企業主權 AI：2026 年的意義與重要性

「主權 AI」出現在供應商推銷簡報、政府政策文件和分析師報告中——在不同語境下往往意義各異。對於評估 AI 基礎設施的企業買家而言，這種模糊性是個問題。您無法購買一個無法定義的東西。

本文對主權 AI 給出精確定義，解釋企業部署中重要的三層主權架構，梳理推動採用的監管格局，並提供評估 AI 系統是否符合主權標準的具體清單。

---

主權 AI 的真實含義

主權 AI 是無需依賴外國基礎設施、外國供應商或外國法律管轄區，即可開發、部署和控制 AI 系統的能力。

這個定義包含三個重要組成部分：

1. 開發 — 使用本地算力和本地資料訓練和微調模型的能力，無需將訓練資料傳送至外部服務。
2. 部署 — 在您自有或控制的基礎設施上執行推論的能力，不依賴外部 API 的執行。
3. 控制 — 無需獲得供應商、雲端服務商或外國政府許可，即可修改、更新、稽核和關閉 AI 系統的能力。

「外國」這個詞很重要。主權本質上具有管轄區屬性。一家法國醫院使用 Azure 託管的 AI，透過位於美國的資料中心處理患者資料——無論合約如何約定，它都沒有實現資料主權——因為美國法律（CLOUD Act、FISA 第 702 條）可以強制 Microsoft 提供這些資料，即使資料儲存在歐洲。

主權不等於「自行託管」。在 AWS GovCloud 上自行託管的部署，仍然依賴亞馬遜的基礎設施、亞馬遜的法律義務和亞馬遜的運營決策。主權要求整個技術棧——資料、模型和算力——都在您的法律管轄範圍和您的運營控制之下。

---

AI 主權的三個層次

主權 AI 並非非黑即白。它涵蓋三個不同的層次，每個層次有不同的要求和不同的合規意涵。

第一層：資料主權

資料主權涉及資料的儲存位置、處理位置，以及哪些法律管轄區可以強制存取。

資料主權是最常被討論的層次，因為它直接對應現有的隱私法規（GDPR、HIPAA、PIPL、DPDP Act）。但僅憑資料主權是不夠的——如果您的資料留在本地，但模型受外國供應商控制，您只獲得了部分主權。

第二層：模型主權

模型主權涉及誰控制模型行為、誰可以修改它，以及誰決定何時更改。

這一層比資料主權更新、更不為人熟知，但日益關鍵：

• 模型權重所有權：訓練後的權重是儲存在您的基礎設施上，還是由供應商保留？
• 更新控制：供應商能否在未獲您批准的情況下推送模型更新？（大多數雲端 AI API 都會定期這樣做。）
• 行為保證：如果您針對特定任務微調了模型，底層基礎模型是否可能在您的微調之下發生變化，從而降低效能？
• 稽核能力：您能在每個推論步驟檢查模型的行為，還是它只是在別人伺服器上運行的黑盒子？
• 可攜性：您能將模型匯出至不同的執行環境，還是被鎖定在供應商的平台？

實際風險：依賴雲端 AI API（OpenAI、Anthropic、Google）執行生產工作負載的組織，在供應商更新後經歷過模型行為變化。週一時準確率 94% 的法律合約分類模型，到週四可能準確率只有 82%——因為供應商更新了基礎模型。當您不擁有權重時，就無法阻止這種情況。

第三層：基礎設施主權

基礎設施主權涉及誰擁有和運營執行 AI 系統的實體算力。

基礎設施主權是最昂貴的層次，因為它需要在硬體上進行資本支出。但它也是唯一能夠提供完全獨立於外部供應商和外國法律管轄區的層次。

---

主權 AI 為何在現在變得重要

主權 AI 並非新概念，但 2026 年幾個匯聚的力量使其在運營上變得緊迫。

監管加速

• EU AI Act 執法於 2026 年 8 月 2 日起針對高風險 AI 系統生效。第 10 條要求訓練資料「相關、充分代表性，且盡可能無誤差且完整」。第 30 條要求詳細的技術文件。當訓練資料跨越管轄區時，兩者都更難滿足。
• GDPR 域外管轄執法持續擴大。奧地利資料保護局於 2022 年裁定 Google Analytics 違反 GDPR，因為傳輸至美國的資料受到美國監控法律約束。同樣的邏輯適用於在美國雲端基礎設施上處理的 AI 訓練資料。
• 印度 DPDP Act（2023 年數位個人資料保護法，執法分階段至 2025–2026 年）對「重要資料受託人」引入資料本地化要求，並將跨境傳輸限制於政府核准的管轄區。
• 沙烏地阿拉伯 PDPL（個人資料保護法）要求個人資料處理在王國境內進行，除非符合特定傳輸條件。
• 阿聯酋資料駐留要求規定，政府和受監管行業的資料必須留在阿聯酋境內，並有針對 AI 處理的具體條款。

地緣政治 AI 競爭

各國將 AI 能力視為戰略資產。美國限制先進 AI 晶片（NVIDIA H100、A100）出口至特定國家。中國要求服務中國用戶的 AI 模型必須部署在中國基礎設施上。歐盟透過《歐洲晶片法》和 AI 工廠計畫，投資超過 200 億歐元用於主權 AI 基礎設施。

對於在多個管轄區運營的企業，這帶來了一個實際問題：在某國合法且合規的 AI 基礎設施，在另一國可能被禁止或受限。

企業回遷趨勢

數字令人矚目：

• 93% 的企業正積極將工作負載從雲端回遷或評估回遷（2024 年雲端回遷調查）
• 91% 的組織偏好在本地部署敏感資料工作負載
• 58% 的 AI 計畫因資料駐留和合規問題而延誤
• 79% 已將至少部分 AI 工作負載從雲端遷移至本地基礎設施

這些不是邊緣採用者，而是達成以下結論的主流企業組織：純雲端 AI 部署帶來不可接受的監管、經濟和運營風險。

---

真實世界的主權 AI 實施案例

Microsoft Foundry Local 與主權技術棧

2026 年 2 月，Microsoft 正式發布 Foundry Local——一個完全在本地硬體上運行 AI 模型、執行時不依賴雲端的框架。結合 Azure Local（基礎設施）和 Microsoft 365 Local（生產力），這為全球最大雲端供應商提供了完整的主權技術棧。

這個訊號與產品本身同樣重要：Microsoft 承認主權、離線 AI 部署是合理的企業需求，而非小眾訴求。

Red Hat + Telenor 主權 AI 工廠

挪威電信公司 Telenor 與 Red Hat 合作，在挪威建立了一個基於 NVIDIA 基礎設施的主權 AI 工廠。該工廠在挪威管轄範圍內、挪威自有硬體上、依挪威法律，處理電信資料用於網路優化、欺詐偵測和客服 AI。

這就是基礎設施主權的實際面貌：在特定管轄區建立的專用算力，服務於特定的 AI 工作負載，不依賴外國雲端服務商。

Shunya Labs 以 CPU 為核心的主權平台

Shunya Labs 提供一個設計在 CPU 基礎設施上運行的主權 AI 平台——無需昂貴的 GPU 硬體。他們的方法針對出口管制限制 NVIDIA GPU 供應的管轄區中的政府和企業部署。如果您無法採購 GPU，您需要一個不依賴 GPU 的平台。

國家主權 AI 計畫

多個國家正在建設國家主權 AI 基礎設施：

• 法國：Mistral AI，估值 60 億歐元，提供美國基礎模型的歐洲替代方案
• 阿聯酋：技術創新研究所開發了 Falcon 模型系列，在本地控制的基礎設施上訓練
• 印度：BharatGPT 及多個政府支持的國內 AI 能力計畫
• 日本：2,000 億日元以上投資於國內 AI 算力基礎設施

---

主權 AI 的企業採購清單

如果您正在評估用於主權部署的 AI 系統，以下是需要詢問的具體問題——以及符合主權標準的答案。

資料主權要求

模型主權要求

基礎設施主權要求

---

主權 AI 並非全有或全無

跨越三個層次的完整主權成本高昂且運營要求苛刻。並非每個 AI 工作負載都需要它。實際方法是將主權級別與工作負載的敏感性相匹配：

關鍵問題不是「我們需要主權 AI 嗎？」，而是「哪些工作負載需要哪些主權層次？」在多個管轄區運營的企業，可能需要對受監管工作負載實現完整主權、對面向客戶的應用程式實現部分主權，以及對內部分析不設主權限制。

---

對企業 AI 基礎設施的意涵

監管執法、地緣政治競爭和企業回遷的匯聚，意味著主權 AI 能力正從「錦上添花」過渡為許多組織的採購要求。

對於資料準備階段——將非結構化企業文件轉化為 AI 就緒訓練資料——主權意味著在整個管線的任何環節，都不應有任何文件、標注或訓練樣本離開您的基礎設施。需要將文件上傳至外部伺服器的雲端資料準備工具，是主權違規，無論供應商在合約中如何承諾資料處理方式。

本地、空氣隔離的資料準備是主權 AI 的基礎。如果您的資料是主權的，但資料準備不是，主權鏈在第一個環節就已斷裂。

---

相關閱讀

• 如何為受監管行業建立空氣隔離 AI 管線 — 建立零網際網路連接 AI 管線的技術架構。
• Microsoft Foundry Local：對企業 AI 部署的意涵 — 分析 Microsoft 主權 AI 技術棧及其對市場的訊號。
• 主權 AI 與雲端 AI：各國與地區的資料駐留要求 — AI 系統資料駐留要求的各國參考指南。