随着人工智能深度嵌入关键公共服务，主权已成为各国政府面临的核心战略议题。然而，当前关于主权的讨论往往局限于地理范畴：数据存储在何处、基础设施归属哪个国家、信息是否留在国界之内。
尽管这些问题至关重要，但它们仅构成了主权拼图的一部分。真正的主权意味着对人工智能全生命周期的控制权，涵盖从数据存储与获取方式，到模型的管理与测试机制等各个环节。对于公共部门而言，这一区别愈发显著。随着AI应用超越实验阶段，其潜在风险已远超聊天机器人的简单回应。医疗、教育及各级政府机构所依赖的数据和系统，必须具备安全性、弹性及可问责性。
主权概念需超越数据中心
将信息保留在本国境内并不等同于实现了AI部署的主权。组织可能在国内托管数据，却依赖外部模型、平台或服务，而这些外部组件的可见性或控制力有限。这导致组织无法完全掌握信息的处理地点、模型的访问路径，以及在系统变更时的具体影响。
由此引发了更广泛的依赖性问题。当AI工具日益融入公共服务时，团队不仅要了解数据位置，更需对构成AI环境基础的基础设施、连接性、安全性、数据及治理拥有充分控制权。随着AI系统自主性增强，从辅助角色转向能够代表组织采取行动的代理角色，风险随之上升。系统的代理能力越强，对其可访问信息、决策影响范围及最终责任归属的认知就越发重要。
让AI适应数据，而非反之
公共部门采纳AI的首要原则应是“将AI带到数据中”，避免将敏感数据自动发送至AI所在的任何地方。这需要转变AI的应用思路：组织不应先选定模型再寻找适配数据，而应从旨在改进的服务或决策出发，逆向推导所需技术。
组织的目标并非单纯追求洞察，而是解决决策难题。因此，不应将所有问题强行纳入同一个AI模型，而应根据具体问题选择适宜的技术。对于政府而言，这意味着在受控环境中保存敏感信息，并通过安全、可控的基础设施连接相应的AI能力。同时，需承认不存在适用于所有场景的单一AI架构。
部分应用可能受益于生成式AI，而其他场景则更适合传统自动化、机器学习或优化算法。目标在于安全有效地达成正确结果，而非盲目使用最新技术。
治理不可滞后于部署
另一个常见误区是将主权主要视为网络安全问题，但治理同样关键。公共部门组织需要具备解释AI行为、测试其是否符合预期以及保持适当人类监督的能力。
鉴于AI系统基于概率运行，它们未必能从相同输入产生完全一致的结果，甚至可能生成看似可信但不准确的答案。这与传统软件通过定义过程产生一致输出的逻辑截然不同。AI必须被视为需要持续测试和管理对象，而非部署后即可遗忘的系统。这要求安全、合规及风险团队在项目初期即介入，而非在系统建成后被动审批。
此外，需制定明确的数据获取与使用规则，确保AI运作方式具备透明审计轨迹，并从设计之初就在系统中嵌入人类监督机制。
基础设施成为AI战略核心
上述目标的实现依赖于坚实的基础设施。主权AI战略需要安全的云环境、弹性连接、强大的网络安全、恰当的数据架构以及支持动态AI工作负载的基础设施。
由于AI技术发展迅速，公共部门必须在内部构建与技术提供商快速迭代的平台和服务之间取得平衡。长期的灵活性正变得与当下的技术能力同等重要。对于公共部门来说，这应被视为一个战略机遇，而非单纯的IT挑战。现在构建灵活、安全的基础设施，将为未来采用新AI能力奠定基础。
目标并非将公共部门组织与更广泛的AI生态系统隔离，那既不现实也不理想。重点在于确保组织能够按照自身条件参与生态系统。
主权本质在于控制
英国的人工智能雄心取决于其在大规模采用新技术的同时，能否保护依赖这些技术的信息、服务及公民。我们需要将讨论焦点从数据存储地点转移开来。主权AI最终关乎对数据、基础设施、访问权限、治理以及AI辅助决策的控制。
那些现在就将这些原则纳入AI战略的公共部门组织，将能更好地利用日益强大的系统，而不必受制于无法完全控制的技术。公共部门AI的未来不应在创新与主权之间二选一。凭借正确的基础设施，两者完全可以兼得。
