AI主权的权衡之道 平衡管控力灵活性与风险

平衡管控力、灵活性与风险 目录 序言.......................................................................1 引言AI主权不等于拥有整个技术栈...........................3 第一部分AI依赖关系如何重塑主权问题...........................8 第二部分选择性AI主权...................................................13 第三部分 将主权转化为运营模式....................................18 行动指南............................................................24 序言 不要让依赖关系决定你的AI命运 AI正在重塑商业根基――改变决策、工作流转和价值创造的方式。然而，随着AI深入核心运营，各行各业的领导者都面临一个新的战略问题：谁才是真正的掌控者？ 答案并不简单。AI引入了新型依赖关系，其演进速度之快，已超出传统治理、采购或技术周期的应对能力。这正是AI主权成为当下最关键的领导力议题之一的原因。 Ana Paula de JesusAssis 利害攸关的已不再只是技术，而是经济。当AI承担运营决策时，任何管控的缺失都可能直接转化为利润率压力、合规风险或业务中断。然而，IBM商业价值研究院(IBM IBV)的这份报告显示，如今只有少数高管真正理解自身的AI依赖关系。在AI变得不可或缺的当下，应用与管控之间的差距正在扩大。 高级副总裁兼欧洲、中东、非洲及亚太地区主席IBM 主权意味着能够清晰了解依赖关系，持续一致地加以治理，并在必要时调整方向而不影响业务运转。这正是“借助AI”与“受制于AI”的区别。领导者也越来越认识到，如果底层缺乏开放性，就无法达到这种管控水平。 开源在这一转型中发挥着关键作用。开放性为企业创造了保持议价主动权所需的选择空间：可互操作的模型、透明的架构，以及不由单一供应商掌控创新节奏或方向的生态系统。开放模型和开放工具让企业能够重新训练、调优或替换组件，而无需重建整个系统。开放标准确保数据可以跨环境流动，并让治理能力随之延伸。而开放社区则以全球规模加速创新，降低过度依赖单一供应商所带来的集中风险。 对企业而言，开放性与管控力的结合正是实现选择性主权的关键，即在最重要的领域获得适当程度的管控权，无需在所有地方承担完全独立的成本。它将主权从防御姿态转化为战略优势：更强的议价能力、更具韧性的运营，以及不受锁定束缚的创新自由。本报告正为实现这一目标提供路线图：构建在设计上具备灵活性、在压力下保持韧性，并在关键领域保持主权管控的AI系统。 摘要 选择性AI主权使组织能够在最重要的领域掌控AI，从而管理风险、保护营业利润率，并在条件变化时快速调整方向。 对大多数组织而言，AI资产体系并不透明。 仅有9%的高管表示，他们非常了解自身对AI供应商、模型和基础设施的依赖关系。 高管渴望灵活性，但真正拥有灵活性的并不多。 71%的高管表示，如果今天必须更换主要的AI供应商或模型，这一过程将十分困难。 领导者愿意为灵活性买单，因为它值得。 72%的高管愿意接受20%的成本增加，以维持多个AI供应商，从而获得战略灵活性。 选择性AI主权是盈利能力的护城河。 能够在数据、模型和基础设施层面实施选择性管控的组织，在应对AI驱动的中断时，可保护的营业利润高出55%。 引言 AI主权不等于拥有整个技术栈，而是在条件变化时依然握有管控权。 企业正在升级其AI应用。它们已从孤立的AI助手，迈入互联的AI代理网络，这些代理能够推理、决策并代表组织采取行动。2026年初，CEO们表示，25%的运营决策已由AI做出。到2030年，他们预计这一比例将升至48%。1 在运营中应用智能体AI可以快速放大生产力，但有效驾驭这种力量需要更强的管控力。这正是AI主权发挥作用的地方。AI主权保留了组织在AI依赖关系发生变化时迁移数据、更换模型、在混合云环境中转移工作负载的能力，无论这些变化来自技术、商业还是监管层面。它让组织在条件变化时仍能维持AI驱动的运营，这在AI日益深度融入工作流程时变得尤为关键。 然而，如今大多数领导者并不具备这种管控力。在IBM IBV与牛津经济研究院开展的一项新调研中，受访的1,000名全球高管中，仅有9%表示自己非常了解组织的AI依赖关系。71%的高管表示，如果现在需要更换主要AI供应商或模型，这一过程将十分困难（见图1）。Staples Canada首席信息官ConorMlacak表示：“供应商锁定会造成失衡，一旦被锁定，就会失去议价能力。” 我们的研究量化了这种议价能力的价值。结果显示，在整个AI技术栈中管控力最强的组织，相比管控力较弱的组织，在应对AI驱动的中断时，可保护的营业利润高出55%（详见第29页：“研究方法”）。 图1AI lock-in is real AI锁定真实存在71% of executives say it would be difficult to switchAI vendors or models if they had to today 71%的高管表示，如果今天必须更换AI供应商或模型，这将十分困难。 要实现这种管控水平，企业越来越需要将数据、模型、基础设施等要素作为整体系统来协同管理，在碎片化的AI格局中统一政策、监控行为、统筹决策。这与云主权或多云管理不同，因为AI引入了一种新的依赖关系：AI模型层。 与此同时，美国、欧盟和亚洲不断演进的监管规定，正在重新定义组织在AI方面的行动边界。许多监管机构已在数据驻留、模型透明度和AI问责方面释放出更严格预期的信号。这些变化将越来越多地决定数据可以流向何处、哪些模型可以使用，以及组织必须以多快速度响应新的合规要求。 但AI主权并不只是防御之举。“人们普遍认为AI治理仅限于监管，因此只能被动响应。我认为，治理必须转为主动，”Unicaja首席信息官Raúl Cals表示。在不可预测的AI格局中，AI主权还可以通过支持更快的决策、更强的议价能力和更具韧性的增长，创造新的增长空间。 有效构建AI主权的组织能够： –通过在依赖关系变化时维持业务连续性来增强韧性–通过更快地采用和整合新能力来加速AI驱动的增长与创新–通过避免锁定并优化AI运行的地点和方式来强化成本纪律–通过满足监管和司法辖区要求且不影响执行效率来扩大市场准入 然而，在整个AI技术栈中维持全面管控既不现实，也不具成本效益。正因如此，我们的研究聚焦于选择性AI主权――即根据业务风险和战略价值，在数据、模型和基础设施层面施加相应管控的能力。并非在所有领域，也并非以同等程度实施管控，而是在经济和运营风险足以支撑相关投资的领域实施管控。 对于高层领导者而言，AI主权不再是一个交由IT解决的技术问题，而是业务连续性、利润率保护和战略灵活性的核心命题。对CEO而言，它关乎战略自由。对CFO而言，它关乎降低成本冲击并保持资本灵活性。对COO而言，它关乎在中断中维持业务运转。对CIO和CTO而言，它关乎构建能够在扩展过程中持续适应变化的架构。对董事会而言，它关乎在集中风险演变为治理失败之前将其化解。 本报告提供了一份路线图，帮助这些领导者在整个企业范围内实现选择性AI主权。第一部分解释AI为何改变了主权问题。在第二部分，我们探讨AI主权的关键维度，即数据、模型和基础设施，并展示选择性管控如何帮助绩优组织保护利润。第三部分概述如何通过分层运营模式，在数据、模型和基础设施层面应用AI主权，使选择性管控与业务优先事项保持一致。最后，我们为CEO、CFO、COO、CIO/CTO和董事会成员提供行动指南，覆盖未来30至60天、60至120天以及更长期的行动。 “我们的架构必须足够灵活，能够持续演进，从而允许我们替换组件或采用新技术，无需从头开始。” Sergio Sánchez Gallego Telefónica España首席技术与创新官 观点 一个组织需要多少AI供应商？ 大多数企业已经在多供应商环境中运营，28%的高管表示，他们至少拥有四家AI供应商，以最大化灵活性并避免锁定（见图2）。但当我们使用排名分析来考察真正推动供应商多元化的因素时，浮现出的图景远比表面复杂。 我们发现，组织碎片化是首要驱动因素，其次是地域和监管限制。遗留系统复杂性和治理挑战的排名也高于战略意图。有意使用多个供应商以降低风险，并保持选择权，在相对重要性排名中位居最后。 换言之，大多数AI生态系统并不是有意设计的结果，而是各种限制、权宜之计和历史决策累积而成的结果。这一区别至关重要。复杂性若无人统筹，就会割裂管控力：政策更难统一、风险更难管理，也更难快速调整方向。 多供应商策略只有在得到积极统筹时，才能增强AI主权。这意味着要为数据、模型和安全建立共同标准，明确哪些地方允许差异化、哪些地方必须保持一致，并在各地区和业务单元之间建立透明度。这使领导者能够将AI供应商作为战略组合加以管理，从而优化适应性、韧性和长期管控力。 若进行审慎管理，供应商多元化可以提供保护利润所需的灵活性。事实上，72%的高管愿意接受20%的成本增加，以维持多个AI供应商，从而获得战略灵活性。但这并不意味着企业在每一种情况下都需要多个AI供应商。只有在切换风险、关键性和监管敞口都足以支撑溢价的地方，企业才应为选择权付费。 观点（续） 图2Figure 2 高管更倾向于多供应商AI策略Executives prefer multi-vendor AI strategies 百分比反映主要采用各类AI供应商策略的高管占比Percentages reflect portion of executives primarilyusing each AI vendor strategy 第一部分 AI依赖关系如何重塑主权问题 几十年来，企业一直遵循着一套一致的技术打法：标准化、集中化、规模化。这套方法适用于ERP，适用于基础设施，也适用于早期云采用。 但它并不适用于AI。发生变化的不只是颠覆的速度，更是依赖关系本身的性质。 在传统系统中，依赖关系主要集中在基础设施和应用层面，并且变化相对可预测。在AI中，依赖关系延伸到模型层及其周边服务，从而引入了新的波动性。例如，模型行为可能在没有正式发布周期的情况下发生变化，服务条款和安全管控也可能在几乎没有提前通知的情况下更新。随着AI更深地嵌入核心流程，这些依赖关系会将业务连续性置于风险之中。 在过去24个月中，高管们表示，依赖关系已经在整个AI生态系统中引发了重大且意外的变化，包括价格上涨、使用限制、模型弃用、隐私和数据处理条款变化、性能下降，以及新的地域访问限制（见图3）。由于大多数AI架构仍然与特定供应商、区域和运营假设紧密耦合，组织正在被动吸收这种波动性的成本，而非主动适应它。 图3 AI波动性威胁连续性并推高成本Figure 3 排名反映组织在过去24个月中最频繁经历的意外变化AI volatility threatens continuity and increases costsRanking reflects which unexpected changes AI引入了跨模型、数据和服务的新型依赖关系，这些依赖更具波动性、更不透明，也更难摆脱。 因此，管控必须超越架构层面，延伸到执行层面，即实时制定并执行决策的地方。AI主权使这一点成为可能。当条件发生变化时，它使组织能够通过以下方式，对AI数据、模型和运行时环境保持有效管控： 可见性：了解依赖关系、风险敞口和锁定点 治理：执行政策、合规要求和访问边界 可移植性：跨环境迁移数据和工作负载 可替代性：在需要时切换模型或供应商 连续性：在中断或性能下降期