网易首页 > 网易号 > 正文 申请入驻

搞点专有数据,就能做主权AI?

0
分享至



“把别人的模型喂上自己的数据,就能拥有真正的主权AI吗?

近期,新美国安全中心(CNAS)发布《“主权AI”的第二波正在显现》(SovereignAI’s Second Wave Is Coming Into View)。根据其“主权AI指数”,截至2026年上半年,全球已有67个国家推进184个政府支持的主权AI项目。仅2026年上半年,就新增41个项目,数量已经超过2024年全年。

“主权AI”从一个相对专业的概念,迅速成为全球政策和产业讨论中的热词。顾名思义,主权AI意味着一个国家希望拥有能够自主开发、自主部署、自主管理和自主控制的人工智能系统,而不是完全依赖外国企业提供模型、数据和算力。

各国之所以强调“主权”,首先是因为AI已经不再只是聊天工具或图像生成器。它正在进入医疗、金融、电力调度、政府治理、工业生产,甚至军事决策等领域。当这些关键系统越来越依赖AI,而模型、数据和算力又掌握在其他国家或企业手中,技术依赖就可能转化为安全风险。

这种风险也同样存在于文化层面。一个国家即便自行部署了AI模型,如果模型训练所使用的主要数据来自其他国家,模型输出的价值观、叙事方式和知识结构也可能带有外来印记。有学者将这种现象称为“数据殖民”:AI不仅是技术工具,也是文化表达和话语权的载体。

问题在于,建设主权AI并不容易。过去大模型竞争高度依赖参数规模和海外高端GPU,而当前行业竞争正在转向后训练、推理计算和综合效率。对于很多中小国家而言,从零训练一个前沿基础模型并不现实,于是,基于开放模型加入本国语言、文化和行业数据,成为更可行的路径。

但发布一款冠以本土名称的模型,并不代表已经建成完整的AI主权。我们需要持续追问:各国选择了哪些技术路径来搭建主权AI?仅仅依靠本土专有数据,能否构筑起AI主权的根基?而主权AI最终,能否落地形成可持续的商业与产业价值?

主权AI热潮:
各国正在怎样造自己的模型?

CNAS数据显示,指数追踪的国家中,40%只支持1个项目。参与国家的门槛正在下降,2023年主要是欧洲、东亚和海湾地区的富裕经济体,到2026年年中,参与范围已经扩大到67个国家,其中10个首次进入的国家全部属于中低收入经济体,包括柬埔寨、多米尼加、埃及、加纳、尼泊尔、巴基斯坦、巴布亚新几内亚、巴拉圭、菲律宾和乌拉圭。



来源:CNAS Sovereign AI Index 2.0。

按照该指数的统计,目前全球约三分之一的国家正在推进某种形式的主权AI。这些国家合计占中美两国之外全球GDP的约90%。这说明,主权AI已经不只是少数国家的政策偏好,而正在变成许多国家必须回答的现实问题。

海外经济体的主权AI建设,按照基础大模型是否从零原生训练的标准,大致分化为三大路径:从零起步的自主原生研发、选用美国开源基座做本土主权项目改造、选用中国开源基座开展本地化二次开发。需要明确的是,后两类项目的权属、部署与数据主权依然归属本国,仅基础模型起点取自外部开源生态。

第一类为自主原生研发路线,代表国家包含俄罗斯、印度与瑞士等。

俄罗斯Sber的GigaChat、Yandex的YandexGPT5Lite以及新版AliceAI,均采用随机权重初始化,在本土算力基础设施上完成完整预训练;

印度本土多语言模型Krutrim‑2参考Mistral‑NeMo架构范式,但模型权重从零开始训练,目标均是跳出英语主导的全球大模型体系,搭建适配本国语言文化、公共服务场景的AI能力。

瑞士则选择从零训练Apertus模型,尽管该模型通用能力不及全球前沿水平,但经过提契诺州针对机密文件翻译场景微调后,在本地涉密业务场景表现优于Meta的LlamaScout。



在能够确认基础模型来源的25个主权AI模型项目中,Meta Llama使用最广,阿里巴巴已经进入前列。来源:CNAS Sovereign AI Index 2.0。

第二类是选用美国开源基座打造本土主权AI项目,澳大利亚、智利牵头的拉美区域项目、挪威是典型样本。

澳大利亚Sovereign‑AU推出本土研究模型Ginan,项目主导权归本土机构,以MetaLlama3.1作为基座,使用约2亿token澳大利亚本土法律文献、澳式俚语语料完成微调,面向本土政务、法律服务场景开放,对外明确打出澳大利亚AI主权定位。

拉美区域标杆项目Latam‑GPT,由智利国家人工智能中心CENIA牵头推进,项目主导权、算力托管与运营归属拉美本土,属于区域主权AI基础设施;其技术起点选用Llama3.1‑70B底座,汇集来自20个拉美国家的历史档案、原住民文字等区域专属语料继续训练,目标面向西语、葡语世界提供本土可控AI能力。

北欧挪威NorwAI的挪威语大模型家族,项目权属归挪威本土团队,有多条分支基于Llama2、Llama3底座,注入挪威本地语料,面向北欧政企提供可本地部署的版本。该路线的共同特征是:主权与部署权留在本国,基础模型能力取自美国Meta开源生态,本土团队掌握后续数据微调、运维与落地权限,以此压低算力投入、缩短上线周期。

第三类以中国开源模型作为底座,开展本地化二次开发,沙特、西班牙、新加坡均有代表性项目落地。

沙特HUMAINM3由沙特公共投资基金旗下企业推出,以稀宇科技MiniMax开源模型为底座,依托超万亿Token阿拉伯语语料完成二次训练,重点强化阿拉伯语理解、本土文化适配能力。这一路径主要是,本国主权财富基金支持的企业负责产业化和本地化改造,中国开源模型提供基础能力,沙特语料和文化数据负责提升阿拉伯语表现,最终再通过本地平台向研究人员和政府应用开放。

同时,选择采用中国大模型的国家还有,西班牙MultiverseComputing的Quasar438B,是在智谱GLM‑5.2基础之上,借助模型压缩技术完成调优;新加坡SEA集团SEA‑LIONV4底座源自阿里Qwen。

而德国AlephAlpha的Kolibri属于跨生态混合的特殊样本,难以直接归入前述三类路径。该模型面向政府、工业、航空航天等高监管领域,定位欧洲主权AI:模型主体采用随机权重初始化,完整预训练链路在本土算力环境下完成,基座本体由团队自主训练;但在监督微调(SFT)的合成数据集生产环节,团队调用智谱GLM系列、阿里Qwen等中国开源模型作为“教师模型”,辅助生成、重写指令样本。这和直接加载外部成品权重作为训练起点的模式有本质区别,也恰好揭示主权AI建设的现实复杂性,并非简单非此即彼的二元选择。

这一系列案例共同印证,评判主权AI价值,不能简单以参数规模、通用榜单得分作为标尺。一款模型或许在全球通用推理能力上并不占优,但若贴合本国法规、政务文件、小众语种、涉密资料处理需求,就具备不可替代的落地价值。

专有数据能否撑起主权AI?

各国在主权AI上的路线差异,本质体现的是对“AI主权”内涵的不同理解。俄罗斯、印度更强调底层基座构建与长期产业主导权;新加坡、澳大利亚、西班牙等经济体,重心放在模型部署、治理框架搭建与行业场景落地;低收入国家则优先补齐本土语言数据集、应用开发能力与本地服务自主权。

主权AI并非在“完全自研”和“完全依赖外部技术”之间做二元取舍,而是一套分层的能力集合。评判一国是否具备AI主权,不能仅凭是否拥有一款冠名自研的模型,核心在于能否掌握模型落地本国社会之后的关键管控环节。

在此背景下,不少国家选择“他国开源基座+本国专有数据”的技术路线,这也引出一个核心问题:仅依靠专有数据,能否支撑起主权AI建设?

回答这个问题,首先要厘清本地数据能够带来的改变。本地数据最直观的价值,是塑造语言与文化层面的差异化。一国未必需要训练全球最强通用模型,但依靠本土语料,可以让模型更精准理解本国用户日常语言习惯。

与此同时,本土制度类数据,决定模型在政务与公共服务场景的可用性。法律、财税、社保、教育、医疗规则具备极强地域属性,通用模型自带的全球知识库无法替代本土制度认知;模型读懂本国政务表单、法律术语、办事流程的能力,直接决定其能否进入公共服务体系。

本土产业数据,则可用于构建垂直领域能力。能源调度、港口物流、金融合规、制造工艺、农业生产等场景高度依赖行业知识。中小国家很难在通用大模型赛道实现赶超,但只要掌握本国核心产业数据,就有机会打造面向政务、能源、交通、金融领域的专业模型。

但专有数据不等于高质量数据,更不等于完整AI主权能力。数据建设本身存在多重硬性约束:第一是合规约束,政务文档、企业档案、医疗记录与个人信息,需要守住版权、隐私与安全红线;第二是质量约束,过时法条、错误译文、未经核验的网络文本,会放大模型在本土场景的出错风险;此外还需要持续迭代能力,政策、产业流程、语言表达持续动态变化,如果仅在模型发布阶段一次性灌入本地数据,后续缺少常态化的数据采集、清洗、评测机制,所谓主权模型很快丧失实用价值。

合成数据的普及则进一步增加议题复杂性。本地数据集未必全部由本国研究者原生产出,其中可能包含外部大模型生成的合成数据。一旦模型大量使用外部模型产出的数据训练,就需要单独评估:模型核心能力是否真正来源于本土数据,会不会继承原有基座固有偏见,是否存在数据污染隐患。

由此可见,不能简单将“接入本地数据”等同于形成独立主权AI能力。判断的核心标准,是这批数据是否真正重塑模型的知识结构、语言能力与任务表现,并且能够通过独立评测验证效果。

专有数据只能承担主权AI建设中的一部分支撑作用,无法独立形成完整的AI主权。主权AI的落地,需要模型权重、算力、部署体系、安全机制、评测体系与治理能力共同形成完整闭环。

主权AI有没有
真实的商业与产业价值?

主权AI究竟是现实能力,还是政策和市场噱头,最终要看它能不能进入真实业务。

最直接的应用场景是政府和公共服务。税务、社保、教育、医疗、移民、司法等公共事务,都需要处理大量本地语言和本地规则。如果模型能够在本国部署,政府就可以更好地控制数据访问、模型权限、操作日志和责任边界。

对沙特而言,HUMAINM3的价值不只是阿拉伯语对话能力,还包括对沙特文化、本地政府服务和“2030愿景”相关产业的支撑。对于新加坡和东南亚国家而言,SEA-LION的价值也不只是提供一个多语言聊天工具,而是帮助政府和企业处理区域语言、公共服务和本地知识。

主权AI目还可能会带动本土AI产业链成长。项目落地会倒逼本地数据治理、模型部署、云平台、网络安全、算力中心与人才培养体系建设。即便一个国家最终没有训练出全球顶尖基础模型,依然有机会围绕政务、教育、金融、工业场景,搭建一套本土AI服务体系。

但主权AI的商业化也存在明显限制。首先是市场规模问题。很多中小国家的本地语言用户数量有限,模型训练、评测、部署和维护却需要长期投入。如果模型只能服务本国政府,而没有跨境输出能力,商业收入可能难以覆盖成本。

AI项目落地的后续维护也是一大问题。法律会更新,政府流程会变化,产业数据会过时,模型也需要不断进行安全修复和性能评测。主权AI不是发布一个模型文件就结束,而是持续运行的基础设施。

再次是底层依赖问题。即使一个国家掌握了本地数据和应用,也可能仍然依赖外部GPU、云服务、模型架构和开发工具。如果这些关键环节无法掌握,那么它获得的更可能是“本地化AI能力”,而不是完整的AI主权。

此外,政府项目也容易出现展示化倾向。模型发布时可能有参数规模、训练数据量和排行榜成绩,但真正落地后,只有问答演示、内容生成或少量试点,尚未进入高频业务流程。主权AI是否具有产业价值,不能看发布会上的模型名称,而要看它是否被政府部门、企业和开发者持续使用。

中关村论坛发布的《全球主权大模型发展白皮书》提出,主权AI应当包含开放、协作、可控和普惠四大理念,并以开源通用基础模型为底座,向上建设应用开发平台和工具链,向下推进与硬件伙伴的基础设施协同,同时支持不同部署模式。这套思路实际上反映了主权AI的现实方向:完全封闭的技术自主很难实现,跨国合作不可避免,但关键数据、关键应用和治理责任需要保留在本国或区域体系内。

因此,主权AI的真实价值,不在于每个国家都训练出一个参数规模最大的模型,而在于它能否在关键领域保留自己的语言能力、知识体系、数据边界和技术选择权。

回到开篇的问题,搞点专有数据,确实可以做出一个本地化AI;但仅靠专有数据,还做不出完整的主权AI。

真正的主权AI,需要模型、数据、算力、部署、治理和产业应用共同形成闭环。它不一定要在所有榜单上超过GPT、Claude或其他前沿模型,但必须能够在本国关键场景中稳定运行,理解本国社会,保护本国数据,并承担相应责任。

未来的主权AI更趋向一种融合形态:以全球开放模型生态为基础,叠加本土知识系统与国家级治理框架。这场探索不会全盘成功,也不会全部沦为概念噱头。大浪淘沙之下,能够长期存续的项目,不会是那些高喊“主权”口号的项目,而是真正落地政务与产业场景、持续迭代数据资产、培育本土开发者生态,在全球大模型的竞争浪潮中,稳步沉淀本国长期数字能力的AI体系。

文:几重山月数据猿
责编:凝视深空数据猿

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
福建省代省长郭宁宁主持召开全省食品安全暨“校园餐”整治专题会议:要保持高压严打态势,坚持执法必严、违法必究,重拳惩治违法违规行为

福建省代省长郭宁宁主持召开全省食品安全暨“校园餐”整治专题会议:要保持高压严打态势,坚持执法必严、违法必究,重拳惩治违法违规行为

新京报政事儿
2026-11-18 10:12:02
肃反运动中,被张国焘杀害的6位红军名将

肃反运动中,被张国焘杀害的6位红军名将

祁州校尉
2026-11-18 09:00:39
山东男篮逆转广东,陈林坚冷血三分制胜,替补席涌现小奇兵

山东男篮逆转广东,陈林坚冷血三分制胜,替补席涌现小奇兵

臻体育
2026-11-18 22:04:57
王兴兴穿旧白鞋参加APEC,网友;这鞋没换过,还好没穿牛仔裤!

王兴兴穿旧白鞋参加APEC,网友;这鞋没换过,还好没穿牛仔裤!

玖宇维
2026-11-18 20:38:19
高三男孩喀纳斯湖失踪,母亲守岸7天后直言放弃,意外竟在此时发生

高三男孩喀纳斯湖失踪,母亲守岸7天后直言放弃,意外竟在此时发生

古怪奇谈录
2025-10-16 10:53:42
资本市场辟谣平台:国常会“不再频繁救市”表态系谣言

资本市场辟谣平台:国常会“不再频繁救市”表态系谣言

界面新闻
2026-11-18 13:44:43
干得漂亮!央视切断开拓者比赛信号,开拓者外网官推被冲,球迷要求解雇诺里,杨瀚森有人为你出头了

干得漂亮!央视切断开拓者比赛信号,开拓者外网官推被冲,球迷要求解雇诺里,杨瀚森有人为你出头了

詹妹侃体育
2026-11-18 17:40:55
普京飞往深圳前,俄战机“闯入”日本领空,一路南下飞到台湾东侧

普京飞往深圳前,俄战机“闯入”日本领空,一路南下飞到台湾东侧

国际法大视野
2026-11-17 21:22:05
极限大逆转!CBA杯赛山东69-65广东,11冠王换帅还是输

极限大逆转!CBA杯赛山东69-65广东,11冠王换帅还是输

极度说球
2026-11-18 22:25:29
减仓幅度已创下二十年来最大

减仓幅度已创下二十年来最大

边际财经实验室
2026-11-18 19:56:02
当年为什么查办褚时健?

当年为什么查办褚时健?

百晓生谈历史
2025-08-20 21:55:53
又一癌症疫苗迎来重大突破,股价暴涨

又一癌症疫苗迎来重大突破,股价暴涨

东方豪侠
2026-11-18 08:50:06
中国政法大学教授刘纪鹏:A股36年涨3600点,问题出在哪?

中国政法大学教授刘纪鹏:A股36年涨3600点,问题出在哪?

江启
2026-11-18 12:45:18
大瓜,黄仁勋黄乐最新视频流出

大瓜,黄仁勋黄乐最新视频流出

小鱼爱鱼乐
2026-11-18 20:27:43
女子梦到和男同事发生关系,醒来腰酸背痛,报警称被侵犯,查无实据后男同事反诉,法院判她道歉赔500

女子梦到和男同事发生关系,醒来腰酸背痛,报警称被侵犯,查无实据后男同事反诉,法院判她道歉赔500

一丝不苟的法律人
2026-11-16 11:01:14
高市,如愿以偿?

高市,如愿以偿?

戎评
2026-11-18 13:57:26
33岁男子有15年烟龄,下决心戒烟,每天把30元烟钱贴墙上,戒烟215天存下6000多元后给妻子买了10999元的手机

33岁男子有15年烟龄,下决心戒烟,每天把30元烟钱贴墙上,戒烟215天存下6000多元后给妻子买了10999元的手机

蓬勃新闻
2026-11-18 06:43:27
祝贺!中国成功连任

祝贺!中国成功连任

政知新媒体
2026-11-17 07:11:29
两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

蝴蝶花雨话教育
2026-10-29 00:05:14
国债利息也要征税?网传华泰证券测算:机构每年或增4590亿元税负

国债利息也要征税?网传华泰证券测算:机构每年或增4590亿元税负

爆角追踪
2026-11-18 11:01:03
2026-11-18 22:52:49
数据猿DataYuan incentive-icons
数据猿DataYuan
数据智能产业创新服务媒体
3060文章数 623关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

追上特朗普专机 马斯克又来了

头条要闻

追上特朗普专机 马斯克又来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

本地
教育
手机
房产
公开课

本地新闻

乌兰察布:以前种土豆,现在种Token

教育要闻

第十五届“挑战杯”中国大学生创业计划竞赛主体赛拟授奖名单,公布!

手机要闻

华为引爆阔直板手机!友商纷纷下场,但很可能会集体踏空?

房产要闻

周大生出手!海棠湾又一大商业体来了

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版