Anand Kashyap, 首席执行官 & 联合创始人, Fortanix Anand Kashyap 首席执行官 & 联合创始人, Fortanix

私有化与主权 AI 正在重新定义模型部署的信任边界

在过去十年里，运行强大的 AI 模型通常意味着将数据发送到他人的基础设施，并寄希望于该基础设施能够正常运行。但随着模型所有者、数据所有者和基础设施提供商之间的信任困境加剧，这种模式正逐渐瓦解。金融、医疗、政府和国防等行业的组织日益希望在自己的内部环境中、在自己的控制下运行模型，同时不失去模型最初强大的核心能力。 这正是私有化与主权 AI 所提供的价值，而且已经不再是小众需求。事实上，根据 NTT DATA 的《2026 全球 AI 报告》，超过 95% 的受访组织表示私有化与主权 AI 对其战略至关重要，尽管目前只有约三分之一的组织以具体、近期的方式将其列为优先工作。类似的趋势也出现在 麦肯锡关于主权 AI 生态系统的研究。2026 年的企业路线图几乎在所有案例中都列出了主权，但真正拥有明确工作负载层级的可执行路线图的企业寥寥无几。 这种愿景与落地之间的差距反映出一种真实且尚未解决的矛盾：企业希望模型能够在提供商无法控制的环境中运行，而模型提供商的整个业务则是基于自行构建、训练和微调模型而建立的。 为什么旧的安全模型无法迁移 传统软件安全假设安全控制能够相对清晰地分离。供应商在交付之前对其代码进行安全防护；客户则负责其运行环境的安全。合同、访问控制和网络边界承担其余工作。 专有 AI 模型并不完全适用于该模型。所谓“产品”并非静态的二进制文件，而是一组权重，某些情况下甚至高达数千亿参数，代表了数月的训练投入以及提供商的核心知识产权。一旦这些权重部署到客户可控的环境中，提供商实际上就把知识产权交给了对方，并寄希望于周边的安全控制能够生效。...