主权人工智能：构建战略韧性和影响力的生态系统（英）

主权人工智能的成功并非单一政策或技术决定，而是需要构建一个连接能源、计算、数据、模型、平台和应用的生态系统。麦肯锡估计，30%至40%的AI支出将受主权要求影响，到2030年市场规模可达5万亿至6万亿美元。

主权AI的构成与挑战
主权AI指国家或组织自主开发和控制AI能力，确保战略独立性与国内价值观一致。它包含技术、地域、法律和主权四个维度，但并非所有层面都需要完全本土化。成功的关键在于设计一个关键控制点具有主权性的生态系统，通过“最小必要主权”原则，根据监管和风险对工作负载进行分类，分配不同主权层级。

主权AI的生态系统模式
不同国家和地区采用不同模式：

1. 端到端枢纽和前沿AI巨头：私有数据中心吸引超大规模企业和AI实验室。
2. 产业引领和计算硬件驱动：数据中心、云服务商与芯片企业合作打造区域AI平台。
3. 研究政策导向：研究机构引领模型开发，云和数据中心提供支持。
4. 政策支持型区域枢纽：政策推动快速审批和投资激励，满足公共和企业需求。
5. 国营数据中心或云执行：国家主导计算、数据和模型知识产权。

关键要素与参与者角色

1. 基础设施：强大的国内计算骨干（数据中心、GPU集群、云平台等）是基础。
2. 数据生态系统：本地化数据需通过可互操作标准和共享机制提升可用性。
3. 人才：持续投资教育和再培训，培养AI人才。
4. 政府：协调者、投资者、监管者和核心客户，设定主权目标并转化为可执行控制。
5. 供应商：需将主权需求转化为具体方案，而非让客户自行应对复杂性。
6. 企业：需求引擎，通过锚定租户和受监管工作负载推动规模经济。
7. 投资者：提供资金，支持真实需求和清晰规则的Project，加速规模化。

合作关系模式

• 混合环境运营：政府与供应商共享控制结构，如公共共同投资国家计算中心。
• 模型自适应和数据联盟：如BLOOM语言模型，联合开发领域模型。
• 主权云区域：整合公共和监管行业需求，提供可预测工作量。
• 集成环境：整合能源、计算、安全连接和合规控制，减少上线时间。

实用路线图
主权AI生态构建分三阶段：

1. 第一波：建立基准和释放早期需求，通过灯塔用例证明主权环境的可靠性。
2. 第二波：扩大共享基础设施和数据生态系统，工业化运营模式。
3. 第三波：深化专业化，支持竞争性供应商格局，形成可出口的能力。

研究结论
主权AI并非全栈独立性，而是通过协调一致的生态系统，在关键控制点应用主权，将基础设施转化为可信能力，再转化为可扩展结果。企业需明确主权需求领域，政府需引导合作，投资者需支持规模化，才能实现长期价值。