“AI主权战略衡量的是真实世界风险，还是仅评估基准行为？”

主权计划衡量的是实际风险，还是仅仅在评估基准表现？

简而言之，当前多数人工智能主权战略更注重基准性能——如模型准确率、算力或算法开发——而非衡量网络安全漏洞、经济依赖或对抗性暴露等现实风险。巴西2024年人工智能计划（PBIA）便是一个典型案例：其拟议投资中近50%用于算法，20%用于数据，20%用于算力，但网络安全仅占1%，电力仅占2%[1]。这种失衡的资金分配表明，该战略的核心是追求技术基准（更优算法、更多数据），而非评估和缓解在关键国家系统中部署人工智能所带来的风险。

类似地，2024年一项针对非洲国家的研究发现，在电信、公共财政、身份管理和医疗等关键国家职能中部署的人工智能系统中，超过85%为外国所有、托管于境外，且无法进行审计或重新训练[2]。这带来了现实风险，例如远程中断（对手可能关闭境外托管的系统）、经济负担（持续支付人工智能即服务费用）以及外来文化偏见（模型编码了其原产国的规范）。然而，这些国家的主权战略侧重于获取更多人工智能能力，而非审计或本地化现有系统。证据表明，主权话语往往掩盖了对国外基准和基础设施的持续依赖。

“主权人工智能”的商品化如何加剧风险差距？

一项2026年的研究将当今的AI主权与20世纪争夺石油主权的斗争进行了有力类比。该研究指出，“主权”正沿着AI技术栈被商品化——企业如今向各国政府出售“主权”AI工厂、云服务和语言模型，将这一充满争议的价值转化为商业产品[5]。这使得私营技术供应商得以按自身标准定义主权的含义，往往聚焦于技术指标（例如“我们的模型在本地硬件上运行”），却忽视了模型不透明性、数据泄露或对供应商生态系统的长期依赖等更深层风险。

同一研究指出，这种商品化可能重蹈石油主权问题的覆辙——各国虽名义上掌控资源，却仍依赖外国技术与市场。在人工智能领域，政府或许会向西方供应商购买"主权云"，但若底层模型仍基于外国数据训练，且无法在本地进行审计或重新训练，那么面对对抗性攻击或文化错位的实际风险仍难以估量[2][5]。多篇论文的证据均指向同一结论：若主权战略仅聚焦于购买"主权"产品，而非建设本地能力与风险评估体系，则难以真正应对实际威胁。

一个以现实世界风险为核心的主权战略应如何制定？

少数论文提出了具体替代方案。2024年非洲主权框架提出六大支柱，直接应对现实风险：模型可访问性（以便审计）、本地托管（以掌控基础设施）、非洲中心算法开发（使模型契合当地文化与价值观）、法律保障、数据本地化执行及机构能力建设[2]。该框架将关注点从基准性能转向可量化的风险降低——例如，确保用于公共财政的模型能够接受偏见或篡改审查。

另一项2026年的研究提出了一种面向主权AI的“联邦基础设施蓝图”，通过采用感知管辖区域的工作负载部署与合规监控，确保数据留在国家边界之内[6]。这是对未经授权数据迁移风险的直接回应——这种真实世界的风险是基准测试无法捕捉的。同样，一份2025年关于1-bit大语言模型（如微软的BitNet）的白皮书指出，效率提升——即在普通CPU而非专用GPU上运行AI——能够赋能新兴经济体摆脱对外国供应链的依赖，降低硬件依赖风险[4]。这些案例表明，真实世界的风险衡量是可行的，但这需要有意地从以基准测试为中心的思维，转向运营、法律和基础设施层面的保障措施。

关于这些来源

该答案基于6项研究（1篇经同行评审，5篇预印本）构建而成——这些研究发表于2024年至2026年，其中6项为2024年或之后发表——从11项通过质量筛选的研究中选出的最相关成果，这些研究又源自从超过5亿篇论文数据库中检索到的51篇文献。

本文引用的文献

相关研究问题