主权 AI：国家3-193的地缘政治战略与产业政策，Anjney Midha，a16z

摘要

• 主权 AI 不是一套已经定型的架构，而是对技术、法律和文化依赖控制权的要求。 对企业而言，这意味着知道工作负载位于何处、哪些政府可以强制调取数据；对国家而言，则意味着确保关键产业和日常生活中使用的模型不会植入对手的价值观。Anjney Midha 的宽泛定义是：“随着 AI 展开，尽可能掌控自己的命运。”

• 企业 AI 正在重新捆绑技术、实施与保险，而司法管辖区可能决定谁能赢下这套组合。 超大规模云厂商可以通过赔偿承诺吸收安全和合规风险；Midha 举的 CMA CGM 案例还涉及网络安全和版权风险。他认为，当美国《CLOUD Act》令美国供应商不可接受时，欧洲买家可能更偏好 Mistral。因此，采购问题不只是“谁的模型最好”，而是“他们买的是技术，还是保险？”

• 大多数国家今天都无法争夺前沿人才，但 Midha 不接受它们永远无法追上的说法。 他的 build-buy-partner 框架主张，短期通过合资获得即时接入，中期投资培养“前线部署的 AI 解决方案工程师”，并用10-20年时间建立本地预训练和后训练能力。当研究人员需要与 Meta 及其他前沿实验室竞价时，主权资产负债表可能必须出面，为这一生态播下种子。

• 每个国家都应将自身文化 token 化，然后把商品化的预训练与本地可防守的最后一公里分开。 Nathan Labenz 认为，政府应将经过筛选的语言和文化语料交给每一家领先开发商；Midha 赞同各国与他人合作完成预训练，最好基于 open weights，但保留本地产品化、持续后训练、分发和不可验证奖励的设计能力。他的检验标准很个人化：ChatGPT 用 Hindi 说话时，听起来“像一个来印度旅游的美国游客”，而不是本地人。

• 当前 open models 落后 closed frontier 的时间以月计而非以年计，这使通过后训练实现主权成为可能，但并非没有条件。 Midha 提到，从 o1 到 DeepSeek R1 只用了26天，认为中国跟进 reasoning 进展的窗口在60天以内，并将更广义的 open-versus-closed 滞后估计为约6个月或更短。他预计中国会继续将前沿模型开源，作为软实力工具；但 Labenz 强调，这依赖少数有国家或企业支持的参与者做出战略选择，而不是一个传统的开源社区。

• AI factories 正在改写云计算经济学，并在定制芯片与 Nvidia 支持的“open scalers”之间制造战略竞争。 Midha 表示，GPU 在数据中心物料清单中的占比已从不到10%升至约60-70%；Amazon 缺少 GPT-4 替代品，推动其向 Anthropic 投资80亿美元，因为金额超过1亿美元的合同开始转向 Azure。Gemini–TPU 和 Anthropic–Trainium 的整合威胁 Nvidia，而 Nvidia 则通过 CoreWeave、Nebius、Mistral Compute 和地区性主权云回应。

• 中东能为美国提供资本、更快的建设速度、更低的每 FLOP 能源成本和地缘政治一致性，但基础设施承诺会累积影响数十年。 讨论称，相关交易要求美国进行一比一的基础设施投资；Midha 估计，在没有美国补贴的情况下，液冷 Blackwell 节点在 UAE 或 Saudi Arabia 的每 FLOP 能源成本可低约18-20%。他的战略警告是：“基础设施就是命运”：即使中国今天还无法提供等效系统，若头3-5年输给 Huawei，也可能决定未来30年。

精读

1. 主权 AI 始于控制，而非某个标准定义

• Midha 开场时的承认异常有用：“在各个地区，没有人拥有一个可用的主权定义。”让政策制定者界定主权，已经成了他让技术人员定义 AI agent 的对应问题——5个人通常会给出5个答案。

• 对技术人员而言，主权通常意味着模型和服务在本地或本地部署运行，不依赖由其他地方管辖的云基础设施。对国家领导人或大型企业 CEO 而言，范围更广：他们想要的是“随着 AI 展开，尽可能掌控自己的命运”。

• 一位欧洲 CIO 的版本是司法管辖权。目标是将 AI 工作负载放在不会自动受到外国“不必要的后门信息请求”影响的地方，尤其是在企业服务于多个监管体系下的客户时。

• 政府的版本则是文化。如果陪伴类产品和关键任务产业运行在由训练数据及后训练价值观塑造的模型上，领导人可能会把这些模型视为文化基础设施，要求其价值体系反映本国人口，而非敌对国家。

2. 企业买家采购的是能力，也是在购买一个承担责任的人

• Midha 将企业还原为一个代表用户进行大额采购的组织。在云计算时代之前，CIO 会选择 Red Hat Linux 这类全公司基础设施，同时购买两样东西：技术，以及系统出问题时负责到底的支持。

• 自下而上的 SaaS 打破了这一模式。个人用信用卡采用 Dropbox、Slack 或 GitHub，合规和运营风险随后向上转移到 CIO 和首席合规官身上；接下来的10-15年，他们一直在追赶已经进入组织内部的产品。

• 超大规模云厂商通过提供安全保障和赔偿承诺，恢复了保险层。Midha 指出，如今 Azure 会为数项生成式 AI 服务提供赔偿，而两年前类似保护还不存在；买家获得运营层面的保障，直白地说，也获得了“你自己和团队的工作安全”。

• 关键任务客户可能仍希望由一家专业机构负责选择模型、管理部署并承担责任。他举的例子是 CMA CGM，这家全球第三大航运公司年收入700-800亿美元，不应为了自动化港口和货运运营，就被迫在 Mistral 7B、Mixtral、DeepSeek R1、reasoning models 和各种 reward designs 之间做选择。

3. 司法管辖权为本土 AI 供应商打开了对抗 Azure 的空间

• Labenz 起初更倾向 Azure：企业已经把敏感数据托付给大型科技供应商，发送到 Azure 的查询可能比交给企业自建基础设施更能防范黑客。他提出的问题是，保守主义是否正在推迟企业获得更好技术的时间。

• Midha 的分界线是对管辖该基础设施的司法体系是否信任。他的检验标准是：运行关键任务工作负载的客户，是否会接受他所说的美国法律可以依据《CLOUD Act》从美国云公司强制取得的访问权限；如果不能，那么即便本地基础设施成本更高，本地部署也具有合理性。

• Labenz 的总结是——同时声明自己并不精通该法律的国际适用范围——买家仍然想要同一套技术、咨询和保险组合。欧洲客户可能只是更愿意从 Mistral 而非 Azure 购买这套组合。

• Palantir 经常为美国关键任务工作负载承担这一角色，而 Mistral 正在成为欧洲对应的供应商。Midha 提醒，今天保险能力与前沿 open-model 性能未必来自同一家供应商。

4. AI 原生全栈正在拆解并重新捆绑云计算

• Midha 将 Stargate 描述为一套整合式技术栈，覆盖芯片、数据中心、算力、模型和 ChatGPT。UAE 的安排把这一逻辑国际化：政府为居民提供接入资金，工作负载运行在以 OpenAI 为中心的国家级方案上，而不再只是传统的 Azure。

• 这颠覆了上一个云计算时代的组织逻辑。超大规模云厂商通过集中存储和 CPU 工作负载取胜，直到边际成本和抽象层优势让自建失去经济性；AI 公司现在则围绕模型和应用重新捆绑基础设施。

• Mistral Compute 代表了 Midha 所说的新型“open scaler”：Nvidia 芯片部署在他所称的欧洲最大本地数据中心内，支持 Mistral 和其他 open models，同时让客户自由选择应用层。

• 因此，国家和企业再次面临 build-buy-partner 决策。它们可以购买完整的主权技术栈，与他人合作取得选定层级，或者自行掌握芯片、open weights、后训练、部署以及本土版 ChatGPT 界面。

5. 前沿之外的国家需要进入 token 流动

• Labenz 将 Mistral 视为少见的国家冠军：虽然还没有站在前沿最尖端，但足够接近，能够保住欧洲的人才集中度。他怀疑，像 Brazil、Russia 或 Germany 这样人口众多的国家，无法在不浪费资本的情况下复制这种密度。

• Midha 用战后金融体系回应。无法发行储备货币、也无法匹敌最大经济体的国家，仍然可以成为不可或缺的中介；Singapore 依靠稳定的法律、低腐败和营商便利，将自己嵌入全球美元流动。

• 他在 AI 领域对应的概念是“hypercenter partner nation”：一个不具备美国或中国规模、但主动进入 token、算力和 AI 服务流动的国家。战略选项仍然是“build、buy 或 partner”，但选择退出，就意味着接受主导中心分配的位置。

• 人才定价进一步强化了国家的角色。面对与 Mark Zuckerberg 竞价，本地私营公司“拿着小刀，没法参加那场火箭筒对决”，因此各国越来越多地动用主权资产负债表；由 UAE 支持的 G42 正在扮演类似 AWS 或 GCP 的基础设施角色，背后有国家资本支撑。

6. Gulf 希望用算力需求替代对油价的依赖

• Midha 将 UAE 的战略与 Singapore 在中东原油精炼和增值转售中的角色相比。区别在于，Gulf states 已经拥有 petrodollars；它们的任务是把这些储备转化为 GPU 和持续的算力能力。

• G42 的推销语实际上是“来这里运行你的工作负载”。未来30-50年，UAE 希望通过推理和数据中心收入，让本国 GDP 与油桶脱钩——Midha 说，地区决策者关注油价，就像美国人关注利率。

• 这套战略不只是拥有服务器。通过成为全球 AI 供应链中不可或缺的地点，该地区希望在传统资源优势减弱之前，获得需求、运营经验、合作伙伴关系和新的基础设施底座。

7. 人才主权是一张路线图，而不是一项5年采购计划

• Midha 修正了 Labenz 的前提：大多数国家今天无法争夺前沿人才，但这并不能证明它们永久没有能力追赶。RL recipes 正在变得越来越公开——他提到 Mistral 的 Magistral 工作和 DeepSeek——但线上 RL 基础设施仍然包含大量靠实战积累的运营知识。

• 两人的时间判断仍未解决。Labenz 将可能出现的奇点放在约5年后；Midha 则区分 UAE 紧迫的5年规划与 Mexico 的20年时间尺度，并对“gentle singularity”而非瞬时的经济重写更有共鸣。

• 即便能力快速增长，Midha 认为各国仍需要能把模型接入真实工作流的人。他所说的“前线部署的 AI 解决方案工程师”理解业务领域、系统集成和 reward design，尤其能处理奖励无法客观验证的场景。

• 这一模式类似 India 在1992年与 Suzuki 的合作：外国能力通过 Maruti Suzuki 培训本地工人，随后本地控制权不断加深。Midha 认为 Saudi oil 也经历了类似转变，并主张美国的 AI 合作应带着盟友一起成长，避免它们转向 China。

8. 文化数据应在全球流动，实施则留在本地

• Labenz 提出的捷径是一项国家数据计划：收集、整理并将文化和语言材料“放在银盘上”交给 OpenAI、Anthropic、Google 及其他前沿开发商。至少在未来2-5年，它们更强的通用训练系统应能胜过 Brazil 的国家级预训练尝试。

• Midha 赞同眼下应把预训练外包。各国应将反映自身文化的语料 token 化，因为“如果你的文化没有被 token 化”，就只能依赖别人来代表它；随后与少数具备前沿预训练能力的团队之一合作。

• 他偏好以 open weights 为基础，因为这允许更深度地调整权重、进行 on-policy 更新和本地后训练。国家冠军真正可防守的工作，是分发、产品化、接入 healthcare、finance 或 defense，以及需要语境判断的 reward design。

• 他的 Hindi 体验提供了最鲜明的例子：ChatGPT 说话“像一个来印度旅游的美国游客”，带有外国的措辞和语言选择。本地供应商可以让助手听起来像本地人，即便基础模型来自海外；推理和持续后训练仍是需要不断锻炼的能力。

9. Open models 当前正在快速跟随 closed frontier

• Labenz 提出类似 AI 2027 的风险：前沿开发商可能将训练规模扩大10倍、隐藏模型，从而制造一个本地后训练无法弥合的差距。届时，选择可能变成文化上不自然的前沿模型，或能力弱得多的本地化模型。

• Midha 的反驳基于有时间边界的经验事实。他指出，从 o1 到 DeepSeek R1 只用了26天，称 China 能在60天内跟进 reasoning 进展，并表示观察到的 open-versus-closed frontier 一直大体同步，滞后在6个月以内。

• 即使在 o3 Pro 之后，他也没有看到最佳 closed system 与更新的 R1 之间存在不可逾越的阶跃式差距。他回忆说，在 DeepSeek 发布强大的 open models 已约8个月时，仍有专家告诉国会 US 领先 China 5-6年：“你们到底活在哪个星球？”

• Labenz 的保留意见是制度性的：这些并不是由社区治理的 open-source projects。持续获得访问权取决于 Meta、中国企业和各国政府的战略选择，因此当前强大的快速跟随平衡并不保证永久存在。

10. DeepSeek 是中国软实力工具，Alibaba 则是其部署手臂

• Midha 反对把 DeepSeek 视为传统的超大规模云厂商。他将其描述为一家对冲基金：在监管压力下即将关闭核心业务，于是转向前沿 AI 研究，并在与 Xi 会面后获得政治支持。

• 在他的基准情景中，中国政府会继续让一个前沿模型开放可用，因为全球采用会创造软实力。DeepSeek R1、Unitree humanoid 和 Ne Zha 2 构成了他所说的2025年前6个月中国文化与技术复兴的一部分。

• 稳态分工可能是：DeepSeek 吸引研究人才并“无情地 open source”，Alibaba 则将企业部署商业化。这样既能保留国家声望，也能通过分发创造 GDP，而不必迫使 DeepSeek 本身接受超大规模云厂商的经济模式。

• Alibaba 的解决方案工程很关键，因为尽管 R1 在排行榜上表现强劲，但对企业而言“规模巨大且非常难用”。没有实施渠道，前沿模型不会自动扩散到经济体系中。

11. AI factories 将 Nvidia 与超大规模云厂商拖入新一轮技术栈战争

• Labenz 的基准数据是：US 约占全球数据中心基础设施的45%，排名前25的国家合计占88%。Midha 预计，普通 CPU、存储和网络工作负载仍会集中化，但 AI 数据中心已经不再共享旧的物料清单。

• 他估计，GPU 目前约占数据中心的60-70%，而10年前还不到10%。因此 Jensen Huang 所说的“AI factory”不只是营销话术：物理设施和其承载的工作负载都已经改变。

• 模型接入如今可以转移大规模云工作负载。Midha 表示，Amazon 在2023年丢失金额超过1亿美元的合同、这些合同转向 Azure 后，向 Anthropic 投资了80亿美元，因为自身缺少 GPT-4 替代品；他当时是 Anthropic 的早期投资者之一，亲眼看到了一部分决策过程。

• 如果 Midha 的预测成真，即今年年底前3大模型中的2个——他指的是 Gemini 和 Anthropic——将在非 Nvidia 硬件上运行，那么 Gemini–TPU 和 Anthropic–Trainium 的整合就会威胁 Nvidia。Nvidia 的反击是 CoreWeave、Nebius、Mistral Compute 和地区性云组成的生态；Midha 认为未来18个月的“open scaler wars”仍然完全没有定论。

12. 本地算力是对地缘政治 404 的保险

• 对于本土基础设施很少的国家，Labenz 询问 AI 为什么应区别于进口云服务。Midha 的答案是战略自主：外部 API 在其管辖国家关闭服务之前都能运行，之后调用就会返回404错误。

• 正确范围应按工作负载划分，而不是追求完全自给自足。失去外国托管的娱乐内容或许可以接受；支撑 defense、healthcare 或其他关键任务产业的推理能力，则可能值得建设本地可控算力，就像各国会有选择地本地化 defense supply chains，却不会自行制造每一架飞机或每一辆坦克。

• Labenz 的反驳值得保留：相互依赖可以抑制冲突。主权算力建设类似囚徒困境：每个国家都理性地降低依赖，但所有国家合计却在瓦解曾经提高战争成本的相互融合。

• Midha 的答案是一项“AI 马歇尔计划”。美国必须承认中国挑战，同时继续成为稳定的伙伴；“运行在美国芯片上的 open models”可以让盟友在模型层获得主权，而不必转向 Huawei 的半导体技术栈。

13. 出口管制可能加速其试图遏制的 Huawei 生态

• Labenz 质疑 China 是否真的能为海外 AI 建设提供供应，因为 DeepSeek 自己称 GPU 短缺正在限制发展，而国内需求可能会消化 Huawei 生产的一切。他认为，中国具备面向出口规模的基础设施能力还需要3-5年，不会立刻成为替代方案。

• Midha 认为，制裁改变了发展轨迹，迫使 China 向 Huawei 投入主权资源。China 可能仍需3-5年才能具备前沿训练能力，但他认为，高效的2025 reasoning workloads 到年底就可能运行在 Huawei Ascend 芯片上，而推理能力可能在2-3年内实现脱钩。

• 他的明确保留是：“如果 DeepSeek R2 在未来某个时间发布，我不会感到意外的是”，它从第一天起就兼容 Ascend。分析上的错误，是冻结今天的能力差距，而不是追踪一棵如今已有国家资本和动机支持的5年技术树。

• 两位嘉宾都反对简单的遏制政策。Labenz 希望拥有独立的美国技术栈，但怀疑阻止 China 建立自己的版本是否有效；Midha 则主张广泛出口最好的美国技术，让采用本身携带美国影响力。

14. China 政策混合了真实的价值冲突与未解决的威胁模型

• Labenz 认为，把 China 描绘成压倒性的威胁，同时又认为断供芯片后 China 永远无法追上，这两种叙事并不一致。Midha 的解释是路径依赖：AI 和半导体都是技术树，切断访问可能促使对手更早进入，并建设原本缺失的能力。

• 但 Midha 仍坚持建立独立的西方技术栈，因为对中国技术的依赖可能把中国式治理引入关键任务系统。工程能力并不能抹去他对该政府的描述——“最冷酷无情的威权政府之一”，而且经常伤害本国民众。

• Labenz 记录的是一次真实的判断更新，而非假装确定。他仍对 China 的威胁保持开放态度，并提到一宗未经核实的 Detroit 机场事件：有人携带会损害农作物的真菌样本；他强调无法确定释放是否出于主观意图，但这件事让他此前偏鸽派的看法变得不再那么安稳。

• 两人都担心另一条主权轴线：基于人类偏好的 RL，可能以人类从未面对过的“速度和规模”，优化短视频或一对一助手的成瘾性。Midha 不希望外国政府控制面向 Americans 的这种优化。

15. 中东交易为美国买来资本、阵营一致与执行速度

• Labenz 表示，相关 Gulf 基础设施协议要求在 US 进行一比一的配套建设。因此，Washington 获得外国直接投资、供美国公司使用的额外本土算力，以及该地区对美国而非中国技术栈的采用。

• 联盟逻辑受时间影响。Midha 表示，在 Biden administration 期间，芯片接入和本地 AI 生态的不确定性正推动 Gulf states 转向 China；由于“基础设施就是命运”，第一个供应商可以决定未来20-30年的标准和关系。

• 运营经济学同样重要。在对50%节省的说法打折后，Midha 估计，在没有政府补贴的情况下，采用油冷的 Blackwell 节点在 UAE 或 Saudi Arabia 的能源成本比 US 低约18-20%/flop。

• Gulf 的治理方式压缩了建设周期。Midha 将 Europe 部分地区的情况与 UAE、Saudi Arabia 对比：前者的监管审批可能耗时2年，后两者则可以快速批准高速公路、数据中心和其他基础设施。

16. 物理安全可以管理，权重安全仍未解决

• Labenz 询问 Gulf 设施由谁建设和控制、美国人员是否可能被召回、传闻中的远程关闭开关是否存在，以及可见的 gigawatt 级站点是否会隐性扩大美国防务保护伞。Midha 没有证实远程开关的说法，而是通过双重用途基础设施重新界定问题。

• 面向关键任务工作负载的前沿数据中心不必像巨型训练园区。由于训练和推理可以分开进行，这类部署可能规模很小，不会出现在普通申报文件中，也可以藏在类似百货商店的建筑内，而不需要把100,000块 Blackwell GPU 集中在一个地点。

• 一旦被发现，其物理防御将遵循所在国既有的反情报和空中防御体系。Midha 看不到专门针对 AI 的安全制度，也不认为这必然意味着新的美国安全承诺；问题在于 Saudi Arabia 或 UAE 能多有效地保护任何国家安全资产。

• Labenz 提到，有中国公民因携带 TPU 设计图登机而被捕；Midha 回应说，他记得的是一名 Google 工程师，并认为美国前沿实验室内部不存在防止模型权重外泄的万灵药。“如果 China 想要这些权重，现在就能拿到。”

• 被刻意推迟的多米诺骨牌是 Taiwan。Midha 表示，Taiwan 未来2-3年的主权状态可能改写整个算力技术栈；他还担心出口管制会让重大行动更容易发生，Labenz 也曾提出类似论点。两人最后都警告，每个结论的“有效时间窗口正在越来越短”。