【导读】Gartner研究副总裁Gaurav Gupta指出，追求数字主权的国家正加速布局本土AI技术栈，试图摆脱对美国封闭模型的依赖，而信任度、文化契合度及合规性已取代数据集规模，成为AI平台选择的核心考量。材料围绕AI主权的定义、驱动因素展开，明确其核心是国家或组织机构在本土范围内对AI开发、部署及应用的独立掌控能力，同时揭示了本地化模型的独特优势、AI主权建设的投入要求，以及其对全球合作与产业格局的影响。

Gartner研究副总裁Gaurav Gupta表示：“追求数字主权的国家正在加大对本土AI技术栈的投入，以期能够找到替代美国封闭模型的方案，包括符合当地法律、文化和区域特征的算力、数据中心、基础设施及模型。信任度与文化契合度正成为关键因素。决策者会优先选择符合本土价值观、监管框架及用户预期的AI平台，而不是训练数据集规模最大的平台。”

本地化模型在情境理解方面具备更高价值。在教育、法律合规及公共服务等领域，区域性大语言模型（LLM）的表现优于全球模型，尤其在非英语语言场景中更为明显。

到2029年，各国需要将GDP的1%用于AI主权建设

随着非西方国家和地区的客户因对过度“西方化”影响的担忧而调整合作策略，AI主权将导致合作减少，并加剧资源重复投入。因此，Gartner预测，到2029年，致力于构建主权AI技术栈的国家，需将至少1%的GDP用于AI基础设施建设。

AI主权指国家或组织机构在其地理边界内独立掌控AI开发、部署及应用的能力。

在监管压力、地缘政治因素、云本地化、国家AI任务、企业风险及国家安全等因素的共同推动下，政府与企业正在增加主权AI建设的投入。同时，对在AI技术竞赛中落后的担忧，也将促使国家及企业加速创新并加大投资，力求在AI技术栈各环节实现自给自足。

Gupta表示：“数据中心与AI工厂基础设施构成了支撑AI主权的AI技术栈核心底座。因此，未来数据中心与AI工厂基础设施将迎来爆发性建设与投资，推动少数掌控AI技术栈的企业实现两位数的‘万亿美元’估值。”

基于此，首席信息官（CIO）必须：

设计基于编排层的模型中立工作流，实现跨区域、跨供应商的LLM切换。

确保AI治理、数据驻留及模型调优实践符合各国特定的法律、文化和语言要求。

在重点市场建立与国家云提供商、区域LLM供应商及主权AI技术栈领导者的合作关系，并建立经过审核的合作伙伴名单。

密切关注可能影响AI模型部署与用户数据处理地点和方式的AI立法、数据主权规则及新标准。

总结

Gartner的预测明确了未来AI主权建设的投入强度——到2029年，相关国家需将至少1%的GDP投入AI基础设施，这既预示着数据中心、AI工厂等核心底座将迎来爆发式发展，也警示着资源重复投入、全球合作弱化等潜在挑战。对于CIO而言，顺应AI主权趋势、构建灵活合规的AI工作流、深化本土合作，成为应对变革的关键。总体而言，AI主权已重塑全球AI产业格局，未来技术自主、合规可控与协同创新，将成为各国实现AI可持续发展的核心方向。