Cloudflare 主权 AI 将国家控制与模型选择置于对立
一年后，Cloudflare 再次强调其主权 AI 观点，而各国政府正日益将国家控制与全球模型选择视为相互冲突的目标。该公司 10 月 1 日的更新称，主权应让组织能够选择模型的运行地点、使用哪些模型，以及数据如何流动。
这一立场挑战了如今正在塑造公共采购和国家基础设施规划的、更强硬版本的主权观。在这一模式下，政府通过优先选择本国供应商、本国算力，以及在本国境内开发的模型来保障自主权。
Cloudflare 的回应不同。其主权 AI 立场聚焦于可在本地获取的开放模型、与模型无关的安全控制措施，以及保留客户选择权的基础设施。冲突不再只是本地技术与外国技术之间的较量，而是通过限制实现控制，还是通过可移植性实现控制。
Cloudflare 主权 AI 如今以选择权为核心
Cloudflare 更新后的立场将主权定义为对 AI 工作负载的实际控制，而非彻底的技术孤立。
这一区别很重要，因为“主权 AI”已成为多个不同政策目标的统称。它可以指数据驻留、本地算力、国内知识产权、国家安全或监管管辖权。
这些目标彼此重叠，但并不相同。政府可以在使用国外开发模型的同时，将数据保留在本国境内。它也可以资助国内模型，但该模型仍依赖进口芯片、外国云软件或外部安全服务。
Cloudflare 的论点正是从这一依赖问题出发。没有任何现代 AI 系统是完全属于一个国家的。训练和推理依赖分层供应链，其中涉及处理器、能源、网络、软件、数据和专业人才。
因此，试图将每一层都本地化，可能会形成一种象征性的独立，却没有真正的运营独立。一个国家可能拥有模型，却仍依赖某一家硬件供应商；也可能运营本地服务器，却依赖单一的专有模型接口。
Cloudflare 则将主权描述为一系列可执行的选择。客户应能够选择模型、决定请求在何处处理、控制信息如何存储，并且无需重建所有防护措施即可更换供应商。
这一方法包含三个相互关联的部分。第一是让组织能够在更靠近本地用户的位置运行开放模型；第二是可跨模型运作的安全机制；第三是不会将每项政策决策都锁定到单一供应商的基础设施。
开放模型之所以重要，是因为它们可以被检查、调整并部署在更多环境中。然而，仅有开放许可证并不能实现主权。组织仍需要算力资源、部署专业能力、评估流程以及围绕数据访问的控制措施。
与模型无关的安全机制则解决了另一个薄弱环节。如果监控、过滤和访问规则仅适用于一家模型供应商，这些保护机制就会成为转换成本。迁移至另一模型可能意味着必须重建整个控制层。
Cloudflare 的 AI Gateway controls 展示了这一论点背后的更广泛架构。网关位于应用程序和模型供应商之间，为团队提供统一的位置来观察请求并应用运营策略。
这种分离并不能保证主权。然而，它确实使模型选择不再那么依赖于重写整个应用栈。基础设施成为抽象层，而不再是另一种锁定来源。
因此，Cloudflare 的论点比国家自给自足更为有限。它认为，真正的控制来自选择、治理和替换组件的能力。选择权并非对主权的让步，而是主权的必要条件之一。
各国政府正在建设国家级 AI 能力
压力来自各国政府：它们如今将 AI 基础设施视为战略能力，类似于能源、通信或国防技术。
国家领导人有多重理由追求更强的本地控制。敏感信息可能受到数据驻留规定的约束。公共机构可能需要确保外国法律命令无法暴露受保护数据。
政府也担忧经济依赖。如果公共服务依赖少数海外模型供应商，这些供应商就会影响成本、可用性和未来技术选择。
语言和文化代表性带来了另一项担忧。针对主导语言优化的模型，在区域语言、法律体系和本地机构知识上的表现可能并不均衡。国内投资有助于缩小这些差距。
欧洲的 AI 基础设施计划展示了产业政策如何进入主权讨论。欧盟委员会的 AI Factories initiative 将超级计算资源与数据、人才以及对欧洲 AI 开发的支持连接起来。
这些计划回应了一种真实存在的不平衡。前沿模型开发需要专业芯片、大规模资本投入、充足能源以及拥有稀缺专业知识的团队。能够独立集齐这些投入的组织寥寥无几。
国家能力可以扩大算力资源的可及性，并保护关键工作负载。它也能支持商业供应商可能永远不会优先考虑的模型，包括面向小语种或专业公共服务的系统。
然而，公共投资带来了一项艰难的政策选择。政府可以建设扩大市场的共享能力，也可以利用采购和监管来保护特定的本国供应商。
第二条路径即使披着自主权的外衣，也可能缩小选择范围。强制采用国内技术栈，可能只是将对外国供应商的依赖，替换为对政治上受青睐的本地供应商的依赖。
这种风险对于较小国家尤其重要。它们往往没有足够的需求、资本或专业劳动力来复制完整的 AI 供应链。严格的国家隔离可能让它们面对更少的模型和更慢的技术进步。
更实际的问题是，哪些层面真正需要本地控制。敏感记录可能需要在国内存储；关键推理工作负载可能需要区域故障切换；安全策略可能需要保留在本地主管机构的控制之下。
其他层面则可以保持竞争开放。应用程序可以支持多个模型；安全控制措施可以跨供应商运作；开放模型可以在本地设施运行，而不会迫使所有组织采用同一种实现方式。
这种分层方法将主权视为一项风险管理决策。它关注依赖关系在哪些位置会带来不可接受的风险，并在这些点上建立控制。它并不假定所有国际依赖都同样危险。
这一差异对政策制定者和云服务提供商都提出了压力。政府必须定义可衡量的要求，而不是把“主权”作为宽泛的政治标签。供应商则必须证明客户选择权在实践中真实存在。
争夺在于限制与可移植性
核心竞争在于：主权是通过限制选项建立，还是通过让选项可移植建立。
限制提供了一种直观的承诺：将数据留在本地，选择国内模型，使用获批准的供应商，从而减少受外国控制的风险。由此形成的采购规则易于解释和执行。
但这些规则可能将来源与控制混为一谈。国内供应商仍可能施加专有接口、不透明的运营做法或高昂的迁移壁垒。地理位置接近并不自动带来技术可移植性。
可移植性采取了不同路径。它赋予组织迁移工作负载、更换模型、保留政策，并维持对自身数据访问权的能力。控制来自可信的退出选项。
这正是 Cloudflare 主权 AI 与该公司基础设施利益交汇的地方。Cloudflare 运营分布式网络，并提供可置于应用程序和模型供应商之间的服务。中立控制层与其既有角色相契合。
这种商业一致性并不会使该论点失效。但这意味着读者应将普遍原则与该公司对其具体实现的主张区分开来。
在应用层面，可移植性始于避免假定只有一个模型能够满足需求。团队可以针对同一工作负载评估多个模型，包括封闭服务和本地部署的开放模型。
在数据层面，可移植性要求对存储、保留和流动制定清晰规则。Cloudflare 为其更广泛平台的部分功能记录了数据本地化控制措施，展示了主权部署所需的区域政策层类型。
在安全层面，可移植性意味着无论底层模型为何，都应应用共同保护措施。身份验证、速率限制、日志记录、提示词检查和输出策略应能经受供应商变更。
这种方法类似于早期将应用程序与单个基础设施供应商分离的云战略。容器、开放接口和多云管理并没有消除依赖，但它们使某些依赖更容易被识别和替换。
AI 带来了新的复杂性。模型不像可互换的数据库。两个系统可能接受相似的提示词，却在准确性、延迟、安全行为、上下文处理和语言覆盖方面存在差异。
与模型无关的网关无法抹平这些差异。它可以标准化路由和观察，但组织仍必须评估替代模型是否能针对每项任务安全地运作。
因此，可移植性必须包括评估，而不仅仅是兼容接口。政府服务需要针对准确性、偏见、安全性和故障行为形成有记录的测试。否则，切换自由仍只是理论上的。
开放模型扩大了部署选择范围。它们可以支持本地推理、定制评估和更深入的检查。但它们也可能带来通常由托管服务承担的运营负担。
Cloudflare 论点最有力的版本结合了两种要素。开放模型提供替代方案，而中立控制措施降低使用这些替代方案的成本。任何单一要素都不足以独立成立。
开放模型并不能消除依赖
开源 AI 扩大了国家层面的选择，但并不能消除这些选择之下对硬件、技能、能源和治理的依赖。
“开源模型”一词同样需要谨慎对待。模型开发者会发布权重、代码、训练细节和许可证的不同组合。可下载的模型并不一定在所有意义上都是开放的。
即使是可获取的模型权重，也可能需要昂贵的基础设施。更大的系统需要性能强大的加速器和经验丰富的运营人员。可靠地提供服务涉及容量规划、监控、补丁管理和事件响应。
较小的模型使本地部署更具现实性。它们可以处理分类、提取、翻译或文档搜索等范围较窄的任务，而无需将每个请求都发送到前沿服务。
这将创造实用的主权 AI 应用场景。公共机构可以在获批准的区域内处理敏感表单。医院可以将受保护文本保留在受控环境中。企业则可以将常规请求路由至本地模型。
风险更高或更复杂的请求，可能仍会在更严格的条件下发送给其他提供商。这种模型路由方式将主权视为按工作负载实施的政策，而非单一的基础设施选择。
这种灵活性也伴随着治理成本。每个模型都需要针对其服务的语言、领域和用户群体进行评估。更新可能改变模型行为，因此需要重新测试并获得有记录的批准。
开放部署同样意味着责任转移。供应商托管的服务通常承担了大部分基础设施维护工作。由本地运营的模型，则使部署机构负责配置、修补和访问控制。
无论开放模型还是闭源模型，安全都是共同挑战。提示词注入可通过嵌入内容中的恶意指令操纵 AI 系统。过度权限则可能让这种操纵演变为数据泄露或非预期操作。
美国国家标准与技术研究院的 AI 风险框架强调对 AI 风险进行治理、映射、测量和管理。无论模型源自何处，这些职能都同样适用。
这使国家层面的采购更加复杂。购买一款国产模型并不能满足全部治理要求。机构仍需要了解谁可以访问系统、哪些数据会进入系统，以及如何监控其行为。
同样的谨慎也适用于模型无关工具。统一网关可以集中可见性，但这种集中化也会形成另一个重要控制点。其运营方、配置方式和故障模式都值得审查。
集中式日志记录带来了明确的权衡。它有助于安全团队调查事件并比较不同提供商；但如果保留和访问规则设计不周，它也可能形成敏感提示词的集中记录。
Cloudflare 表示，其架构可以支持更多选择。独立验证必须审视这一说法的边界。采购方需要了解支持的地点、数据流、分包处理方、日志、故障转移和删除行为等细节。
主权不能建立在品牌之上。它必须通过合同、技术配置、审计证据和经过测试的退出程序来体现。缺少这些要素，“选择”仍只是产品承诺。
模型无关的安全层成为控制平面
当组织使用多个模型时，共享安全层将成为主权 AI 的实际控制平面。
控制平面是用于实施策略并协调底层服务运行方式的系统。在 AI 中，它可以管理由哪个模型接收请求、允许哪些数据，以及如何记录活动。
这一层之所以重要，是因为模型选择几乎不可能长期固定。提供商会更新系统，开放模型会不断进步，法规会发生变化，而新工作负载也会带来不同要求。
政府可能批准一个模型用于公开信息，另一个用于机密分析。企业可能使用本地模型处理员工文档，同时将托管模型保留给通用写作任务。
当每个应用程序都包含自己的路由和安全逻辑时，这些决策就会变得困难。策略会逐渐偏离，日志会变得分散，更换提供商则需要修改多个系统。
共享层可以实施一致的规则。它可以验证用户身份、分类请求、选择获批准的模型、限制数据暴露，并记录相关事件以供审查。
然而，中立性必须得到证明。如果重要控制功能只能与受偏爱的提供商配合使用，那么网关并不真正模型无关。如果策略和日志难以导出，它也谈不上可移植。
采购方应测试几个问题：同一项策略能否同时适用于托管模型和本地模型？组织能否将其配置迁移到其他地方？模型特有的限制是否有清晰记录？
他们还应审查故障时的行为。如果首选区域模型不可用，系统会停止运行、切换至另一个本地部署，还是将数据发送到该司法辖区之外？
这一决策不能隐藏在默认设置中。静默的跨境回退可能提高可用性，却违反数据驻留义务。强制停止则可能维护合规性，却中断关键服务。
因此，主权架构需要明确的优先级规则。团队必须为每种工作负载决定可用性、地点、性能还是模型质量何者优先。
采购合同应反映这些优先级。技术控制需要确保其得到执行。监控必须能够揭示系统何时走上例外路径。
同样的原则也适用于安全更新。模型独立层可以将新的防护措施分发至多个应用程序。但组织仍须验证这些防护是否能针对每个模型的行为发挥作用。
没有任何网关能让 AI 完全可预测。它可以提供一致的观察与干预点。随着组织增加模型和提供商，这一点尤为有价值，因为治理将变得更加困难。
Cloudflare 的方案在这一运营层面最具优势。当组织能够跨越多种技术选项实施策略，而不是信任某一个获批准的技术栈时，国家自主性就更具可信度。
尚未解决的问题是：谁来治理这个控制平面？如果一家全球基础设施公司成为普遍的中介，各国可能会将这种安排视为另一种依赖集中。
因此，Cloudflare 必须证明其工具能够保留可导出性和客户自主权。各国政府则必须决定，中立的全球基础设施能否满足国家控制要求。
三个信号将检验 Cloudflare 的“选择”论点
下一项考验在于，Cloudflare 对主权的定义是否能带来可衡量的可移植性、更广泛的本地部署，以及维护竞争的采购规则。
第一个信号是，区域基础设施中是否能提供能力更强的开放模型。仅靠公告无法解决问题。采购方需要可用的性能、支持的语言、可预测的延迟以及有文档记录的运行要求。
如果组织能够在接近用户的地方运行有竞争力的模型，而无需重建应用程序，Cloudflare 的论点就会更有说服力。如果本地选项仍然成本过高或能力有限，政府将继续偏向垂直整合型提供商。
第二个信号是，安全策略能否在不同模型之间顺畅迁移的证据。企业和公共机构应能在多个提供商之间测试相同的访问、路由、日志记录和保留要求。
成功的迁移将证明，模型无关的控制措施能够创造真实的退出选择。如果每次变更仍需要大量定制工程，承诺中的自由将主要停留在架构层面。
第三个信号是，政府如何制定 AI 采购规则。基于数据驻留、可审计性、可移植性和可衡量风险控制的要求，将为竞争留下空间。
主要基于供应商国籍的规则则会支持限制性模式。它们可能加强特定的国内企业，但未必会赋予公共机构更多技术控制权。
随着国家计算项目从资金公告走向已部署的服务，这一政策区别将日益清晰。政府必须界定哪些依赖可以接受，哪些必须禁止。
Cloudflare 也面临自身的可信度考验。它需要就地点、数据处理、故障转移、支持的模型和策略可移植性提供清晰文档。独立审计和客户迁移证据将比笼统保证更有分量。
没有任何国家能够在整个 AI 供应链上实现完全独立。但这并不意味着主权失去意义，反而说明确定优先级至关重要。
政府可以保护关键数据、建设国内能力，而不必强制将每一种工作负载都纳入单一的国家技术栈。它们可以要求本地控制，同时保留在模型和提供商之间切换的路径。
对于开发者和企业采购方而言，眼下的行动应当务实：绘制提示词的流转路径，识别哪些策略绑定于单一提供商，并测试重要工作负载能否迁移。
Cloudflare 的主权 AI 最终取决于这项退出测试。如果客户能够在不失去安全性或控制权的情况下更换模型，选择就会成为基础设施；如果不能，主权仍只是依赖关系上的另一层标签。
