思想领袖
为什么值得建设主权 AI,以及它会在哪些方面受挫

要点在你从未参与的诉讼中,法官可以保留已删除的用户聊天记录。
查看更多
- 在你从未参与的诉讼中,法官可以保留已删除的用户聊天记录。
- 主权人工智能实际上关乎控制,而非国界或旗帜。
- 运营主权是企业在构建主权人工智能时最容易忽视的支柱。
2025年5月13日,曼哈顿一名联邦治安法官在《纽约时报》与 OpenAI 的版权纠纷案中签署了一项证据开示令,要求 OpenAI “保留并隔离所有原本会被删除的输出日志数据。”
这意味着,用户此前已经要求删除的聊天记录也包括在内。该命令涵盖 ChatGPT Free、Plus、Pro 和 Team 账户,以及未签订零数据保留协议的 API 客户。OpenAI 对此提出抗辩。其首席运营官 Brad Lightcap 称这“做得太过了”。这项范围广泛的命令于9月下旬结束,但《纽约时报》标记的账户数据仍处于法律保全状态。
企业客户被排除在外。但许多使用 Team 套餐和标准 API 密钥的商业团队并未被排除。他们都不是此案的当事方。他们点击了删除。可在另一场诉讼中,一名法官裁定,删除并不意味着真的删除。
我不是在针对 OpenAI。他们进行了强硬抗辩。问题就在这里。当你的数据存放在别人的平台上时,决定数据去向的,是别人的法律纠纷、合同和政策。
现在把主语换成你自己的公司。你的合同、理赔文件、源代码,以及客户的健康记录。越来越多这类数据正流经运行在你并不拥有的基础设施上的 AI 模型,而这些基础设施受你无权制定的条款约束。
这才是主权 AI 真正关乎的事。不是旗帜和边界,而是控制权。
数据表明,这并非小众顾虑
去年年底,麦肯锡对300名高管、投资者和政府官员进行了调查。71%的人称主权 AI 是“生死攸关的关切”或“战略要务”。麦肯锡估计,到2030年,这将成为规模达6000亿美元的市场,届时多达40%的 AI 工作负载可能转移到主权环境中。
企业数据也印证了这一趋势:
- 近五分之四的组织告诉Linux Foundation,主权 AI 是一项战略优先事项。约90%表示,开源对于实现这一目标至关重要或非常重要。
- 在900多名 IT 负责人中,74%告诉Red Hat,AI 主权是欧洲、中东和非洲地区未来18个月的优先事项。92%表示,企业开源是关键。
- 根据一项由麦肯锡和 Mozilla Foundation 开展的调查,在41个国家、700多名技术领导者中,63%的组织已经在运行开源 AI 模型。76%预计会使用更多此类模型。
留意其中的共同点。主权与开源总是相伴出现。这并非巧合。
我为何看好主权 AI
我之前说过:这些模型已经足够好。对于企业日常真正需要的大多数工作——摘要、研究、遵循指令、文档处理——前沿模型的进步并不会带来显著改变。一个能在国际奥林匹克数学竞赛中获胜的模型,并不能让你的理赔流程更快。
我曾在自己的硬件上运行 Qwen 等开放模型,也亲眼看到它们能很好地处理实际应用任务。我可以用自己的数据在自己的机器上微调模型,不必将任何一条记录传出门外。两年前,这还算不上可行的企业方案;如今已经是了。
这改变了主权 AI 的成本考量。要掌握自己的 AI,你不必从头打造前沿模型。你可以采用性能强劲的开放权重模型,在自己的内部环境或主权云中运行,用自己的数据对其进行调优,并保留模型权重。
供应端也在发生变化。8月,Nvidia 同意支付 Poolside 60亿美元,以获得其模型构建平台的许可,并向其100多名工程师提供职位;这些举措都旨在推动其 Nemotron 开放权重模型系列的发展。当销售“镐头和铁锹”的公司向开放模型投入如此巨额的资金时,开放模型必将不断进步。
安全工具也正在跟上。机密推理会在 CPU 或 GPU 内部使用可信执行环境,让数据在抵达芯片上隔离的区域之前始终处于加密状态。就连云服务提供商也无法查看数据。这样一来,你就不必再寄希望于数据安全,而是能够确信数据确实安全。
所以,没错。主权 AI 确实可以非常出色:降低每项工作负载的成本,不会突然涨价,不会让模型在你毫无准备时遭到弃用;当董事会询问数据流向时,你也能给出明确答复。
但如果我就此打住,那就对你有所亏欠了。
签字前,仔细阅读细则
算力高度集中,而且价格不菲。新美国安全中心的主权 AI 指数显示,约90%的前沿 AI 算力位于美国和中国。麦肯锡指出,只有约30个国家拥有可支持先进 AI 工作负载的算力。要拥有自己的技术栈,就意味着需要 GPU、电力、冷却设施,以及懂得如何运营这些资源的人才。所有这些都要纳入预算,而不只是芯片。
主权并不意味着自给自足。CNAS追踪了184个由政府支持的主权人工智能项目。超过五分之三的项目披露至少有一名外国合作伙伴,而这些合作伙伴中大多数是美国公司。即使是国家,也无法独自完成这件事。World Economic Forum 和 Bain认为,主权本质上是“战略相互依存”。我赞同。要明确哪些环节必须由自己掌控,哪些环节可以放心租用。
开源模型在最难的任务上仍然落后。McKinsey指出,本地化模型的表现可能达不到前沿水平。对于某些工作负载,这种差距确实很重要。解决办法不是非此即彼。将敏感且量大的工作交给自己拥有的模型,同时保留一条受治理的途径,在真正需要时调用前沿模型的 API。
大多数项目都在运营环节出了问题。基础设施、数据和模型控制权往往备受关注。运营主权——谁能访问系统、谁能更改系统配置、谁能审计系统做过什么——却是大多数企业忽视的支柱。一旦 AI 智能体开始代表你采取行动,问题很快就会变得严峻。如果外部供应商掌握着你那些智能体的控制权,你就没有主权人工智能。你只有一项换了个好听说法的托管服务。
别把自己关进新的牢笼。主权的意义在于选择。构建系统时要确保能够更换模型,而不必围绕新模型重建一切。如果你的“主权”技术栈只能运行一家供应商的一个模型,那你不过是换了个依赖对象。
把它当作工程问题,而不是采购问题
做得好的组织会把每个环节都视为一项工程要求,并为之指定负责人和衡量指标。推理实际发生在哪里?提示词和输出记录在哪里保存,保存多久?哪个模型会接触哪些数据?谁能将其关闭?
举步维艰的组织则把主权人工智能当作供应商问卷里的一项打勾选项。
这与我在 Marlabs 的工作中看到的一切相符。如今,模型很少再是问题所在,问题在于实施:人员、架构和治理。主权人工智能不会改变这一点,反而让正确落实这些环节变得更加重要。
回到曼哈顿的那间法庭
那些团队版用户并没有做错任何事。他们信任了供应商协议。关于他们数据的决定,却是在一间他们从未踏入过的法庭里作出的。
你可以自己做出这个决定。当董事会、监管机构或最大的客户问起谁在控制他们的数据、还有谁能看到这些数据时,妥善实施的主权人工智能能让你给出明确答复。准确指出数据存放在哪里,告诉他们谁掌握着控制权。
这值得投入建设,只是要看清情况再动手。
是什么推动着你们组织对主权人工智能的讨论?告诉我。












