全球人工智慧競爭進入新的階段，各國政府競相宣布AI投資、建立資料中心、扶植大型語言模型，希望在新一輪科技革命中取得位置。英國積極推動AI戰略，也試圖建立全球AI治理的影響力，真正值得觀察的問題卻不是投入多少資金，而是一個國家究竟掌握多少AI運作所需要的關鍵資源。沒有算力、資料、雲端與模型部署能力作為基礎，數位主權很容易停留在政策宣示。
AI時代的國家競爭已經不只是誰能訓練出更好的模型。從晶片、資料中心、電力、雲端平台、資料庫到基礎模型，每一層都涉及控制權。國家即使擁有優秀研究人才，如果訓練模型需要依賴外國雲端服務，政府資料存放在跨國平台，關鍵AI系統又建立在外國企業控制的模型之上，真正發生國際衝突、出口管制或服務中斷時，自主能力就會受到限制。
英國的困境正好反映這個結構問題。英國擁有世界級大學、AI人才與科研能力，也積極爭取AI治理話語權，但大型雲端基礎設施仍高度依賴美國科技企業。AWS、Microsoft Azure與Google Cloud提供的不只是儲存空間，而是AI訓練、模型部署、資料處理與企業服務所需要的完整技術環境。當越來越多政府與企業系統建立在少數平台之上，雲端服務商實際掌握的就不只是市場，而是數位經濟的基礎設施。
這也讓「主權AI」需要重新定義。主權AI並不代表所有晶片、模型、軟體與雲端服務都必須國產。這種完全自主對多數中型經濟體既不實際，也可能造成龐大成本。真正重要的是關鍵環節不能形成單一依賴，政府必須知道哪些系統涉及國家安全，哪些資料不能失去控制，哪些服務中斷後必須立即切換，以及哪些核心能力需要保留在國內。
台灣更需要從這個角度思考AI政策。台灣具有全球領先的半導體製造能力，這是發展AI的重要戰略資產，但製造先進晶片並不等於掌握整個AI產業。晶片送進資料中心之後，還需要雲端平台、資料治理、模型訓練、軟體工具與應用生態。台灣如果只守住半導體製造，其他關鍵環節長期依賴外部平台，仍可能出現「晶片自主程度高，AI系統自主程度低」的矛盾。
算力尤其是容易被低估的一環。訓練與部署大型模型需要大量GPU、資料中心與穩定電力。政府若希望建立公共AI能力，就不能只補助企業購買設備，而要思考國家級算力如何分配。大學、中小企業、新創公司與政府研究機構是否有合理取得算力的管道，會直接影響台灣能不能形成自己的AI研發生態。算力若高度集中在少數大型企業，AI產業發展仍可能受到資源門檻限制。
資料則是另一項主權資產。繁體中文、台灣法律、醫療、教育、產業與公共行政資料具有高度在地性，也是建立台灣AI能力不可取代的基礎。問題不只是政府要不要開放資料，而是如何建立資料分類、授權、匿名化、安全與跨機關使用制度。沒有完善資料治理，再多資料也很難轉化為可用的AI資源。過度開放可能造成隱私與安全風險，過度封閉又會阻礙創新。
台灣也不需要把自主與國際合作視為兩個極端。真正可行的策略是建立「可替代的依賴」。政府與企業可以使用國際雲端、外國模型與全球技術標準，但涉及國家安全、關鍵基礎設施與重要公共服務的系統，必須保留資料可攜、模型替換、多雲部署與離線備援能力。依賴本身並不可怕，沒有替代方案的依賴才會形成戰略弱點。
這也意味著政府採購制度需要改變。未來採購AI服務不能只比較功能與價格，還要檢查資料放在哪裡、模型由誰控制、服務中斷能否轉移、資料能否完整匯出，以及供應商退出市場後系統能否繼續運作。這些看似技術性的條件，其實都是數位主權最具體的內容。
英國AI戰略帶給台灣最值得參考的經驗，不是拒絕美國科技企業，也不是追求所有技術國產化，而是不能把科技投資誤認為科技主權。真正的AI主權來自關鍵能力可以掌握、外部服務可以替換、重要資料可以控制、危機發生時系統可以繼續運作。台灣已經掌握全球AI供應鏈中極重要的半導體製造能力，下一階段真正需要補上的，是算力、資料、雲端、模型與治理制度形成的完整自主能力。做到這一步，主權AI才不會只是政策口號，而能成為國家安全與產業競爭力的一部分。
文：楊聰榮（時事評論員，公督盟評審委員，ESG碳減量聯盟理事長，任教於台灣師範大學）