公有 AI 还是自建模型？正确的组合之道

这个问题大多被问错了。“公有 AI 还是自建模型？“听起来像是一个根本性抉择——云还是主权，便利还是控制。而在实践中，它并非非此即彼的问题，而是一个归属问题：哪项任务归于哪个模型，由谁按照什么规则来决定？因此，就 sector7 所理解的意义而言，主权 AI 并非云的纯粹主义。它是一种纪律：把每个模型放到它该在的位置上。

出于数据保护的理由而一概把所有东西都放在本地运行的那种本能反应，与出于便利而把所有东西都交给公有云的相反本能一样昂贵。二者都把一个架构决策误当成了一种世界观。谁若想以主权方式工作，就要逐项任务作出决定——并使之可被核查。

在公有云中规划，在本地执行

一条实用的经验法则依据数据发生了什么来划分。公有云模型在涉及检索、初稿、创意构思和广博的世界知识之处更胜一筹——在这些任务中，没有需要保护的内容会进入提示词（Prompt）。不妨称之为“在互联网上规划”：您让它为您解释某种合同类型、勾勒一个论证结构，或者把若干选项加以对照。输入是不敏感的，而大型专有模型在此的表现是实实在在的。

针对敏感内容的执行则归属另一个位置。一旦某个模型要访问您的合同、人事数据、设计资料或客户档案，情况就变了。这些内容不应离开您的公司——在这里，一个自托管的、开放的模型会在德国境内您自有的或以主权方式运营的基础设施上工作。“在本地执行”意味着：针对需要保护的数据存量的实际工作，发生在您对存储位置、访问和法律都保持控制之处。

为什么如今这在实践中站得住脚

两年前，这种划分还是一种以牺牲质量为代价的折中。而如今，这种情况已很少见了。开放模型与专有模型之间的差距，在许多与生产相关的任务上——编码、知识问答、摘要——已明显缩小。DeepSeek V4、Qwen 3.5、Llama 4 或 Mistral Medium 3.5 等开放模型在常见基准测试中取得的分数，在不久前还是专有顶尖模型的专属：例如 DeepSeek V4 Pro 在 SWE-Bench Verified 上取得 80.6 分，在 GPQA Diamond 上取得 90.1 分，且上下文窗口达到一百万 token。

同时也应冷静地指出差距仍然存在之处：在要求高的多步推理、在漫长的智能体式（agentic）工作链，以及在边缘情形下的可靠性方面，专有顶尖模型仍然领先——领先幅度在缩小，但并未消失。正因如此，这种组合不是权宜之计，而是从事理上正确的答案：在公有顶尖模型真正重要之处使用它，在数据状况有此要求且开放模型质量足够之处使用本地模型。

驻留不等于主权

这里有一个流传甚广的谬误值得明确辨析，因为它会导致昂贵的错误决策。在 AWS 或 Azure 的法兰克福区域运行一个模型，为您带来的是数据驻留（Datenresidenz）——数据在地理上位于德国。但这并不是主权。驻留回答的是“数据在哪里？“这个问题，主权回答的则是”谁的法律可以访问它，谁能强制交出？“这个问题。

这种区别在法律上是具体的。美国 CLOUD Act 要求美国企业在美国当局下令时交出数据——无论服务器位于法兰克福还是弗吉尼亚。一家在德国设有数据中心的美国供应商同时受两套法律制度约束。反过来，自 2025 年 9 月 12 日起在欧盟范围内适用的 Data Act 则要求云供应商采取技术措施，防止第三国对存储在欧盟的数据进行非法访问。这两套规则对同一家供应商提出了相互冲突的义务。谁若需要真正的主权，就绕不开一家仅受欧盟法律约束的运营商——而不只是一个数据中心所在地。对于敏感的执行，这正是应当在由欧洲负责的基础设施上运行本地模型的理由。

网关让模型选择成为一项决策

在“公有规划”与“本地执行”之间，横亘着真正困难的任务：调度。若没有一个共同的控制点，实践中就由偶然来决定某个请求会落到哪个模型上——由手边恰好最方便的 API 密钥的开发者决定，或由带有预设默认值的工具决定。于是敏感内容就流向了错误的模型，不是出于恶意，而是因为缺少规则。

一个受管控的 AI 网关能解决这一问题：它把全部模型流量汇聚到一个入口，并按固定规则加以引导。这些标准是可以明确说出来的：

敏感度： 被归类为机密的内容交给本地模型，不敏感的任务交给性能最强的合适公有模型。
成本与 token 预算： 短小的分类和例行任务在更小、更廉价的模型上运行；复杂推理则有针对性地导向一个强模型。公开可用的路由（Router）方法表明，这样可以节省相当一部分成本，而结果质量不会明显下降。
可追溯性： 每个请求都会被记录，重复的请求会被缓存，预算会被强制执行。规则只需定义一次，即对每个接入的应用生效。

其决定性效果由治理驱动，而非由技术驱动。路由不是一个配置旋钮，而是一个受规则约束的领域：模型选择成为一项有据可查的决策，而非副产品。而且，正因为所有应用都通过同一个入口对话，更换供应商或模型就变成了一次配置更改——而不是对每一个单独集成的改造。这恰恰是抵御锁定（Lock-in）最有效的保护：不是放弃某个特定供应商，而是随时更换它的自由。

其中什么是真正的价值——什么是营销话术

有两点需要理清。主权 AI 有时被当作“放弃性能”来兜售——“本地，但换来更朴素”。这曾经是对的，如今却几乎不再成立：开放模型的中坚水平已足以应对在自有数据上执行的很大一部分工作。反过来，“sovereign cloud”（主权云）这一标签常被贴在那些只提供驻留、而非主权的方案上。这两种简化都会把人引入歧途。

站得住脚的核心并不炫目：按敏感度归类您的任务，为每一类选择合适的模型，并在其前面设置一个控制点，由它来强制执行并记录这种归属。这与其说是一个 AI 问题，不如说是一个关于清晰架构和切实治理的问题——正是人们用来分段网络、控制访问的那同一种纪律。

sector7 如何提供支持

我们把恰恰这种划分构建为一套运行中的实体架构，而非一叠幻灯片。我们的主权 AI 方案从治理开始——依据 EU AI Act 进行用例与风险评估、数据卫生、对接现有的 ISO-27001 和 NIS-2 结构——并通向受保护的运营：受保护的私有语言模型，以及在您文档上的 Managed RAG，运行在我们位于德国的自有服务器集群中的自托管开放模型之上。介于两者之间的调度，我们以带有基于规则路由的网关形式搭建：敏感内容留在本地，不敏感内容交给合适的公有模型——并具备成本、token 和日志透明度。

有意不包含在内的是自训练基础模型；我们采用成熟的开放和公有模型，并将它们安全地投入使用。对于超大规模的算力，我们引入主权合作伙伴。日常运营我们可按需从我们的数据中心承接——我们正在为此构建有约束力的 SLA 模式，并在个案中就范围和承诺与您具体商定。而在这一切的起点，站着的不是某个模型，而是一次对话：我们以开放的态度为您的计划梳理排序，并落实真正带来价值的部分。

本文是专业性的解读，不能替代针对个案的法律咨询。