主权 AI 是什么？

主权 AI 的定义

主权 AI 强调由国家或地区自主掌控完整的“智能供应链”，包括 AI 开发所依赖的硬件、数据和算法。 

随着 AI 日益成为推动经济增长和维护国家安全的重要力量，许多政府已将 AI 基础设施列为国家关键基础设施，与电力、电信基础设施相提并论。企业和国家可以通过在本地部署 AI 系统，确保 AI 能力的发展和应用符合本国法律、伦理标准和战略利益。

主权 AI 与全球 AI 的主要区别

主权 AI 与全球 AI 模型的主要区别在于数据的存储位置以及对系统拥有法律管辖权的主体。

• 司法管辖权控制：全球 AI 模型往往依托国际云平台运行，数据可能跨境传输，并受到外国法律框架的约束。主权 AI 将所有数据和运营活动置于特定国家或地区的法律管辖之下，可能借助主权云来实现。
• 数据流动与隐私：在全球 AI 模型下，用户数据通常被用于改进集中式多租户模型，而该模型受提供商服务条款约束。主权 AI 对数据流动进行限制，确保敏感信息始终留在当地司法管辖范围内。
• 适配性与自主性：全球 AI 模型通常采用“一刀切”的模式，可能带有其开发地区的文化或语言偏见。主权 AI 支持开发更贴合本地语言变体、法律规范和社会习俗的模型。

主权 AI 的部署模式

主权 AI 并不局限于某一种架构，其管控程度可根据企业或国家的实际需求灵活调整。

• 完全主权：数据、模型、基础设施和人员均位于本国境内，同时尽可能依托本国供应链获取硬件和软件。
• 混合主权：敏感工作负载由本国主权基础设施承载，非敏感任务则交由全球平台处理，以充分利用其规模优势。
• 区域或集团主权：主权范围以欧盟等政治联盟为界，在保留区域法律管辖权的前提下，允许成员国之间传输数据。
• 行业专属主权：主权要求仅适用于国防、医疗、金融等关键行业，其他行业仍可使用全球 AI 服务。

主权 AI 的运作方式

主权 AI 采用分层架构，将物理基础设施、AI 模型本身及相关监管政策均纳入明确的管控范围。

主权 AI 主要建立在以下几大核心支柱之上：

• 本地基础设施与数据驻留
• 机密计算与技术主权
• 模型与本地语言及文化的适配
• 监管与运营监督

本地基础设施与数据驻留

在物理基础设施层面，主权 AI 要求所有计算、存储和网络资源均位于本国境内。这样，从数据提取、模型训练到推理和备份，整个数据生命周期都不受外国司法机关强制调取或扣押的影响。 

确保数据始终存储在本国境内，企业便能弥合“主权缺口”，即本地模型运行于外国企业所有的云平台时所产生的管控缺口。

机密计算与技术主权

为在法律保障的基础上增加一层“技术主权”保护，主权 AI 环境通常会采用机密计算技术。机密计算采用可信执行环境 (TEE) 技术，即 CPU 内部用于安全隔离的区域，能够在数据处理过程中对其进行加密。这样，即使是基础设施提供商，也无法直接获取模型权重和敏感数据集的明文，从而防止数据在实际计算过程中遭到未经授权的访问。

模型与本地语言及文化的适配

主权 AI 在技术层面的一个重要目标就是确保模型能够准确反映其所服务群体的语言和文化特点。 

• 全球 AI 模型往往会受到训练数据来源地偏见的影响。
• 借助主权 AI，国家可使用符合本地特点的数据集来训练基础模型。 

基于本地数据集训练的 AI 能够更准确地理解本地细微差异、语言和文化背景，而这正是 AI 在公共部门和教育领域发挥作用的重要前提。

监管与运营监督

主权 AI 必须建立完善的监管框架，对系统访问、管理和审核作出明确规定。这一框架不仅需要严格的身份管控，还应支持对 AI 管理软件的源代码进行审核，以确认其中不存在“后门”。 

运营主权还要求即使外国提供商不再提供支持或国际制裁生效，AI 系统仍能正常运行。

主权 AI 的主要优势

实施主权 AI 战略，能够为高风险环境提供必要的合规保障和战略管控能力。

• 提升合规水平：系统从部署之初便充分考虑本国的数据保护法律要求，以降低受到法律处罚的风险。
• 保护数据与知识产权：敏感数据和专有模型均保留在隔离且受控的环境中，以防止数据泄露和模型被盗。
• 降低对外国资源的依赖：掌握基础设施和数据的所有权，有助于制定长期战略规划，并降低国际服务条款变动带来的风险。
• 保障业务持续运行：本地化基础设施能够确保国家和企业的关键服务持续运行，不受国际地缘政治事件或贸易限制的影响。

主权 AI 面临的挑战

实现真正的数字自主，需要在经济成本和技术能力方面作出重大权衡。

• 基础设施与法律合规成本高：打造本地计算集群，并应对复杂且往往相互冲突的地区法规，需要投入大量前期资金。
• 专业人才与技术能力不足：打造并维护复杂的主权 AI 环境，需要专业的 AI 工程师和数据科学家，但全球这类人才目前十分短缺。
• 依赖全球硬件供应链：大多数主权 AI 系统仍依赖全球供应链获取 GPU 等专用硬件，这成为实现完全自主的一项长期瓶颈。
• 确保数据来源可追溯：要证明相关数据的使用符合当地隐私和版权法律的要求，必须保留可验证、可审计的训练数据来源记录。

主权 AI 的未来

主权 AI 已不再只是政策层面的话题，而是正在成为一个重要的市场领域。预计到 2030 年，全球 AI 基础设施支出将超过 4000 亿美元。随着 AI 工作负载处理的敏感数据量不断增加，对本地化环境的需求也将持续增长，其中公共部门和金融行业的需求尤为突出。 

从更宏观的角度看，主权 AI 意味着 AI 正逐渐成为国家战略资产。自主生成智能的能力，对于国家未来的发展将与能源和电信网络一样重要。

主权 AI 常见问题