如果你是一名日本科技的觀察者，你會發現有一個詞正在日本科技界悄悄地流行。這就是「主權AI（Sovereign AI）」。
顧名思義，「主權AI」意味著一個國家要擁有能由自己主導、自己控制的人工智慧系統，而不是完全依賴外國的AI技術與數據。「主權AI」將AI的技術與應用提升到主權的高度，即國家層面的AI主權。「主權AI」具體地涵蓋四個方面的要素。
數據主權：國家或地區自己掌控數據，而不是讓數據被海外企業集中掌握；
計算主權：擁有自己的本土算力設施（超級電腦、數據中心、AI專用晶片等）；
模型主權：開發或擁有本國主導的大型語言模型（LLM）；
法規與安全：AI 的使用標準、隱私保護、審查方式由本國制定，而非由海外企業間接決定。
「主權AI」被頻繁地提及的原因是AI所帶來的隱患與風險。國家層面的風險涉及以下四個方面。
1. 安全風險與戰略自主：國家關鍵領域（政府、醫療、交通、國防）不能被外國AI技術完全支配。假如日本政府的數據完全依賴外國雲服務，那麼，軍事、警察、基礎設施資訊也可能受製於外國技術路線；
2. 經濟競爭：AI 會成為未來經濟的發動機，倡導與加強主權AI，是試圖在未來的經濟競爭中爭得先機；
3. 文化與語言適配：日本企業、政府發現，外國AI對日本語文本的理解、制度、行政文化不是特別適配。日本社會講究「空氣」、「曖昧表現」 、「敬語」等，通用AI往往不夠本地化。於是出現培養「日本語特化AI」的需求；
4. 避免數據外流：企業和政府擔心機密資訊被上傳到海外公司的模型中，因此需要本地可控的AI模型與服務。
客觀地看，日本在AI技術的開發與應用方面實力不菲，無論是LLM的開發，還是AI技術的應用與落地，都處於世界的前列。那麼，為何日本卻頻繁地提及「主權AI」呢？筆者認為，其一，這與日本的危機意識有關。日本文化裏，危機意識很濃，未雨綢繆，主動應對；其二，目前AI的國際競爭呈現出美中兩強兩極的態勢，日本在雲服務與LLM開發（也即前述「數據主權」與「模型主權」方面，傾斜式地依賴美國的AI巨頭，如OpenAI、Google、Microsoft、Meta等。在這種形勢下，倡導「主權AI」也就在情理之中了。
事實上，「主權AI」這一概念並非由日本創造，而是誕生於歐洲。隨著數據流通、雲服務、跨境數據存儲與處理等問題變得敏感後，「AI主權（AI sovereignty）」就成為「數據主權 (data sovereignty)／數字主權 (digital sovereignty)」 討論的自然延伸。在歐洲，幾年前制定了《通用數據保護條例》（GDPR）等隱私與數據保護法規，出於對外國大型科技公司 (雲服務、AI 服務) 依賴的憂慮，使得 「必須掌握本地數據、基礎架構、安全管理權」 的呼聲變得強烈。基於這種歷史背景，「國家／地區必須擁有自己可控的數字基礎設施」這一理念逐漸孕育出「AI 也應該本地化、本國主導」的想法。由於歐洲在AI全球競爭中的定位與日本相似，產生於歐洲的理念更容易引起日本的共鳴。
「主權AI」這一概念的推廣，離不開一些大型科技公司的營銷。例如AI晶片的龍頭公司NVIDIA（Nvidia)在 2023 年左右，通過公開財報以及演講的方式，把 「主權AI (國家／地區自主AI框架)」 作為一種戰略方向加以推廣，從而讓這一概念隨著產業與全球政治經濟格局的變化，在全球範圍內迅速流行起來。
在日本「主權AI」最早出現在「日本甲骨文（Oracle）」2024年3月29日官網發佈的新聞稿。緊接著在 2024年5月～8月，NVIDIA日本與多家日媒開始頻繁使用並推廣「主權AI」這一說法。2024下半年起，NTT Data與日本甲骨文等企業以及各大技術媒體的新聞稿中頻繁出現「主權AI」，形成公眾輿論與產業議程的擴散。
經過一年多緊鑼密鼓的論證，日本的產學官三方對「主權AI」已從「概念討論」進入實際落地。即，政府在做規範與試點；企業在部署「主權雲與合作方案」並推出日語/行業化模型；學界在做國產LLM與數據集研發。整體處於「多點並行、加速推進，但仍面臨算力、數據與經費協同」的階段。
一、政府（政策引導+試點、指南、採購方向指導）
制定與發佈使用及採購指引：數字廳已對生成式 AI 的行政利用、採購與風險管理制定發佈指導文件，並推動安全可控的使用環境建設（含技術驗證、hackathon 等試點活動）。這說明中央層面在把生成AI的「可控化/主權化」納入行政治理流程。
實務型試點：數字廳在2024–2025年間開展了生成AI業務利用的技術驗證與環境整備，並舉辦系列Hackathon、「法令×數字」等活動，以挖掘政府可行的用例並驗證安全性。
政治層面支持：政府在公開場合支持「國產/日語LLM」的開發與對外插法廣，顯示國家層面對「主權AI / 國產AI」有戰略意向。
二、產業界（主權雲、合作方案與企業級落地）
主權雲服務：富士通與日本甲骨文宣佈面向日本市場、強調數據主權的「主權雲」協作方案，定位是在本地數據中心與透明運營下提供「雲+生成AI服務」。這類商業化解決方案是「主權AI」落地的重要路徑。
大型廠商與平台商參與：NVIDIA、甲骨文、微軟等在日本市場推廣「主權AI」概念，與本地廠商合作（合作內容包括專用硬體、在地部署方案、政府/企業專用實例），推動企業客戶採用「可控算力+本地數據」模式。
企業內部與行業解決方案：日立、NEC、富士通、NTT Data 等日本國內AI大廠在其產品與諮詢路線中，把「日本語適配、數據留置與安全性」作為賣點並開發行業化模型與服務。NTT 等大企業也在公開場合要求更快速的法規與治理，說明企業既推動落地也在強調規則框架。
三、學界與研究機構（國產模型與開放社區在發力）
研究機構與大學：國立資訊學研究所（NII）、東京大學、國立情報通信研究機構（NICT） 等在推進日本語或多模態的模型研發（包含公開數據集、開源模型、行業/醫療特殊用途模具型研發計畫），並參與政策與標準化討論。東京大學發佈了日本語多模態模型，NII 明確呼籲需要「良質大量日本語」用於訓練國產 LLM。
社區與產學協作： LLM-jp 等民間學術社區聚集研究者與工程師，快速推動本土數據集、評測、開源模型工作，成為政府與企業的技術補給窗口。大學與國立新能源產業技術綜合開發機構（NEDO）等機構亦有項目資助與競賽，培養人才與產出模型。
可以看出圍繞「主權AI」，日本正在積極地展開日本特色的「官民一體」化布局。當然，在爭奪AI競爭主導權的路上，前途漫漫，依然面臨如下的挑戰。
算力與供應鏈依賴：高端GPU與數據中心設備仍高度依賴海外供應（這限制著國家完全「自主」）。雖然企業合作（例如富士通+甲骨文，富士通+NVIDIA）是現實路徑，但仍受供應鏈影響；
數據獲取與隱私法制：醫療/行政等高價值數據的可用性受隱私法規與倫理限制，需在「可用+合規」之間取得平衡。學界與政府的試點，正試圖解決此類課題。
人才與生態：需要更多跨界人才（演算法、工程、治理、倫理），以及長期經費支持以維持模型訓練與更新。雖然學界與社區活動顯示人才培養在進行中，但人才不足是長期的課題。
供稿 / 戴維
編輯 JST客觀日本編輯部
