英国 AI 数字主权将安全担忧推上董事会议程

英国 AI 数字主权已进入董事会讨论范围：91%的受访英国技术领导者表示，它在今年成为更高优先事项。眼前的矛盾很清楚：企业希望实现更多自动化，但提供自动化的系统往往依赖于其无法直接控制的基础设施、模型和供应商。

当 AI 智能体犯下影响重大的错误时，这种依赖就更难被忽视。通信服务商 8x8 调查的英国 CIO 中，有半数表示，当智能体失误时，他们需承担个人责任。仅有 5% 将责任归于法务或合规团队。

问题已不再只是企业能否将数据留在英国境内。高管必须追问：谁控制模型、推理在哪进行、哪些法律可管辖供应商，以及企业能够多快切换平台。成熟的超大规模云服务商模式提供了规模与便利；数字主权则要求可信的控制能力和退出路径。

AI 问责正在重塑技术采购

新的压力来自：高管须为自己无法完全控制的 AI 系统承担责任。

这些发现来自 8x8 的 Communications Reckoning 研究，该研究于 2026 年 7 月委托 Censuswide 开展。研究覆盖了英国、美国、法国、澳大利亚和爱尔兰的 2,501 名 CIO 和 CTO。

其英国调查结果将企业通常分开讨论的两项发展联系起来：企业正将 AI 智能体部署到通信工作流中，而这些系统的责任仍主要集中在技术领导者身上。

AI 智能体是能够为实现目标选择并执行行动的软件，而非仅仅生成回应。在联络中心中，这可能包括验证客户身份、检索账户信息或完成服务请求。

这些行动带来的风险不同于员工让聊天机器人改写一封电子邮件。智能体可以在人工逐步审核前接触客户记录、触发工作流并对外沟通。

这项 AI 问责研究 表示，责任往往默认落在 CIO 身上。治理结构的发展速度未能跟上部署步伐。

在拥有 50 至 99 名员工的英国组织中，45% 的 CIO 表示需为 AI 智能体错误承担个人责任。在员工至少 500 人的组织中，这一比例达到 62%。

政府和公共行政领域的受访者报告称，责任最为集中。在这一群体中，86% 将问责责任归于 CIO。

这些结果需要谨慎解读。该研究由一家通信技术供应商委托开展，受访者为技术高管，而不是代表所有英国企业的样本。

不过，这一趋势与官方统计数据所发现的更广泛治理缺口相符。英国 2026 年 Business Data Survey 发现，AI 的使用已较为普遍，但尚未全面普及。

在处理数字化数据的企业中，41% 将 AI 用于至少一项用途。大型企业的采用率达到 82%，而人们通常会预期这类企业具备更正式的控制措施。

然而，17% 的 AI 使用企业表示没有 AI 政策。根据这项 business data survey，仅 56% 的大型企业拥有正式的书面政策。

这种不匹配之所以重要，是因为问责无法弥补可见性不足。若不了解智能体所用模型、权限、数据路径、监控安排和故障处理程序，被指定负责的高管便无法治理该智能体。

这种压力正在改变采购对话。在讨论过去主导供应商评估的一些功能之前，买方已开始审查基础设施的位置。

在 8x8 的调查结果中，39% 的英国技术领导者表示，AI 基础设施所在地已成为平台选型的首要因素。有关数据存储和处理地点的问题，如今在评估初期便会提出。

这正是英国 AI 数字主权带来的首个具体影响：它将地理、合同和架构层面的控制权，转化为选型标准，而不是在采购后补充的合规文书。

英国 AI 数字主权为何此刻重要

AI 扩大了依赖买方无法直接管辖的基础设施开展的业务活动范围。

早在生成式 AI 出现之前，云依赖就已存在。企业早已依赖外部供应商提供计算、存储、身份认证、通信、分析和网络安全服务。

AI 改变了风险的性质，因为它将这些层面整合在一起。单个应用可能通过软件供应商、云平台和第三方模型供应商传输业务数据。

由此形成的链条很难审查。每家供应商都可能引入不同的数据所在地、分包商、保留规则、服务条件和法律管辖区。

一个组织可能将主数据库保留在伦敦，同时将提示词发送给运行在其他地区的模型。它也可能使用检索系统，将选定文档复制到另一个托管环境中。

数据驻留描述信息存储或处理的地点。数字主权的范围更广，因为它关乎对数据、基础设施、软件、运营决策和供应商关系的实质性控制。

这种差异解释了为什么英国本地云区域无法解决所有主权问题。本地基础设施有助于降低延迟并满足部分合规要求，但不会自动带来运营独立性。

供应商的所有权、软件依赖、管理访问权限以及受外国法律影响的风险仍可能重要。客户导出数据并在其他地方重建关键工作负载的能力也同样重要。

人工智能还增加了另一项依赖：模型行为。即使数据控制清晰，供应商也可能更改模型、停止提供模型、限制其使用，或调整安全政策。

围绕单一专有模型构建关键工作流的企业，也会承继这些决定带来的影响。合同条款可以降低风险暴露，但无法消除所有技术或地缘政治风险。

议会科学、创新与技术委员会在 2026 年 7 月进一步凸显了这一担忧。该委员会警告称，英国未必总能依靠盟友获得关键技术。

委员会表示，政府缺乏一套将科学实力与经济和外交目标相连接的连贯战略框架。它将 AI 描述为技术竞争的核心领域。

其 主权 AI 警告 还强调了扩大本土科技企业规模的困难。英国拥有强劲的研究实力，但许多企业仍赴海外寻求资本和增长。

企业在实践层面感受到这种紧张关系。它们希望获得大型国际平台提供的功能、分发能力和工程资源。

与此同时，它们还面临安全审查，审查会追问：在发生服务中断、政策争议、网络事件或合同破裂时，关键业务是否能够继续运行。

因此，供应商锁定也是安全讨论的一部分。当切换的技术或财务成本使客户依赖单一供应商时，便会出现锁定。

AI 可通过专有智能体框架、模型专属提示词、嵌入式评估、自定义集成和由供应商控制的日志，加深这一负担。应用在理论上可能仍可移植，但在实践中迁移成本可能变得高昂。

英国高管如今正承受来自两个方向的压力。董事会希望 AI 采用带来可衡量的回报，而监管机构、客户和安全团队则期待更清晰的问责机制。

这种组合让 CIO 陷入困难处境。行动缓慢可能显得缺乏竞争力，但在没有替代供应商的情况下快速推进，也可能造成长期的集中风险。

控制权与便利性如今直接冲突

核心竞争并非英国与所有外国科技公司之间的对立，而是运营控制权与单一供应商便利性之间的较量。

大型云服务商和 AI 供应商提供了多数企业无法在内部复现的优势。它们提供全球容量、集成安全工具、托管更新、专用芯片以及先进模型的使用权。

这些优势解释了为何完全技术独立并非现实的商业目标。替代每一项外部依赖将消耗资本，同时往往降低性能和选择空间。

Capgemini 2026 年的研究反映了这一现实。该研究调查了包括英国在内多个地区的 1,300 名商业及技术高管，并访谈了 13 名高级管理人员。

研究发现，93% 的组织已在董事会层面讨论数字主权。然而，59% 表示完全主权并非现实目标。

三分之二的受访者支持 Capgemini 所称的“韧性相互依赖”。这种方法寻求对关键技术实施选择性控制，同时在其他领域保留战略合作关系。

对英国企业而言，这是更可信的模式。企业无需拥有每一块芯片、每一个模型、每座数据中心或每个软件组件，便可降低危险的依赖关系。

但它们确实需要识别哪些功能不能失效。随后必须决定在哪些环节，所有权、可移植性、冗余能力或合同保障最具价值。

这项 主权研究 发现，86% 的受评估组织显著暴露于外国或外部控制的供应链之中。近期经历过中断的组织中，仅有 42% 制定了应急计划。

这些数字表明，主权应通过韧性而非品牌来检验。即使平台带有“主权”标签，若工作负载无法迁移，仍可能形成依赖。

反过来，当跨国供应商提供透明的数据控制、可移植接口、独立加密和可信的替代选项时，也可能支持一种站得住脚的架构。

这一权衡改变了买方比较 AI 平台的方式。模型质量依然重要，但仅评估基准分数或演示已不再足够。

严肃的评估应覆盖完整的运营路径，包括数据摄取、身份控制、检索、推理、日志记录、人工审核、事件响应和删除。

组织还需要了解哪些部分确实可以互换。使用标准化接口的应用，或许可以在不重建完整工作流的情况下切换模型。

一旦系统进入生产环境，这一承诺往往会减弱。团队会创建供应商专属提示词、连接专有工具，并围绕某一模型的行为调整评估。

届时，迁移不再只是更改一个 API 地址。它还需要新的安全审查、测试、工作流更新、用户培训，以及对照既有结果进行验证。

同样的挑战也适用于企业知识。基于内部文档构建的智能体或许很有用，但如果员工无法追溯哪些信息影响了答案，就会带来风险敞口。

维护一个可搜索的AI 知识库可以改善溯源和检索能力，但这并不能消除审查模型在何处处理这些知识的必要性。

实际目标是实现可控选择。企业应保留足够的架构灵活性，以便更换模型、隔离敏感工作负载，并恢复关键服务。

这种方法并非排斥国际供应商，而是将集中度视为一种风险，其应获得与网络攻击、服务中断和监管变化同等的重视。

主权 AI 并不自动意味着安全 AI

本地基础设施可以加强控制，但主权并不能替代健全的安全与治理。

主权技术在政治层面的吸引力不难理解。本国基础设施似乎能缩短组织、其数据以及监管双方的机构之间的链条。

然而，地理位置本身并不能决定 AI 系统是否安全。部署在英国的模型仍可能泄露敏感信息、接受恶意指令，或超出预定权限采取行动。

安全取决于架构与运营。组织需要访问控制、监测、红队测试、事件处置流程，以及对智能体可执行操作的明确限制。

它们还必须管理影子 AI，即未经组织批准或缺乏组织可见性的工具。员工常会在获批系统显得缓慢或限制过多时转而使用这类服务。

封禁所有公共工具，可能会让这种行为更加脱离视野。更好的应对方式是提供易用的获批选项，并针对敏感数据和具有重大影响的任务制定明确规则。

英国商业数据调查显示，不能等到 AI 获得普遍采用后再开展这项工作。大型组织报告的 AI 使用率已远高于小型企业。

其更大的规模也带来了更多集成点。一份政策文件无法治理嵌入客户服务、软件开发、营销、研究和行政管理的每一个模型。

治理需要一份清单。团队应了解哪些系统使用 AI、它们访问哪些数据、影响哪些决策，以及谁有权将其停止。

这份清单还应包含间接使用的 AI 服务。一个常见的企业应用可能通过软件更新新增模型功能，在无需单独采购的情况下改变组织的风险敞口。

企业还需要具有实质意义的人类监督。这个术语应描述干预流程，而不只是指失败后被追责的人。

审查人员需要拥有足够的背景信息，才能理解智能体的行为。他们需要访问相关输入、输出、工具调用、审批记录和系统变更。

对于风险更高的工作流，应在执行前设置限制。例如，智能体可以起草退款决定，而超过既定阈值的付款则由人工授权。

测试应聚焦于现实中的失效情形。安全团队需要检查提示注入、未经授权的数据检索、身份误认、工具滥用，以及通过外部内容实施的操纵。

无论采用何种托管模式，这些控制措施都不可或缺。英国的数据中心无法弥补薄弱的权限控制、不可靠的输出或粗心的集成。

有关主权的宣称也需要仔细审视。供应商会使用主权云、可信云、数据主权和运营主权等相关术语。

这些标签并不总是描述同一种控制权。买方应将每项宣称转化为具体权利、技术边界和证据。

客户能否独立控制加密密钥？供应商管理员能否访问工作负载？哪些法人实体提供支持？日志和备份存放在哪里？

组织能否以可用格式导出其数据？能否在另一家供应商处运行该工作负载？若发生紧急情况，这种迁移需要多长时间？

这些问题揭示了数据驻留与控制权之间的差异。它们也能防止英国 AI 数字主权沦为没有运营实质的采购口号。

因此，持审慎怀疑态度的观点至关重要。本土所有权可以增强韧性，但并不能证明其安全性或服务连续性更优。

较小的供应商也可能带来自身的集中度风险。它们可能依赖外国芯片、开源组件、外部资本或大型供应商的基础设施。

对大多数企业而言，完全的供应链独立并不现实。可行的目标是了解重要依赖关系，并防止其中任何一项变得致命。

英国正在建设能力，但私营基础设施仍占主导

政府投资可以创造战略选择，尽管大部分商业 AI 能力仍将来自私营供应商。

英国政府已将主权 AI 确立为正式政策目标。其主权 AI 部门隶属于科学、创新与技术部。

该部门与英国商业银行合作，获得最高 5 亿英镑的支持。其使命包括支持本土能力、战略性企业以及计算资源的获取。

政府的 Compute Roadmap 还承诺为主权 AI 部门和 AI Security Institute 提供专用算力。这些算力将支持模型评估、红队演练和前沿风险研究。

其他措施包括向 OpenBind 提供 800 万英镑的种子投资。该项目旨在开发一个开放的蛋白质—配体数据集，用于支持 AI 辅助药物发现。

这些举措瞄准的是战略性缺口，而不是实现全面的国家自给自足。政府自身的定义也并未将孤立作为目标。

其方法强调：在国家优先事项需要时，具备独立行动的能力。这包括调配算力、保护敏感信息，以及支持研究和公共服务。

这一区分对企业买方十分重要。政府支持的算力可以强化国家技术基础，但不会取代商业云服务。

UK Compute Roadmap明确指出，公共基础设施仅将占总容量的一小部分。大多数计算资源仍将来自服务商业需求的私营基础设施。

该路线图预测，到 2030 年，英国将至少需要 6 吉瓦具备 AI 能力的数据中心容量。这将是该计划发布时可用容量的三倍。

它也承认了一项重大技术限制。现有英国数据中心市场的大部分设施面向通用企业计算，而非高密度、专业化的 AI 工作负载。

训练前沿模型需要大规模芯片集群、先进网络、能源供应和专用冷却设施。这类设施的融资、审批、接入和建设都需要数年时间。

推理则带来了不同的机会。推理是运行已训练模型以生成输出或采取行动的过程。

这类工作负载可受益于靠近用户和数据源的部署。这让本土设施在受监管行业、公共服务和对延迟敏感的应用中拥有更明确的角色。

不过，物理位置无法消除对进口芯片或外国软件的依赖。英国的战略仍与国际合作伙伴关系和供应链紧密相连。

英国下议院图书馆在其 2026 年简报中指出了同样的矛盾：政府针对部分技术制定了主权能力计划，但尚未出台总体性的数字主权政策。

该简报指出，政府每年采购数字服务的金额估计达到 140 亿英镑。它还援引了反复出现的批评：采购偏向大型供应商。

这项支出赋予公共部门相当大的市场影响力。采购标准可以奖励可移植性、互操作性、本土能力和更强的连续性计划。

然而，明确偏向英国供应商也会带来另一项权衡。它可能帮助本土企业扩大规模，但也可能减少竞争，或排除更优质的产品。

一项务实的政策应检验控制能力，而非只看护照。供应商应证明其具备可移植性、透明的分包安排、可恢复的数据和可信的服务连续性。

私营企业也可以采用同样原则。当本土能力创造了真正的替代选项，而非只是在现有技术栈上加贴国家标签时，它才具有价值。

下一轮考验将来自合同、可移植性与事件

当企业必须迁移工作负载、披露依赖关系或从真实中断中恢复时，主权争论将变得可衡量。

第一个值得关注的信号是采购措辞。董事会可以讨论主权，却不改变决定实际控制权的合同。

真正的变化将体现在对模型可移植性、本地处理、独立密钥管理、供应商披露和经过测试的退出计划的要求上。

买方还应要求供应商区分规划中的功能与现有能力。未来的迁移工具无法在今天发生事件时提供多少保护。

合同措辞之所以重要，是因为技术访问可能发生变化。供应商会更新产品、淘汰模型、重组服务，并修改可接受使用规则。

可信的退出条款应涵盖数据导出、过渡支持、删除、格式、时间表，以及迁移期间的持续访问。缺少这些细节，可移植性仍只是愿景。

第二个信号是组织是否测试多供应商运营。在幻灯片上维护两家供应商，与在两家供应商之间运行关键工作负载并不是一回事。

一项有用的演练是将一个生产工作流在不同模型或平台之间迁移。测试应衡量输出变化、工程投入、安全审查时间以及对用户造成的干扰。

结果将暴露提示词、智能体工具、数据连接器、身份系统和监测中的隐藏依赖。它们还会表明标准是否带来了实际的互操作性。

成功迁移将强化这样一种观点：有韧性的相互依赖能够发挥作用。反复失败则表明，AI 平台造成的锁定程度可能比买方认识到的更深。

第三个信号是组织如何应对严重的 AI 事件。公开报告将揭示，问责机制是由可识别的运营架构承担，还是仅仅落在 CIO 身上。

成熟的应对措施应识别失效的控制措施、遏制系统、保全证据、通知受影响方，并改变相关流程。

它还应区分模型错误与组织错误。不可靠的输出固然重要，但过度权限、薄弱审查和缺失的监测同样重要。

事件将检验供应商透明度。客户需要及时获知模型变更、服务故障、受损的集成以及数据暴露情况。

它们也将检验监管机构。主管部门必须决定，现有的数据保护、网络安全、消费者和行业规则如何适用于日益自主的系统。

英国选择了相对分散的 AI 监管方式。现有监管机构在各自既定领域内处理风险，而不是依赖一部全面的 AI 法规。

这种方法能够适应行业差异，但也带来协调挑战。一次智能体故障可能同时涉及隐私、金融行为、消费者保护和网络安全。

企业不应等到每一项边界都变得清晰才采取行动。内部控制必须连接技术、安全、法务、合规、采购与运营管理层。

责任应与决策权相匹配。如果某个业务部门选择了一名智能体，技术部门不应成为由此产生的所有风险的唯一责任方。

董事会必须界定风险容忍度，并批准在关键工作流程中使用 AI。采购部门必须在合同签署前审查相关依赖关系。

安全团队必须测试系统，并在部署后持续监控。法务与合规专家必须将规则转化为可执行的运营要求。

产品负责人必须了解智能体应在何时停止。面向一线的员工需要一种易于使用的方法，用于报告意外行为，而无需穿梭于多个彼此割裂的渠道。

这种共同治理结构比在部署后指定一名高管承担责任更经得起审查。它也能避免恐惧阻碍有价值的应用落地。

英国 AI 数字主权不会由单一政策、云区域或本土模型决定。它将通过数百项采购和架构决策逐步形成。

英国企业应从一个严峻的问题开始：如果某项由 AI 支持的业务运营所依赖的提供商、模型或数据路径无法使用，哪项业务将受到最严重的损害？

梳理该工作流程，测试其依赖关系，并在扩大应用前明确授权。随后验证组织是否能够在压力之下观察、停止并迁移该系统。

这一过程带来的不只是“主权”标签。它还能形成证据，证明企业对该技术拥有足够严密的控制，从而能够负责任地使用它。