在《2026年预测：AI主权》中，商业和技术洞察公司Gartner预测，到2027年，35%的国家将被锁定在使用专有情境数据的区域特定AI平台上。而当前锁定率仅为5%。
Gartner副总裁分析师Gaurav Gupta表示："具有数字主权目标的国家正在增加对国内AI技术栈的投资，以寻找美国封闭式模式的替代方案，包括算力、数据中心、基础设施以及符合当地法律、文化和区域的模型。信任和文化契合度正成为关键标准。决策者优先考虑与本地价值观、监管框架和用户期望相一致的AI平台，而非那些拥有最大训练数据集的平台。"
本地化模型的优势
特别是在非英语语言领域，本地化模型提供更多的情境价值；区域大语言模型在教育、法律合规和公共服务等应用中优于全球模型。
国家AI主权投资需求
随着客户因担心过度受跨区域服务商的影响而改变立场，AI主权将导致全球合作减少和任务重复。鉴于此，Gartner预测，建立主权AI技术栈的国家到2029年将需要在AI基础设施上投入至少GDP的1%。
AI主权是指一个国家或组织独立控制与其地理边界相关的AI能力，包含如何开发、部署和使用。
监管压力、地缘政治、云本地化、国家AI使命、企业风险和国家安全担忧正在推动政府和企业加速对主权AI的投资。对在AI技术竞赛中落后的恐惧也将推动国家和公司快速创新并投资，试图在AI技术栈的各个方面实现自给自足。
Gupta表示："数据中心和AI工厂基础设施构成了AI技术栈的关键骨干，实现了AI主权。因此，数据中心和AI工厂基础设施将迎来爆发式建设和投资，推动控制AI技术栈的少数公司实现两位数的万亿美元估值。"
CIO的关键行动
鉴于此，CIO必须：
设计模型无关工作流：使用编排层，实现跨区域和不同供应商之间的LLM 切换；
确保AI治理：确保数据驻留和模型调优实践能够满足特定国家的法律、文化和语言要求；
建立合作伙伴关系：与国家云提供商、区域 LLM 供应商和主权 AI 技术栈领域的领导者建立关系，并建立经过审查的合作伙伴名单；
监控法规变化：关注 AI 立法、数据主权规则和新兴标准，这些可能影响他们在何处以及如何部署 AI 模型和处理用户数据。
热门跟贴