- 自主人工智能意味着对基础设施的完全控制，包括硬件、能源、数据和模型。
- 保密推理和TEE等技术可确保数据即使在处理环境中也保持私密性。
- 韩国、英国和澳大利亚等国家正在投资建设自己的模型和设立国家基金，以避免对外部技术的依赖。
谈到人工智能，我们常常会想到无形的云和远程服务器，它们仿佛拥有魔法般运行。然而，对于那些不愿将命运交到第三方手中的人来说，一个全新的概念应运而生：主权人工智能。本质上，它意味着一个国家或组织对其技术拥有完全的控制权，从而避免依赖可能随时中断服务或随意管理数据的外国基础设施。
这不仅关乎国家尊严，更关乎数字化时代的生存战略。试想一下，如果贵公司或政府的所有智能都存储在另一个大陆的服务器上，任何监管变化或地缘政治冲突都可能让您出局。因此，构建自主生态系统意味着掌控每一个环节，从芯片的硅片到算法的伦理准则，确保技术能够理解您的语言并尊重您的价值观。
主权基础设施“蛋糕”
为了理解这套系统的构建方式，我们可以将其比作一个多层蛋糕，每一层都增加了一层自主性。如果缺少任何一层，系统就会继续依赖外部资源。首先是硬件和能源，它们构成了系统的基础：谁拥有数据中心和芯片？此外，能源容量也至关重要，因为一个国家必须能够为自己的“人工智能工厂”供电，而无需依赖外部电网。
沿着这个层级向上，我们来到了数据和模型层面。这里的关键问题是：谁拥有用于训练人工智能的信息，谁拥有算法？这不仅仅是拥有软件的问题，而是要定义机器遵循的价值体系、它理解的语言，以及当人工智能犯错时谁应该承担责任。
实现真正主权的关键技术
为了使之切实可行而非仅仅停留在理论层面，目前已有工具支持本地数据处理。诸如vLLM 或 llm-d之类的优化软件至关重要，因为它们允许直接在服务器端处理查询，而无需依赖公共 API。得益于PagedAttention等技术，GPU 内存可以得到优化，大规模模型可以分布在较小的硬件上，从而使企业能够以更低的成本避免租用昂贵的第三方云服务。
但其中有一个关键要素：保密推理。这项技术是实现主权的关键所在。它利用硬件加密数据，同时人工智能进行分析，采用所谓的“可信执行环境”（TEE）。本质上，它是在芯片（CPU 或 GPU）内部创建一个物理隔离区，计算机的其他部分无法访问，从而确保即使是云服务提供商也无法窥探其内部内容。
现实生活中的例子：韩国、英国和澳大利亚
在现实世界中，一些国家已经采取了行动。例如，韩国开发了AX K1模型，这是一个从零开始训练的主权数据库。这个庞大的模型采用了混合专家（MoE）架构，拥有数十亿个参数，并使用其自主研发的NVIDIA H200 GPU，基于包括韩语PDF和合成数据在内的海量词库进行训练，以确保其独立性。
英国方面则启动了主权人工智能基金，旨在成为人工智能的“创造者，而不仅仅是消费者”。该基金以国有风险投资公司的形式运作，投资于战略性初创企业，例如致力于创建能够生成新知识而非仅仅模仿人类的系统（例如Ineffable Intelligence ），以及专注于药物设计的Isomorphic Labs。他们还为这些初创企业提供不受限制的超级计算机使用权限，以训练其模型。
澳大利亚也采取了坚定立场。对他们而言，自主能力至关重要，可以防止其数据“流向”国外。他们正在构建自己的大型基础语言模型（LLM），因为他们明白，在关键领域依赖外部技术是一种他们无法承受的战略风险。
对生命周期的治理和全面控制
实施自主人工智能并非仅仅是购买机器；它需要健全的监管框架和多学科团队。工程师、数据科学家和法律顾问必须共同制定透明度和网络安全规则。为了确保系统可审计，必须控制五个关键维度：数据来源、计算基础设施的物理位置、数据传输安全、静态数据保护以及严格的访问控制。
EDB Postgres AI等解决方案允许您将生成式 AI 模型直接集成到安全的数据库环境中。这消除了对云服务的依赖，使组织能够完全掌控自己的数据，从而优化成本并最大限度地提高安全性。
向自主模式的过渡需要掌握从物理基础设施和专用硬件到创建尊重当地文化的语言模型等方方面面。通过将保密推理与战略性国家投资和对数据来源的严格控制相结合，国家和企业可以超越单纯的用户角色，成为自身技术命运的掌控者。
