and achievable, and discusses some of the risks and challenges involved.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,016 | 0,020 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,011 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,027 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».