Alan Turing Institute 推动主权 AI，挑战英国对外国模型的依赖

Alan Turing Institute 推动主权 AI 的行动，已将对外国模型的依赖从经济问题转变为国家韧性问题。其新任首席执行官 George Williamson 表示，英国需要不会被海外政府或企业限制或关闭的 AI 系统。

他的警告源于一场据称展示了这一风险的事件。据外国 AI 访问报道，今年 6 月，华盛顿曾暂时限制 Anthropic 最新模型在美国境外的发布。美国官员据称还要求领先实验室暂缓向英国 AI Security Institute 提供模型进行评估。

这一事件暴露了英国 AI 战略中的核心矛盾。英国受益于与美国企业、基础设施和研究领域的紧密联系。但关键服务不能将持续访问视为无条件的保障。

问题不在于英国是否应与 OpenAI、Anthropic、Google、Meta 或其他国际开发商切断联系。更棘手的问题是，依赖在何处会变得过于危险。国防、医疗、政府和关键基础设施面临的要求，是消费级软件很少需要应对的。

Williamson 的答案不是技术孤立，而是构建多元组合。英国可以使用领先的商业模型，调整开放权重系统，并为敏感工作负载打造国内模型。这一战略取决于判断在哪些领域，控制权的重要性足以证明其成本合理。

这也给 Alan Turing Institute 本身带来压力。该研究所于 2024 年获得了一项为期五年的公共资助计划，但其主要资助方随后要求其明确优先事项并提升价值。主权 AI 如今既是国家使命，也是检验该研究所能否交付实际成果的试金石。

Alan Turing Institute 转向主权 AI 将带来哪些改变

该研究所正从广泛的 AI 研究，转向以国家韧性、安全和可靠访问为核心的更聚焦使命。

Williamson 将对外国的依赖视为一种运营脆弱性，而不仅仅是失去商业机会。一项 AI 服务即使在正常情况下表现良好，也可能并不适合关键工作。其所有者可以更改访问条款、限制某个国家、淘汰模型，或改变系统处理数据的方式。

当 AI 系统支持军事规划、医疗决策、公共行政、能源网络或紧急预测时，这些风险会变得更加严重。普通的供应商中断会造成不便；而在外交争端或安全危机期间失去关键的外国能力，则会带来更广泛的后果。

Williamson 认为，英国不应完全依赖无法检查或控制的系统。他还警告，不应建立在可能消失的技术之上发展经济。这一表述让主权 AI 超越了爱国式采购或打造英国聊天机器人的竞赛。

AI 主权意味着在模型、计算基础设施、数据、硬件和保障方面维持实质性的选择空间。保障涵盖用于测试系统是否安全可靠运行的方法。当所有可用选项都共享同一种外部依赖时，一个国家就缺乏实际主权。

因此，该研究所的立场并不要求国内拥有每一个组件。这一目标对于一个深度融入全球半导体、云计算和科研市场的国家而言并不现实。相反，它呼吁在单点故障可能中断基本服务的任何领域提供替代方案。

这一方法也将战略 AI 与大众市场 AI 区分开来。当提供商更改条款时，一般写作助手可以被替换。但被整合进情报工作流程或国家医疗系统的模型，并不能如此轻易地更换。

Alan Turing Institute 已将天气预报、农业、基础设施保护和虚假信息分析列为可能的公共利益应用。这些领域足够聚焦，能够从专用系统中获益；同时又足够重要，需要对数据、评估和连续性制定明确规则。

这一区分很重要，因为否则主权可能会沦为声望工程的借口。训练一个昂贵的通用模型，并不会自动保障英国的 AI 技术栈。英国仍将依赖芯片、数据中心、软件库、电力、技术人才和外部供应链。

有效的战略必须从具体依赖关系入手，然后决定哪些风险值得通过国内能力、多元化供应商、长期协议或技术后备方案加以应对。该研究所的转向为英国作出这些决定提供了框架，但并未完成全部工作。

为什么对外国 AI 的依赖成为即时风险

6 月的访问限制将理论担忧转化为证据：前沿模型可能成为国家政策的工具。

前沿模型是利用异常庞大的计算和数据资源训练而成、能力极强的通用系统。大多数领先模型来自少数美国公司。中国实验室构成模型开发的另一大中心，但政治和安全担忧限制了它们在英国敏感系统中的作用。

英国处于一个艰难的中间位置。它拥有备受尊敬的大学、AI 研究人员、公共数据集、安全机构和芯片设计专长，但其计算规模和资本集中度无法与美国和中国相比。

多年来，这种失衡仍可控，因为英国组织可以通过商业服务或研究安排访问外国模型。据报道的 Anthropic 限制表明，合同层面的访问与主权层面的访问并不相同。

外国开发商可能面临凌驾于客户关系之上的政府管制。一个本月可用的模型，下个月可能被延迟、限制或撤回。即使是可靠的商业伙伴，也无法保证免受出口规则或国家安全决策的影响。

Alan Turing Institute 在其 6 月发布的主权 AI 框架中描述了这一问题。该框架将主权定义为：确保国家在最高风险用途上能够访问可信 AI。框架结合了前沿服务、开放权重替代方案和国内能力。

开放权重模型会发布训练中学习到的参数，使组织能够运行或修改该系统。这比封闭的云服务提供更多运营控制权。但它仍无法保证组织能够了解原始训练数据、设计选择或隐藏行为。

完全开放式开发可以提高透明度，但也会引入另一种依赖。项目可能放缓、失去资助、改变方向，或仍受海外组织控制。下载模型权重并不等于建立国内研究管线。

封闭的商业模型则呈现相反的权衡。它们通常提供领先性能和广泛支持，但客户对其内部开发的了解有限。敏感数据处理、模型更新和服务连续性仍部分由提供商掌控。

因此，英国需要的不止一种后备方案。封闭模型、开放权重模型和国内专用系统分别提供不同形式的韧性，也带来不同的成本、局限和安全问题。

这正是为何外国 AI 争论如今已超出采购部门的范围。模型访问会影响需要系统进行评估的研究人员，影响围绕外部接口构建产品的开发者，也影响必须在政治或商业冲击期间维持服务的机构。

对于企业采购方而言，教训同样直接。供应商协议可以管理常规服务风险，却无法消除地缘政治风险。组织应了解哪些工作流程依赖于单一模型系列，以及这些工作流程能以多快速度迁移到其他方案。

英国真正的对手是依赖，而非美国 AI

主要竞争并非英国对抗美国科技公司，而是多元化能力对抗单点故障。

Williamson 的论点可能被误解为呼吁用英国复制品取代美国模型。但该研究所已发布的工作指向一种更具选择性的战略。英国应继续在前沿系统最具价值的领域使用它们，同时保护需要更强控制力的工作负载。

这一区分很重要，因为美国仍是研究伙伴、安全盟友和先进 AI 服务的来源。将美国提供商视为对手，会损害英国获得人才、模型和投资的机会。盲目依赖则会造成另一种战略弱点。

中国的崛起又增加了一层复杂性。中国开发商已经表明，有能力的系统可以在美国实验室生态系统之外出现。然而，将对一个外国司法辖区的依赖替换为对另一个的依赖，并不能解决英国在连续性、信任或治理方面的问题。

更可信的对手是集中化。单一云平台可能成为瓶颈。一个模型接口可能嵌入数百个内部工具。单一硬件供应商可能决定组织能否大规模训练或运行系统。

这种集中化通常悄然形成。团队会为早期项目选择当时最强的可用服务，随后更多应用采用相同的接口、评估流程和数据管线。日后切换会变得昂贵，因为周边软件已假定某家提供商的行为方式。

知识工作者会看到同一问题的较小版本。重要笔记、会议记录和研究资料可能被困在导出选项有限的服务中。维护一个可搜索的个人知识库，即使 AI 层发生变化，也能提供一种保留底层信息访问权的方式。

国家主权同样需要将有价值的数据与当前处理这些数据的模型分离开来。英国公共机构掌握着独特的信息，包括天气、健康、广播、科学和行政数据集。这些资产可以支持专用模型，而无需被整体交给外国开发商。

Met Office 提供了一个实际案例。其运营专长和历史数据可以支持为英国需求设计的预测系统。该模型不需要回答所有问题，也不需要与通用消费者助手竞争。

专业化改变了这场辩论的经济逻辑。较小模型可以在狭窄任务上表现出色，同时需要更少的计算能力。它们还可以在受控环境中运行，从而降低敏感信息暴露风险。

该研究所的 Project t0 探索了这一方向。它报告称，一个小型开放权重模型在一项专门任务上的推理能力接近前沿水平。这一结果并不能证明小型系统能够普遍取代前沿模型，但它支持开展有针对性的实验。

因此，英国最有力的策略或许不会像推出一款国家级聊天机器人那样引人注目。它将由面向特定公共职能的可靠系统、可移植的应用、受保护的数据以及多家供应商构成。衡量成功的标准应是连续性和经验证的性能，而非排行榜名次。

英国主权 AI 背后的权衡

更强的控制力能够提升韧性，但也会将成本、责任和技术风险转移给英国机构。

当主权 AI 被描述为摆脱外部控制的自由时，它颇具吸引力。但要实现这种自由，必须作出艰难选择。国内系统需要计算资源、熟练的工程师、安全的数据管道、持续评估以及长期维护。

模型不会仅仅因为是在英国开发，就始终值得信赖。它可能存在安全弱点、偏见数据、不可靠的输出或隐蔽的失效模式。国内所有权可以让调查更容易，但并不能保证质量。

同样的谨慎也适用于开放权重系统。本地部署让组织能够控制托管和更新，但组织也必须负责保护系统安全、监测滥用、修补漏洞以及评估新版本。

前沿供应商将这些成本分摊给众多客户。国家级或专业化项目则可能需要直接承担它们。由此产生的系统或许能提供更强控制力，却可能在通用能力上落后于商业模型。

对于某些任务而言，这是可以接受的权衡。医疗工作流可能比起广泛的对话能力，更看重数据控制、一致性和可审计性。国防和情报应用则可能更加重视来源可追溯性和运营连续性。

其他任务则会更适合国际服务。开发普通商业应用的开发者，或许能从快速的模型改进、成熟工具和全球基础设施中获得更多收益。强制让每项工作负载都使用国内平台，只会抬高成本，却未必带来有意义的韧性。

该研究院的方法通过将主权视为一个组合来体现这一点。英国只会在信任、控制或国家需求足以证明投入合理性的领域进行建设；在可靠协议能提供更高价值的领域，则会开展国际合作。

然而，选择这些工作负载在政治上颇为困难。每个部门都可以宣称自己的数据重要；每一家国内供应商都可以声称自己具有战略意义。若没有严格评估，主权采购可能会保护实力不足的产品，或按照政治影响力分配资金。

Alan Turing Institute 在这里也面临自身的可信度考验。英国研究与创新署于 2024 年向其提供了为期五年、总额 1 亿英镑的资金支持。根据研究院资金审查，后续审查认为其战略一致性和资金使用效益并不令人满意。

审查承认其科研实力，但要求更清晰的重点和交付成果。审查还呼吁将国防与安全置于研究院工作的核心位置。Williamson 来自英国政府通信总部，该机构为英国安全部门开发技术。

这一背景契合新使命，但也引出了一个重要问题：该研究院能否在医疗、气候、农业和民主韧性等领域的公共利益角色，与国家安全优先事项之间保持平衡？

狭隘的国防导向可能增强英国 AI 能力的一部分，却削弱另一部分。反过来，过于宽泛的议程又可能重现资助方所批评的缺乏重点问题。该研究院必须说明其项目如何与可衡量的国家依赖关系相连。

主权 AI 还需要独立监督。有关安全的主张可能限制公开披露，使实力不足的项目难以评估。英国应保护真正敏感的细节，同时公布基准、采购原则和非机密的性能证据。

该研究院尚未证明英国能够构建其愿景中描述的所有能力。其公开声明确立了一个方向。真正交付需要证据证明，所选系统能够运行、保持可负担，并减少一项明确界定的依赖。

英国拥有资产，但并不拥有完整的 AI 技术栈

英国的机会在于 AI 技术栈中的特定层面，而不是重建美国或中国的技术基础。

AI 技术栈包括芯片、计算基础设施、模型、数据、应用、安全测试和运营专业能力。控制其中一层，并不能消除其他层面的依赖。在外国所有的云端、利用进口硬件训练的英国模型，仍然部分暴露于外部风险。

Alan Turing Institute 在 9 月发布的主权愿景中，主张在这些层面构建韧性。它将半导体设计、光子学、化合物半导体、专业化系统、安全评估和保障列为英国具备相关优势的领域。

这比试图实现自给自足更具可信度。英国已参与全球硬件和研究网络。它可以利用这些联系，同时在合作伙伴重视的技术和机构中建立影响力。

公共数据是另一项战略资产。NHS、BBC、Met Office、大学和政府部门掌握着具有科学和运营价值的信息。这些数据集可以支持适应英国条件和公共服务需求的系统。

它们的价值同样带来风险。健康记录、公共传播内容和政府数据需要隐私控制、明确的法律授权以及公众信任。主权不能意味着给予国内机构不受限制地使用敏感信息训练模型的许可。

数据访问应遵循目的限制原则，即将信息限定于明确用途。项目还需要保留记录，说明数据如何被选取、清洗、授权和保护。否则，即便模型由国内控制，仍可能造成不可接受的隐私或版权伤害。

英国的安全与评估机构提供了另一项优势。AI Security Institute 已与领先实验室建立联系，并评估先进系统。Alan Turing Institute 可以通过研究、保障方法和专业化部署来补充这项工作。

然而，据报道美国曾要求推迟英国测试，这暴露出没有访问权限的评估所面临的局限。测试机构无法评估自己未获提供的模型。国内替代方案或获得可靠许可的替代方案，能让评估人员不必等待另一国政府便可进行审查。

政府已开始将公共资金投入这一战略。在 6 月的一份议会答复中，政府表示正通过 SovAI Fund 向英国 AI 公司投资 5 亿英镑。政府还在其主权投资答复中提到了一项价值 11 亿英镑的 AI 硬件计划。

这些数字体现的是意图，而非成果。资金可以扩大国内能力，但前提是项目能在补助结束后继续存续，并真正触达用户。采购、签证、研究合作和计算资源获取的重要性，可能不亚于直接投资。

政府采购可以为专业化系统提供早期市场。但当政治期限快于测试进程时，它也可能让机构被锁定在尚不成熟的技术上。因此，合同应包括可移植性、性能门槛、数据访问规则和退出条款。

英国还应避免以带有英国标签的公司数量来衡量主权。所有权可能变化，初创企业可能迁移，国内企业也可能依赖外国基础设施。关键在于，这个国家能否在压力之下保有可用能力。

最有力的检验是运营替代能力。如果一项外国服务消失，关键的英国工作流能否以可接受的水平继续运行？如果答案是否定的，官员应在资助解决方案之前，识别缺失的模型、基础设施、数据或专业能力。

三个信号将显示该战略是否奏效

只有当政策文件转化为经过测试的系统、多元化的访问渠道和可问责的部署时，Alan Turing Institute 的主权 AI 议程才会变得可信。

第一个信号是具体的国家模型战略。该研究院已讨论过可能的主权基础模型，但英国仍需明确其用途。用于国防分析的模型，需要与面向公共行政的模型不同的数据和控制措施。

一项可信的提案应明确用户、工作负载、评估标准、计算需求和后备角色。它还应解释为何现有商业模型或开放权重模型无法满足这一要求。若没有这种比较，主权模型就有沦为象征性项目的风险。

第二个信号是专业化系统的可衡量采用情况。天气预报、农业、医疗和虚假信息分析都提供了有前景的例子。成功不能只靠原型或研究论文。

官员应报告这些系统是否进入真实工作流、是否改善明确界定的结果，以及能否在现实压力下保持可用。他们应使用相同任务，将国内系统与国际替代方案进行比较。当隐私、控制或连续性得到改善时，较弱的通用性能或许可以接受。

第三个信号是基础设施和供应商的多元化。英国应追踪有多少关键服务依赖单一外国模型、单一云服务或单一路径的硬件供应。集中度下降，将增强该研究院关于韧性的论证。

反之则会削弱这一论证。如果公共投资不断增长，而主要系统仍绑定于单一外部供应商，英国就只是在资助活动，却没有减少依赖。仅有新的国内公司，并不会改变这一结果。

未来几个月还应揭示 Alan Turing Institute 能否满足资助方的要求。其项目需要更明确的优先事项、交付里程碑和价值证据。国家安全使命不能成为规避绩效审查的盾牌。

企业不必等待政府。技术负责人可以梳理哪些工作流依赖外部模型、数据如何在这些系统中流动，以及应用能否更换供应商。他们还可以保留评估集，使竞争模型能够针对相同工作进行测试。

开发者应避免围绕某一家供应商的接口或输出风格建立不必要的假设。可移植的架构不会让每个模型都可互换，但当访问权限、性能或政策发生变化时，它可以降低替换服务的工程成本。

知识工作者应提出一个更简单的问题：谁控制着让 AI 助手变得有用的材料？模型的变化速度会快于可信赖的笔记、文档和组织知识。保持这些源材料可访问，便能在应用层保留选择权。

因此，英国的辩论远不止与政府有关。同样的张力影响着每一个将租用模型视为永久基础设施的组织。在领导者意识到这种依赖之前，便利性就会推动集中化。

Alan Turing Institute 正确识别了这一风险，但警告只是起点。英国现在必须决定，哪些能力需要国内控制，哪些可以依赖可信赖的合作伙伴。

关注一个明确界定的主权模型项目、已获验证的公共部门部署，以及关键工作负载能否在不同提供商之间迁移的证据。这些信号将表明，英国主权 AI 正在成为可落地的运营韧性，还是仍停留在政策愿景阶段。