
目前,我们日常使用的主要生成式AI,如ChatGPT和Gemini,大多由海外(主要是美国)大型IT企业开发和运营。
然而,随着AI逐渐融入政府和企业的重要业务,出现了诸多担忧:如果海外服务的费用或使用条件突然变化怎么办?是否可以将本国的机密数据、独特语言和文化完全托付给海外企业?
针对这些问题,提出了“主权AI(Sovereign AI)”的理念,即国家或企业不单方面依赖特定外国企业或服务,而是根据自身政策和法律,自主管理和运用AI。
“数据、模型、计算基础设施与运营”四层面的自主管理
“Sovereign”意为“拥有主权的”。推动这一理念的美国NVIDIA首席执行官黄仁勋在2024年2月的世界政府峰会上强调:“所有国家都必须自主管理本国的智能生产。”
虽然主权AI尚无全球统一的严格定义,但我们可以从四个层面来理解其管理对象:
-
数据层:决定学习和推理所用信息的存储位置、访问权限及使用方式。
-
模型层:自主选择AI模型,并根据需要进行训练、调整和更新,包括对模型参数的管理。
-
计算基础设施层:确保拥有GPU、数据中心等AI运行设备,并管理其运营和使用条件。
-
运营与人才层:培养管理AI的技术人员和组织,承担安全防护、故障应对及AI治理等职责。
这意味着,主权AI不仅仅是拥有AI,更涵盖了“谁决定使用方式、谁负责管理、谁能应对问题”的全方位考虑。
仅靠“国内服务器”或“国产模型”并不足够
需要注意的是,使用国内数据中心并不等同于拥有主权AI。比如,将重要文件存放在国内的保险箱,但如果管理者是外国企业,情况又如何?
美国的《CLOUD法案》规定,在特定法律程序下,美国管辖的企业可能被要求提供存储在海外的数据。
因此,数据的存放地与管理者身份及其受法律约束的国家是两个不同的问题。
同样,使用国产大型语言模型(LLM)或本地推理技术也不能简单视为主权AI。即使是国产模型,也可能依赖海外云服务,或者模型的更新和运营由外部负责。
反之,采用海外的开源权重模型,只要在国内建立起运营和改进的体系,也能提升自主性。
全球及日本的“自主AI基础设施”建设进展
全球多个国家正积极推进相关建设。丹麦打造了AI超级计算机“Gefion”,用于气象预测等AI模型开发。瑞士计划于2025年推出公开模型权重、训练数据及开发流程的“Apertus”。
日本方面,随着2025年《AI法》的实施及后续《AI基本计划》的制定,国内AI开发基础设施建设也在加速。
在计算基础设施方面,产业技术综合研究所(产总研)于2025年1月推出了“ABCI 3.0”。此外,经济产业省支持的“GENIAC”项目,以及NTT的“tsuzumi”、Preferred Networks的“PLaMo”、NEC的“cotomi”等国产LLM开发也在推进中。
2026年,数字厅将通过生成式AI使用环境“源内”推动国产LLM的试用,并验证与国产云的结合效果。
同年7月,面向“物理AI”时代的国家项目“FRONTia”正式启动,致力于开发国产多模态基础模型。

重点不在“完全自给自足”,而是“掌握关键环节”
主权AI并不意味着所有环节都必须100%自主。毕竟,AI开发中不可或缺的GPU大多依赖海外产品。
关键在于明确“哪些部分由自己管理,哪些部分与外部合作”。
在安全保障和政府等重要领域,应优先考虑国内基础设施;而在一般业务中,则可灵活利用海外先进AI技术。不是一味追求国产化,而是确保关键环节的主导权。
决定哪些环节交由外部,哪些环节由自己掌控,正是主权AI的核心所在。


