主权AI时代到来：企业如何在开放协作中建立自主能力

德勤近日发布中文版报告《主权人工智能：洞察亚太地区战略机遇》（Sovereign AI: Realising strategic opportunities across Asia Pacific）。报告指出，随着生成式AI加速进入产业、公共服务和企业核心流程，亚太经济体正在以不同路径推进主权AI建设；其核心并非封闭自研一切，而是在开放生态中围绕数据、算力、模型、治理、供应链和产业场景，建立可控、可信、可替代的关键能力。

这也意味着，AI竞争正在从“谁的模型更强、场景更多”，进一步转向“谁能在关键时刻保有选择权”。当企业把AI接入客户服务、研发设计、金融风控、供应链管理或能源运营时，真正决定其能走多远的，不只是算法效果，而是关键数据放在哪里、模型如何评估、供应商是否可审计，以及外部环境变化时业务能否持续运行。

这正是“主权AI”受到关注的原因。它提醒企业：AI不是一次工具采购，也不是一组孤立试点，而是一套涉及数据、算力、模型、流程、人才、伙伴和治理机制的系统能力。

本文基于德勤报告的主要发现，结合中国企业所处的产业环境与监管语境，进一步讨论主权AI为什么重要、亚太地区正在形成哪些不同路径，以及企业如何在开放协作中建立自身的关键控制力。

不是“数字孤岛”，而是关键选择权

主权AI容易被误读为封闭或全栈自给。事实上，德勤报告强调，对多数经济体而言，完整复制全球AI技术栈并不现实，也不必要。

更务实的路径，是分清能力的层级：有些能力需要自主掌握，例如敏感数据治理、关键模型评估、AI风险管理、核心业务场景中的决策控制；有些能力则可以通过经过审查的云服务、模型工具、算力资源和生态伙伴获得。问题的关键，不是“全部自己做”，而是在关键时刻是否仍有判断权、控制权和替代方案。

这种思路同样适用于企业。AI进入核心流程后，组织不能只看单点效率提升，还要看长期依赖关系：数据是否可追溯，模型是否可解释，供应商是否可审计，跨境数据和算法调用是否符合监管要求。一旦这些问题没有被提前纳入设计，AI应用越深入，后续调整成本就越高。

亚太路径：没有统一答案，只有不同取舍

亚太地区的主权AI布局，正在呈现多元化趋势。

中国和印度等大型经济体更强调数据、基础设施、算力、模型和治理体系的整体能力建设。日本、韩国以及中国台湾地区等先进工业经济体，则更聚焦半导体、先进制造和AI研发等战略环节，在全球供应链协同中强化自身优势。新加坡、澳大利亚和新西兰等高度开放经济体，更多采取“选择性主权”路径，通过可信数据治理、风险管理和国际合作弥补规模限制。东南亚部分新兴经济体则把重点放在数据治理、AI人才、数字基础设施和本土级平台等基础能力上。

这些路径说明，主权AI不是“全有或全无”的选择，而是一条连续光谱。每个经济体都需要在成本、速度、控制力、创新获取和安全韧性之间做取舍。对企业来说，也是同样的逻辑：不是所有能力都要内建，但关键能力不能失焦。

中国企业的现实议题：从试点走向可控规模化

中国拥有丰富的产业场景、持续完善的数字基础设施，以及正在成熟的AI治理框架。这些因素为AI应用的规模化提供了重要基础。与此同时，企业面临的挑战也在变化。

在试点阶段，AI项目往往关注效率、体验和创新速度；进入规模化阶段后，问题会变得更复杂：训练和调用的数据是否合规？模型输出如何验证？业务流程中的人工复核在哪里？关键供应商是否存在单点依赖？AI系统出现偏差、幻觉、泄露或中断时，组织是否有清晰的响应机制？

主权AI视角的价值，就在于把这些问题提前纳入企业AI战略。它提醒企业，AI不只是技术采购或工具部署，而是一套包括数据、模型、流程、人员、供应商和治理机制在内的组织能力。

治理不是刹车，而是规模化的前提

很多企业在AI试点阶段会觉得治理是“后面的事”。但当AI开始进入金融风控、客户服务、研发设计、供应链管理、医疗健康、能源运营等关键场景，治理就不再是补充项，而是规模化的基础条件。

成熟的AI治理，应当嵌入模型全生命周期：从数据获取、模型选择、训练微调、测试评估，到上线监控、供应商审查、事件响应和持续优化。它既包括合规要求，也包括业务判断，例如哪些场景可以自动化，哪些场景必须保留人工决策，哪些输出需要留痕和复核。

换句话说，治理能力越早建立，创新越容易放大。没有治理的AI应用，短期看可能推进更快，长期却更容易在合规、声誉、运营和安全层面遇到阻力。

企业可以从五件事开始

第一，画清数据边界。企业需要对数据进行分级分类，明确哪些数据可以用于训练、微调和推理，哪些数据必须本地处理，哪些数据涉及跨境、隐私或行业监管要求。

第二，建立模型和工具清单。无论是自研模型、开源模型，还是外部商业模型，都应纳入统一管理。企业需要了解模型来源、使用场景、评估结果、更新机制和潜在风险。

第三，审视算力与云服务依赖。算力、云平台和数据中心正在成为AI时代的重要基础设施。企业应评估关键系统是否存在单点依赖，并为重要业务设计替代方案和连续性安排。

第四，把AI治理变成运营机制。治理不能只停留在原则或制度文件中，而要进入采购、法务、信息安全、数据管理、业务审批和内控流程。高风险应用尤其需要上线前评估、运行中监测和事后追溯。

第五，建设复合型人才能力。主权AI时代需要的不只是算法人才，也包括懂业务、懂数据、懂风险、懂合规和懂运营的人。企业能否把这些能力组织起来，将直接影响AI能否从试点走向规模化价值。

在开放协作中建立自主能力

主权AI的本质，不是把全球创新挡在门外，而是在参与全球生态时，知道哪些环节不能失去判断权，哪些合作需要明确边界，哪些能力必须持续沉淀在组织内部。

对中国企业而言，AI带来的机会仍然巨大。但真正形成长期优势的组织，不一定是拥有最多模型的组织，而是能够把数据、场景、治理、人才和伙伴网络稳定连接起来的组织。AI越深入核心流程，这种能力越会成为企业韧性和增长的底盘。

主权AI时代已经到来。它要求企业既保持开放，也更加清醒地建设自己的关键能力。

如需进一步了解亚太地区主权AI的发展路径、政策框架和战略机遇，欢迎阅读德勤最新报告《主权人工智能：洞察亚太地区战略机遇》中文版。