微软开源生态与主权总监 Ryan Waite 在近期举行的开源峰会上发表题为“从开源到代理系统：构建人工智能原生时代”的主题演讲。他指出，虽然人工智能（AI）擅长生成有价值的见解，但企业真正的核心竞争力在于如何利用这些见解。
Waite 将 AI 与人类专业知识的互动描述为一个学习循环，并将其比喻为一台帮助组织攀登知识高峰的“登山机器”。他强调，随着每一次迭代，这种循环积累的知识不断增长，推动企业向更高处迈进。
数据主权：知识应归属于企业
AI 模型在处理海量信息并产生人类难以匹敌甚至无法理解的规模洞察方面表现卓越，但人类能够提供更关键的要素：上下文和判断力。员工通过将洞察置于更广泛的背景下并得出结论，从而将原始信息转化为知识，这些知识最终构成组织的集体专业知识。
在开源峰会期间，“主权”和“所有权”成为讨论的核心议题。Waite 认为，基于企业数据和人员产生的洞察不应被单独交给 AI 模型。他主张，组织需要通过控制学习循环来构建自己的“登山机器”，而不是依赖单一的人工智能供应商。
鉴于 AI 生成的内容通常基于专有业务信息，企业必须确保通过这些互动积累的知识所有权不会转移给外部供应商。随着企业对 AI 工具的依赖加深，这一风险日益凸显。如果知识与特定模型或提供商绑定，当企业希望采用新兴技术时可能会面临阻碍。因此，Waite 建议企业建立自主的学习循环，保持对信息、流程和技术的控制权，以确保未来的灵活性。
模型选择策略：避免锁定
为了避免依赖单一 AI 模型，Waite 提出了一种分阶段的策略。许多企业在启动 AI 项目初期，尤其是在解决自身尚未完全理解的问题时，倾向于使用专有的前沿模型。然而，随着企业对任务理解的深入，可能不再需要昂贵的前沿模型，转而可以使用更小、更便宜的专业模型，甚至是可自托管的开放权重模型。
Waite 总结道：“你不应该被困在一个特定的模型中，因为它拥有你的知识。”因此，保持在不同模型间自由切换的能力至关重要。
此外，企业还需要控制其 AI 工作负载的运行位置。这包括选择受当地法规约束的主权基础设施、本地系统，或是利用更大可扩展性和成本优势的公共云环境。开源技术为实现这种灵活性和控制权提供了基础。
