更小的模型才是人工智能主权的未来（10分钟阅读）

# 更小的模型是 AI 主权的未来 来源：https://katecarruthers.com/smaller-models-are-the-future-of-ai-sovereignty-2/ 澳大利亚并不需要一个在侧面贴上澳大利亚国旗 🇦🇺🦘 的全国聊天机器人。我们也并非通过与美国前沿模型签订长期访问合同、然后称之为"国家能力"，就能获得主权。 如果别人可以随时改变价格、修改规则、撤回服务或规定其使用方式，那么这种能力就是租来的。租来的能力不是主权。 这并不意味着澳大利亚应该追求技术自给自足（https://dictionary.cambridge.org/dictionary/english/autarky?ref=katecarruthers.com）。我们既不能，也不应该这样做。真正的任务更为艰巨：保留足够的能力、可见性和选择权，使我们的机构在商业、法律或地缘政治条件发生变化时不会陷入困境。这才是 AI 主权应有的含义。 它不是某一个模型。它不是一句采购口号。它不是把数据中心宣布包装成战略。**它是实际的选择、适配、治理、替换的能力，以及在必要时转身离开的能力。** ## 租来的能力不是主权 这场辩论中的第一个错误，是把访问权和控制权混为一谈。 美国领先的前沿模型往往非常出色。它们适用于研究、分析、编程、写作、翻译、客户支持以及日益增多的复杂任务。在合适的情况下，澳大利亚的组织应当使用它们。 但它们是服务，而且控制权在别处。 当一个组织依赖专有前沿模型时，它通常无法控制模型权重、训练选择、策略设置、处理环境、更新周期或商业条款。它可能不清楚数据究竟在哪里被处理。它可能无法按照高问责性公共决策所要求的标准对系统进行审计。而如果服务商改变了规则，客户的回旋余地可能非常小。 **这并不能说明前沿模型是坏的。这说明它们是带有附加条件的基础设施。而基础设施是政治性的。** 我们已经通过云平台、软件生态系统和社交媒体学到了这一点。我们现在正在 AI 领域重新学习它——只不过这一次，这些系统很可能更深地嵌入到我们的行政管理、医疗、教育、研究和关键基础设施之中。 使用场景越关键，治理问题就越重要。谁有权修改规则？谁决定什么是允许的？谁可以撤回服务？谁可以检查系统？谁可以关闭它？ 如果答案是"一家在另一个司法管辖区、受另一套法律体系约束、追求自身商业利益的公司"，那么这就不是一个细枝末节的采购问题。这就是问题本身。 ## 垄断假设正在瓦解 在生成式 AI 大爆发的大部分时间里，人们的默认假设是：美国将保持决定性的领先优势，最好的系统将被锁定在专有 API 之后。这个假设正在开始动摇。 2026 年斯坦福 AI Index（https://hai.stanford.edu/ai-index/2026-ai-index-report?ref=katecarruthers.com）发现，美国与中国领先模型之间的差距已缩小到个位数。截至 2026 年 3 月，Claude Opus 4.6 以 39 个 Arena 积分（即 2.7%）领先于 Dola-Seed-2.0 Preview。 美国在资本、算力、前沿实验室和基础设施方面仍然拥有巨大优势。这一点很重要，而且这种优势不会消失。但一个**微小且波动的性能差距**（https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance?ref=katecarruthers.com）与"美国拥有压倒性且持久的主导地位"所处的战略环境是完全不同的。 澳大利亚不应因此将对美国系统的依赖换成对中国的依赖。那不是主权。那是带着地缘政治色彩的供应商多元化。 关键在于模型格局正在变得更加多元化。有更多能力更强的系统，来自更多的提供方，以更多样的许可和部署方式运作。其中包括开放权重模型——有时可以在用户控制的环境中被检查、基准测试、适配和运行。 更多的模型并不能让澳大利亚获得主权。它们只是消除了继续依赖的一种借口。 ## 开放权重不是万能钥匙 **如今人们围绕开放权重模型附着了太多的"魔法思维"。**人们一听说权重可用，就立刻得出结论，认为能力已自动变得本地化、可访问且具有主权性。事实并非如此。 开放权重模型（https://hai.stanford.edu/ai-definitions/what-is-an-open-weight-model?ref=katecarruthers.com）之所以重要，是因为它们拓宽了可能的行动空间。斯坦福 2026 年的分析（https://hai.stanford.edu/ai-index/2026-ai-index-report?ref=katecarruthers.com）发现，最佳开放模型与封闭模型之间的差距已大幅缩小，并且在一个更加集中的前沿格局（https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance?ref=katecarruthers.com）中，将阿里巴巴识别为领先提供方之一。 这很重要，因为有能力的机构可以做的远不止通过别人的界面租用访问权限。它们可以检查、测试、适配，并在某些情况下，在自己的治理设置下运行模型。 但让我们别太兴奋。可下载的权重并不等同于可用的能力。 一个大型模型仍然需要算力（也就是数据中心）、熟练的人才、安全的基础设施、评估、监控和资金。它仍然可能依赖外国芯片、外国云服务容量、外国软件框架和外国研究生态系统。 **开放权重不是装在盒子里的主权。它们是杠杆。** 而杠杆正是给机构提供谈判、对抗和转身离开空间的东西。我经常主张，开放机构之所以重要，是因为它们**保留了抵抗权力集中的能力**（https://katecarruthers.com/intelligence-is-leaving-the-cloud-and-our-governance-frameworks-have-not-noticed/），而不只是被动地顺从权力集中。 ## "小"往往才是战略选择 **主权对话已被前沿模型的剧场表演所扭曲。** 大多数组织并不需要一个什么都能做的模型。它们需要的是一个能可靠、安全、以可承受成本完成特定工作的系统。 一个议会分类规划文件并不需要一个万亿参数的模型。一个医疗服务体系根据内部政策文件回答员工问题，很可能也不需要。一个监管机构检索自身指引，就更不应该默认将敏感材料发送到一个不透明的外部系统。 对于许多这类任务，一个在受控环境中的小型模型是更好的选择。不是因为小就自动安全，而是因为较小的系统更容易托管、测试、设定边界、监控和替换。这使它们更容易治理。 更小、更专业的模型可以做到： - 托管在更接近敏感数据的地方 - 适配澳大利亚法律、机构用语和已定义的工作流程 - 针对更窄、更易理解的风险范围进行更彻底的评估 - 以更低成本和更低能耗运行 - 以更低延迟和更好的弹性运行 - 替换时不需要围绕单一供应商重建整个组织 **设计原则应当很简单：使用能够安全、可靠、经济地完成任务的最小模型，然后为每一次规模上的升级给出理由。** 这不是反对前沿模型的论点。有些工作确实需要它们。但"使用能用到的最大模型"不是策略。它是一种习惯，是在能力稀缺、被集中控制并被戏剧化营销的时代中形成的。 ## 澳大利亚无法独自前行 让我们现在就打破一个幻想。**澳大利亚不会实现 AI 自给自足。** 我们不会在国内生产每一款先进芯片，不会从零训练每一个主要基础模型，不会拥有每一个云服务层，也不会把自己与全球研究和软件生态系统隔绝开来。我们也不应该尝试。 自给自足将是代价极其高昂、技术上脆弱、战略上愚蠢的。它会用一个更小、更脆弱的本地单一品种生态取代一组依赖。但拒绝自给自足并不意味着接受无助。 **真正的替代方案是有管理的相互依赖。** 这意味着理解 AI 技术栈中的权力所在，并有意识地决定哪些依赖是可容忍的、哪些是危险的。这意味着要知道芯片从哪里来、模型托管在哪里、谁控制更新、许可证允许什么、哪些云服务不可或缺、以及哪些技能稀缺到成为战略瓶颈的程度。 **这也意味着在我们需要之前就拥有备选方案。** 一个机构不应该在服务中断、合同纠纷、出口管制冲击或地缘政治破裂时才发现，某个外部提供方已悄然成为某项关键公共职能的操作系统。 **这不是韧性。这是附带账单的一厢情愿。** ## 主权是在压力下接受考验的 真正的 AI 主权不在于关于"模型在哪里训练""公司总部在哪里"或"服务器放在哪里"的声明。它是一场关于压力下会发生什么的考验。 你能否： - 检查系统？ - 独立测试其性能、安全性、隐私和安全防护？ - 迁移数据？ - 将工作负载转移到另一个模型？ - 在服务商改变条款后继续运行？ - 判断模型是否已经发生变更？ - 满足你的法律、监管和公共问责义务？ - 关闭它？ **如果这些问题的答案都是"否"，那么你并不拥有主权。你拥有的是一个尚未接受考验的依赖。** 这一点在政府、受监管行业和关键基础设施中最为重要。我们应当非常谨慎，不要围绕那些无法独立评估、无法有意义地审计或无法可信替换的系统来构建关键职能。 专有模型在某些情况下仍然可能是正确的选择。购买服务本身没有内在的错误。但这个决定应当是有意识的、与风险相称的，并由合同、技术和运营层面的保障措施作为支撑。 **重点不在于消除依赖。重点在于确保依赖不会变成服从。** ## 不需要一个单一的"国家冠军" 选择不是在"一个小的澳大利亚模型"和"一个巨大的美国或中国模型"之间二选一。严肃的 AI 战略不是这样运作的。澳大利亚需要一种组合式方法，我们需要： - **日常、私密或低延迟工作：**本地小型或澳大利亚托管的模型 - **受监管的决策支持：**经过领域适配的模型，配备明确的评估、日志记录和人工监督 - **复杂研究、多模态分析或智能体工作：**在基础设施和治理条件允许时使用大型开放权重模型 - **卓越的通用能力：**专有前沿模型，辅以安全、合同和退出控制选择性使用 - **具有全国性重要意义的用途：**在整个技术栈上发展澳大利亚的研究、评估、运营能力和安全基础设施 **这不关乎挑选一个"国家冠军"。这关乎避免形成对单一供应商的国家性依赖。** 随着 AI 越来越深入地融入关键系统，我们越需要有能力与提供它的公司进行谈判、对抗并转身离开。最重要的政策任务不是再发布一份充满关于"可信 AI"或"负责任 AI"愿景语言的战略文件。 而是建立选择的能力，这意味着要投资于： - 托管在澳大利亚的推理和安全算力，用于敏感工作负载 - 公共部门采购、测试、监控和治理 AI 系统的能力 - 独立的模型评估，涵盖安全、可靠性、隐私、偏见和文化适当性 - 政府、大学和产业界在微调、部署和运营方面的专业能力 - 开放标准和互操作性架构，以降低供应商锁定 - 原住民数据治理以及社区对文化敏感数据和 AI 使用的实质性授权 - 在高影响采购中对可移植性、业务连续性和经过检验的退出方案的实际要求 - 在必要时安全暂停或关闭 AI 系统的技术和法律能力 这并不光鲜亮丽。它不会产出一个可以在新闻发布会上揭幕的闪亮的全国聊天机器人。它会产出更有价值的东西：**能够在使用 AI 的同时不放弃对其治理能力的机构。** AI 主权的未来不是某一个巨大的主权模型。而是为特定任务选择合适模型的能力，理解它所创造的依赖，并在服务商、合同或地缘政治环境发生变化时改变方向的能力。 这就是澳大利亚需要建设的能力。不是与世界隔绝的独立，而是足以让我们继续作为一个参与者，而不只是一个客户。