在自主系统时代确立AI和数据主权
摘要
随着生成式AI和代理系统成为业务运营的核心,企业正优先考虑AI和数据主权,以重新掌控专有数据和模型,减少对集中式云提供商的依赖。
"当生成式AI首次从研究实验室进入现实世界的商业应用时,企业达成了一个默认的交易:'能力先行,控制在后。' 将你的专有数据输入第三方AI模型,你会得到强大的结果。但你的数据流经你不拥有的系统,处在你未设定的治理之下。你所依赖的保护措施,其持久性仅相当于提供商下一次政策更新的间隔。"
查看缓存全文
缓存时间: 2026/05/14 16:34
# 在自主系统时代建立AI和数据主权
来源:https://www.technologyreview.com/2026/05/14/1137168/establishing-ai-and-data-sovereignty-in-the-age-of-autonomous-systems
当生成式AI首次从研究实验室进入现实世界的商业应用时,企业做出了一种默认的交易:“先要能力,再谈控制。”将你的专有数据输入第三方的AI模型,你会获得强大的结果。但你的数据会流经你并不拥有的系统,受制于你无法制定的治理规则。你所依赖的保护措施,其持久性完全取决于提供商下一次政策更新的内容。
如今,生成式AI已深入日常业务运营,且日益精进的新型自主AI系统不断涌现,企业正在重新评估这场交易的条款。
“数据实际上是一种新货币;对许多公司来说,它就是知识产权。”EDB首席执行官Kevin Dallas表示,他呼应了客户群体中反复出现的焦虑。“最大的担忧是,如果你在用基于云端大语言模型的AI增强型应用,你是否正在失去你的知识产权?你是否正在失去你的竞争优势?”
如今,这个问题正在推动一场运动,旨在夺回那些迅速成为核心业务基础设施一部分的数据和AI系统。AI和数据主权——即打破对集中式提供商的依赖,建立对模型和数据资产的真正控制——对许多公司来说已是一项紧迫的优先事项。Dallas引用EDB内部数据说:“70%的全球高管认为,他们需要一个主权数据和AI平台才能取得成功。”
AI主权的理念正在成为全球政策讨论的焦点。NVIDIA首席执行官Jensen Huang在2026年1月达沃斯世界经济论坛年会上谈到了这种转变的必要性:“我真的认为,每个国家都应该参与建设AI基础设施,构建自己的AI,利用你们的基本自然资源——也就是你们的语言和文化——开发你们的AI,持续改进它,让你们的国家智慧成为生态系统的一部分。”
本报告探讨了在AI快速普及的时代,企业如何追求对其模型和数据资产的主权。基于EDB对超过2,050名高级高管的调查以及一系列行业专家访谈,研究证实,企业层面的主权运动已经在积极推进中。
*下载报告* (https://www.enterprisedb.com/resources/MIT-Technology-Review-Report?utm_source=wc&utm_m[%E2%80%A6]m=pa&utm_campaign=wc_ww_vmit_mit-tech-review-tgen-20260514)
*本内容由MIT Technology Review的定制内容部门Insights制作,并非MIT Technology Review编辑团队撰写。所有研究、设计、撰写工作均由人类作者、编辑、分析师和插画师完成,包括调查问卷的编写和调查数据的收集。可能使用的AI工具仅限于经过严格人工审核的辅助生产流程。*
相似文章
当 OpenAI 与 Anthropic 就数据隐私展开拉锯,越来越多企业转向开源模型与“主权 AI”
随着 OpenAI 与 Anthropic 在数据保留和零数据保留政策上针锋相对,企业正越来越多地将目光投向开源模型和“主权 AI”,以便掌控自己的数据与 AI 技术栈。
用自主 AI 重新定义企业智能
MIT Technology Review Insights(由 Uniphore 赞助)指出,企业 AI 的下一阶段是「智能体转变」(agentic shift),需要可组合、自主可控的数据架构,而非单纯更强的模型能力。预计 2026 年全球 AI 投资将达到 2.5 万亿美元,但由于结构性碎片化,大多数企业仍未能从 AI 中实现收入增长。
更小的模型才是人工智能主权的未来(10分钟阅读)
这是一篇观点分析文章,认为对于澳大利亚这样的国家而言,人工智能主权意味着保留在选择、适配和治理人工智能系统方面的自主能力,而非租用国外前沿模型的访问权限——而通往这种主权的务实路径是更小、更可控的模型,而不是一个全国性的聊天机器人或与单一供应商签订的合同。
Sovereign AI 不是模型问题,而是供应链问题 (20分钟阅读)
本文重新定义了Sovereign AI,将其视为供应链重新调整的挑战,而非模型开发竞赛,认为各国需要确保国内或盟友的基础设施用于AI的训练、推理和运行,这将推动对GPU、内存及其他硬件的新一轮需求。
我们是否在错误的层面上审视AI主权?
作者认为,AI主权讨论应更多关注应用层,特别是代理工作流和可移植性,而不仅仅是芯片和模型。