更小的模型才是 AI 主权的未来

澳大利亚不需要一个侧面贴着澳大利亚国旗🇦🇺🦘的国家级聊天机器人。我们也不会因为签下一份长期合同、获得美国前沿模型的访问权并称之为国家能力，就变得拥有主权。

如果别人可以改变价格、修改规则、撤回服务或规定其用途，那么这种能力就是租来的。租来的能力不是主权。

这并不意味着澳大利亚应该尝试技术自给自足。我们不能，也不应该。真正的任务更难：保留足够的能力、可见性和选择权，使我们的机构在商业、法律或地缘政治条件变化时不会陷入困境。这才是AI主权应有的含义。

它不是单一模型。它不是采购口号。它不是被包装成战略的数据中心公告。它是选择、适应、治理、替换，并在必要时抽身而退的实际能力。

租来的能力不是主权

这场辩论中的第一个错误，是把访问权与控制权混为一谈。

美国领先的前沿模型往往非常出色。它们对研究、分析、编程、写作、翻译、客户支持以及越来越多复杂任务都很有用。澳大利亚的组织应该在合理的地方使用它们。

但这些是服务，而且由别处控制。

当一个组织依赖专有的前沿模型时，它通常无法控制权重、训练选择、策略设置、处理环境、更新周期或商业条款。它可能不知道数据究竟在哪里处理。它可能无法按照高问责公共决策所需的标准审计该系统。而如果提供商改变规则，客户的回旋余地可能非常小。

这一切并不说明前沿模型不好。它说明它们是附带条件的基础设施。而基础设施是政治性的。

我们已经在云平台、软件生态系统和社交媒体上领教过这一点。我们正在AI上再次领教，只不过这一次，这些系统可能会更深地嵌入我们的行政、医疗、教育、研究和关键基础设施之中。

用途越重要，治理问题就越关键。谁有权改变规则？谁来决定什么被允许？谁能撤回服务？谁能检查系统？谁能把它关掉？

如果答案是另一司法管辖区、另一法律体系下、追求自身商业利益的一家公司，那就不是无关紧要的采购细节。这就是问题所在。

垄断假设正在瓦解

在生成式AI热潮的大部分时间里，人们默认的假设是美国将决定性地保持领先，而最好的系统将一直锁在专有API之后。这一假设正开始松动。

2026年斯坦福AI指数发现，美国和中国领先模型之间的差距已缩小到低个位数。截至2026年3月，Claude Opus 4.6以39个Arena分，即2.7%，领先Dola-Seed-2.0 Preview。

美国在资本、算力、前沿实验室和基础设施方面仍拥有巨大优势。这很重要，而且不会消失。但微小且波动的性能差距，与压倒性且持久的美国主导地位，是两种不同的战略环境。

澳大利亚不应以从依赖美国系统转为依赖中国系统来回应这一点。那不是主权。那只是带有地缘政治色彩的供应商多元化。

重要的是，模型格局正变得更加多元。有更多能力更强的系统，来自更多供应商，采用更多样化的许可和部署安排。这包括有时可以在用户控制的环境中检查、基准测试、调整和运行的开源权重模型。

更多模型并不会让澳大利亚拥有主权。它们只是消除了继续依赖的一个借口。

开放权重不是万能魔杖

如今围绕开放权重模型有大量魔法般的思维。人们听说权重可用，就立刻得出结论，认为能力不知何故已默认变得本地化、可获取且自主可控。事实并非如此。

开放权重模型之所以重要，是因为它们拓宽了可能行动的范围。斯坦福2026年的分析发现，最好的开放模型与闭源模型之间的差距已大幅缩小，并指出阿里巴巴是更紧密聚集的前沿领域中的领先供应商之一。

这很重要，因为有能力机构能做的不仅仅是透过别人的界面租用访问权限。它们可以检查、测试、调整，并在某些情况下按照自己的治理设置运行模型。

但别得意忘形。可下载的权重与可用的能力不是一回事。

大型模型仍然需要算力（即数据中心）、技能人才、安全基础设施、评估、监控和资金。它可能仍然依赖外国芯片、外国云容量、外国软件框架和外国研究生态系统。

开放权重不是装在盒子里的主权。它们是杠杆。

而杠杆正是赋予机构谈判、争辩和退出空间的东西。我经常主张，开放机构之所以重要，是因为它们保留了抵抗权力集中的能力，而不是简单地迁就权力集中。

小往往是一种战略选择

主权讨论已被前沿模型的表演所扭曲。

大多数组织不需要一个无所不能的模型。它们需要一个能可靠、安全且以可承受成本完成特定工作的系统。

一个对规划文件进行分类的市政委员会不需要万亿参数模型。一个依据内部政策文件回答员工问题的医疗服务机构大概也不需要。一个搜索自身指南的监管机构当然不应默认将敏感材料发送到不透明的外部系统。

对于许多这类工作，在受控环境中使用较小的模型是更好的选择。不是因为小就自动安全，而是因为较小的系统更容易托管、测试、限制、监控和替换。这使它们更容易治理。

更小、更专门的模型可以：

• 托管在更靠近敏感数据的地方
• 适应澳大利亚法律、机构语言和既定工作流程
• 针对更窄且更易理解的风险集进行更彻底的评估
• 以更低的成本和更低的能耗运行
• 以更低的延迟和更好的韧性运行
• 无需围绕一个供应商重建整个组织即可替换

设计原则应该很简单：使用能够安全、可靠且经济地完成任务的最小模型，然后为每一次规模升级提供理由。

这并不是反对前沿模型。有些工作确实需要它们。但“使用可用的最大模型”并不是一种战略。它是在能力稀缺、集中且被戏剧化营销的时代养成的一种习惯。

澳大利亚无法单打独斗

让我们现在就打消一个幻想。澳大利亚不会实现人工智能自给自足。

我们不会在国内制造每一块先进芯片，从零开始训练每一个主要基础模型，拥有每一层云，或将自己与全球研究和软件生态系统脱钩。我们也不应该尝试。

自给自足将代价高昂得毁灭性、技术上脆弱、战略上愚蠢。它会用一套更小、更脆弱的本地单一文化取代一组依赖关系。但拒绝自给自足并不意味着接受无助。

真正的替代方案是管理式相互依赖。

这意味着理解权力在人工智能堆栈中的位置，并有意识地决定哪些依赖是可容忍的，哪些是危险的。这意味着知道芯片来自哪里，模型托管在哪里，谁控制更新，许可证允许什么，哪些云服务不可或缺，以及哪些技能如此稀缺以至于成为战略瓶颈。

它还意味着在我们需要之前就拥有选择。

一个机构不应该在停电、合同纠纷、出口管制冲击或地缘政治破裂期间才发现，某个外部提供商已经悄然成为一项基本公共职能的操作系统。

那不是韧性。那是附带着账单的一厢情愿。

主权在压力下受到考验

真正的人工智能主权不是关于模型在哪里训练、公司总部在哪里或服务器恰好位于何处的声明。它是对压力下会发生什么的考验。

你能：

• 检查系统吗？
• 独立测试其性能、安全性、隐私和安保吗？
• 移动数据吗？
• 将工作负载转移到另一个模型吗？
• 如果提供商更改条款，还能继续运营吗？
• 判断模型何时发生了变化吗？
• 履行你的法律、监管和公共问责义务吗？
• 关掉它吗？

如果这些问题的答案是否定的，那么你就没有主权。你拥有的是一种尚未被测试的依赖。

这在政府、受监管行业和关键基础设施中最为重要。我们应该非常谨慎地围绕无法独立评估、有意义审计或可信替换的系统构建基本功能。

在某些情况下，专有模型可能仍然是正确的选择。购买服务本身没有错。但决策应该是有意的、与风险相称的，并得到合同、技术和运营保障的支持。

重点不是消除依赖。重点是确保依赖不会变成服从。

不需要单一的国家冠军

选择不是在小型澳大利亚模型和巨大的美国或中国模型之间。严肃的人工智能战略不是这样运作的。澳大利亚需要一种组合方法，我们需要：

• 常规、私密或低延迟工作：小型本地或澳大利亚托管的模型
• 受监管的决策支持：具有明确评估、日志记录和人工监督的领域适应模型
• 复杂研究、多模态分析或代理工作：在基础设施和治理合理的情况下使用大型开放权重模型
• 卓越的通用能力：专有前沿模型，在安全、合同和退出控制下选择性使用
• 具有国家重要性的用途：澳大利亚本土的研究、评估、运营专业知识和覆盖整个技术栈的安全基础设施

这不是要挑选一个国家冠军。而是要避免形成国家依赖。

AI越成为关键系统的一部分，我们就越需要能够与提供它的公司进行谈判、提出异议并随时抽身。最重要的政策任务不是再写一份充满关于可信或负责任AI的愿景式语言战略文件。

而是要建设选择的能力，这意味着投资于：

• 面向敏感工作负载的澳大利亚本土推理和安全计算
• 公共部门采购、测试、监控和治理AI系统的能力
• 针对安全性、可靠性、隐私、偏见和文化适宜性的独立模型评估
• 横跨政府、大学和行业的微调、部署和运营专业知识
• 减少供应商锁定的开放标准和互操作架构
• 原住民数据治理以及对文化敏感数据和AI使用的有意义的社区权威
• 在高后果采购中对可移植性、连续性和经过测试的退出计划的切实要求
• 在需要时安全暂停或关闭AI系统的技术和法律能力

这不是光鲜亮丽的工作。它不会产生一个可以在新闻发布会上揭幕的闪亮国家聊天机器人。它会产出更有用的东西：能够使用AI而不放弃其治理能力的机构。

AI主权的未来不是一个巨大的主权模型。而是能够为任务选择正确的模型，理解它所产生的依赖关系，并在供应商、合同或地缘政治环境发生变化时改变方向。

这就是澳大利亚需要建设的能力。不是独立于世界，而是拥有足够的自主权，继续作为世界的参与者，而不仅仅是一个客户。