主权AI详解：一位AI云公司的首席执行官解读这一趋势背后的原因

• Vultr运营全球数据中心以增强AI计算能力和速度。
• 主权云确保数据本地存储，有助于合规性和国家安全。
• 人工智能基础设施在全球分布不均促使各国增强本地能力。

我们大多数的线上工作发生在云端的事情这些天，尽管我们可能不知道计算实际上是在哪里进行的。计算的位置在于数据中心那个存储我们的电子表格和购物清单的地方对我们大多数人来说并不重要，直到它变得很重要。

在人工智能时代，计算的复杂性日益增加，一些国家正努力确保部分技术实力在国内得到保障。这不仅是良好的商业策略，也是民族自豪感、实用性和国家安全。

Vultr是一家成立于2014年的云服务提供商和数据中心运营商。该公司从2021年开始购买Nvidia的GPU，比大多数竞争对手更早进入AI云计算业务。它在全球运营着数据中心，并提供传统的计算服务器和AI服务器给公共云客户，以及希望拥有自己私有云的公司和国家。首席执行官J.J. Kardwell将公司描述为全球最大的私人持有的云计算平台。

庞大的全球布局，拥有分布在六大洲的超过30个数据中心，有助于提高计算速度，尤其是在AI推理这也使得Vultr的老板能够很好地解释一个经常出现在像人工智能领域知名人士口中的话。NVIDIA首席执行官黄仁之：主权AI

本问答经过编辑，以提高清晰度和简洁性。

BI：什么是主权云?

主权云是作为服务形式在本国境内提供的云计算基础设施。它保证数据存储在当地，确保其仅用于预期目的，并且未经明确授权不得转移到国家边界之外。这就是其核心所在。

更高层次的主权涉及不进行任何沟通，没有任何信息（甚至在控制层面）传递到该国境外。每一个互动，即使是与平台互动，都在国内进行。这有助于确保数据主权、数据驻留、数据治理以及符合当地的隐私法律。

BI：如果大多数公司只是从云服务提供商那里租用计算能力，他们为什么会关心数据中心的位置呢？

在某些情况下，这是实际遵守法律。例如，如果是患者的医疗记录、个人可识别信息或其他敏感数据，他们可能有关于可以存储数据的位置的合规义务。

第二个是如果可以全程记录证据链条，那么风险就是最低的。所以将数据保留在国内并在主权云中存储能够实现最高级别的问责制，并避免在国际网络之间传输数据。

BI：主权云是如何工作的？

如果你想要真正的技术独立性，你可以通过部署物理隔离的环境和专用控制平面来实现，这样客户就可以完全脱离任何其他数据中心或基础设施。

人工智能并不一定需要与多个来源的数据进行交互。许多训练任务使用特定的数据集，这些数据集可以在主权部署中加载到网络上。所有内容都可以相当轻松地在国内执行。

我认为许多国家意识到，人工智能最重要的应用之一涉及到国家安全、关键行业和公民数据等领域，在这些领域中，本国关于消费者数据和隐私的法律可能与其他国家有非常大的差异。因此，确保他们的公民任何使用人工智能的行为都必须在本国境内进行，并且符合本国的法律规定对他们来说非常重要。

BI：人们在使用术语“主权AI”时是什么意思？

他们专注于特定国家的容量建设，并且通常指的是由该国政府资助的容量建设，无论是州级还是国家级。

其中一个挑战，或不平等现象，是全球范围内人工智能基础设施分布极不均匀。

显然，人们很清楚人工智能能够在众多行业中产生变革性影响，但能够执行这项工作、训练模型和支持推理的基础设施在全球范围内分布极不均衡。

许多国家意识到，如果他们在政府层面上不主动参与资助、鼓励和激励当地基础设施的部署，他们的企业和居民将无法获得这些技术。

根据定义，大型语言模型特定于某种语言。早期的大部分创新都是在美国英语中进行的。最近我们才看到这些模型的全球化。例如，你不能用美国的数据集训练用于法律文档的语言模型，然后简单地将其翻译成其他语言。

显然，你会错过当地的法律和语言惯例，因此，仅仅翻译是不够的。实际上，你需要在当地的数据集上对本地模型进行训练。世界上每一个主要的语言经济体都想从人工智能中受益，然而，目前这些资源并不按人口或甚至全球经济规模的比例分配。

BI：AI计算极其高能耗的关于美国电网的问题和担忧普遍存在。你能谈谈这些动态是如何影响数据中心的建设地点的吗？

鉴于人工智能基础设施的电力消耗显著增加及其高效交付的重要性，我们将越来越多地看到在全球具有支持低成本数据中心容量比较优势的市场上建立产能。

我们与之有着战略伙伴关系的是新加坡星网公司而且如果你看看他们在该地区的建设方式，他们正在马来西亚和其他一些市场建立巨大的产能，在这些市场上我们将能够非常高效地服务于整个地区乃至世界其他地方，特别是在电力和运营成本更为高效的地区。

任何一个国家的国内军事部门或国防部都会希望这些部署在国内进行，无论成本如何。

但对于许多企业来说，只要执行达到了世界一流的合规性、隐私和信任承诺标准，你就会看到那些可以在世界上其他地方执行的工作负载能够更高效地分配。