- 自主人工智慧意味著對基礎設施的完全控制，包括硬體、能源、數據和模型。
- 保密推理和TEE等技術可確保資料即使在處理環境中也保持隱私。
- 韓國、英國和澳洲等國家正在投資建立自己的模型和設立國家基金，以避免對外部技術的依賴。
談到人工智慧，我們常常會想到無形的雲端和遠端伺服器，它們彷彿擁有魔法般運作。然而，對於那些不願將命運交到第三方手中的人來說，一個全新的概念應運而生：主權人工智慧。本質上，它意味著一個國家或組織對其技術擁有完全的控制權，從而避免依賴可能隨時中斷服務或隨意管理資料的外國基礎設施。
這不僅關乎國家尊嚴，更關乎數位時代的生存戰略。試想一下，如果貴公司或政府的所有智慧都儲存在另一個大陸的伺服器上，任何監管變化或地緣政治衝突都可能讓您出局。因此，建立自主生態系統意味著掌控每一個環節，從晶片的矽片到演算法的倫理準則，確保技術能夠理解您的語言並尊重您的價值觀。
主權基礎建設“蛋糕”
為了理解這套系統的建構方式，我們可以將其比喻為多層蛋糕，每一層都增加了一層自主性。如果缺少任何一層，系統就會繼續依賴外部資源。首先是硬體和能源，它們構成了系統的基礎：誰擁有資料中心和晶片？此外，能源容量也至關重要，因為一個國家必須能夠為自己的「人工智慧工廠」供電，而無需依賴外部電網。
沿著這個層級向上，我們來到了資料和模型層面。這裡的關鍵問題是：誰擁有用於訓練人工智慧的訊息，誰擁有演算法？這不僅是擁有軟體的問題，而是定義機器遵循的價值體系、它所理解的語言，以及當人工智慧犯錯時誰應該承擔責任。
實現真正主權的關鍵技術
為了使之切實可行而非僅僅停留在理論層面，目前已有工具支援本地資料處理。諸如vLLM 或 llm-d之類的最佳化軟體至關重要，因為它們允許直接在伺服器端處理查詢，而無需依賴公共 API。由於PagedAttention等技術，GPU 記憶體可以優化，大規模模型可以分佈在較小的硬體上，從而使企業能夠以更低的成本避免租用昂貴的第三方雲端服務。
但其中有一個關鍵要素：保密推理。這項技術是實現主權的關鍵。它利用硬體加密數據，同時人工智慧進行分析，採用所謂的「可信執行環境」（TEE）。本質上，它是在晶片（CPU 或 GPU）內部創建一個物理隔離區，電腦的其他部分無法訪問，從而確保即使是雲端服務提供者也無法窺探其內部內容。
現實生活中的例子：韓國、英國和澳大利亞
在現實世界中，一些國家已經採取了行動。例如，韓國開發了AX K1模型，這是一個從零開始訓練的主權資料庫。這個龐大的模型採用了混合專家（MoE）架構，擁有數十億個參數，並使用其自主研發的NVIDIA H200 GPU，基於包括韓語PDF和合成資料在內的海量詞庫進行訓練，以確保其獨立性。
英國方面則啟動了主權人工智慧基金，旨在成為人工智慧的「創造者，而不僅僅是消費者」。該基金以國有創投公司的形式運作，投資於策略性新創企業，例如致力於創建能夠產生新知識而非僅模仿人類的系統（例如Ineffable Intelligence ），以及專注於藥物設計的Isomorphic Labs。他們還為這些新創公司提供不受限制的超級電腦使用權限，以訓練其模型。
澳洲也採取了堅定立場。對他們而言，自主能力至關重要，可以防止其數據「流向」國外。他們正在建立自己的大型基礎語言模型（LLM），因為他們明白，在關鍵領域依賴外部技術是一種他們無法承受的策略風險。
對生命週期的治理與全面控制
實施自主人工智慧並非只是購買機器；它需要健全的監管框架和多學科團隊。工程師、資料科學家和法律顧問必須共同製定透明度和網路安全規則。為了確保系統可審計，必須控制五個關鍵維度：資料來源、運算基礎設施的實體位置、資料傳輸安全性、靜態資料保護以及嚴格的存取控制。
EDB Postgres AI等解決方案可讓您將生成式 AI 模型直接整合到安全的資料庫環境中。這消除了對雲端服務的依賴，使組織能夠完全掌控自己的數據，從而優化成本並最大限度地提高安全性。
向自主模式的過渡需要掌握從實體基礎設施和專用硬體到創建尊重當地文化的語言模型等各個方面。透過將保密推理與策略性國家投資和對資料來源的嚴格控制相結合，國家和企業可以超越單純的使用者角色，成為自身技術命運的掌控者。
