发展主权AI的全球浪潮持续升温,主权AI是指完全基于本国数据中心和大语言模型开发的基础AI模型。TELUS公司上周宣布在魁北克省里穆斯基市推出加拿大首个完全主权的AI工厂。
这一项目由TELUS与英伟达和HPE共同开发,是一个通过TELUS光纤骨干网络连接的功能齐全的AI中心,旨在为加拿大企业提供在不跨越国界的情况下开发、训练和运行AI模型的能力。
TELUS首席执行官达伦·恩特威斯特在发布会上表示:"通过在里穆斯基市推出我国首个完全主权的AI工厂,我们正在最大化加拿大对敏感数据的自主控制权。"
这一信息呼应了全球监管机构和政策制定者对AI主权的观点。每个人都能看到,AI是数据和平台主导权的新战场,而这一次,各国不再被动等待看谁会成为胜利者。
TELUS设施内部情况
主权AI工厂完全在加拿大运营控制下。从芯片到冷却系统,每个组件都在本地管理。该站点使用可再生能源,设计注重效率,采用大幅减少用水量的冷却方法,并在一年中的大部分时间里减少对机械系统的依赖。
利用这个AI工厂,企业可以执行完整的AI生命周期,从使用完全在加拿大基础设施上训练和托管的大语言模型,到在加拿大数据中心进行新模型训练、微调和部署。为了加速采用,TELUS已经与英伟达、埃森哲、League和OpenText等合作伙伴达成合作。该公司还承诺在不列颠哥伦比亚省坎卢普斯建设第二个中心。
多年来,加拿大医疗保健和金融等行业的公司面临着与数据驻留和合规相关的障碍。当工作负载离开本国转向全球云服务提供商时,主权担忧随之而来。TELUS的方法消除了这一障碍。企业和加拿大政府组织可以在获得AI好处的同时保持国家控制,而无需牺牲性能或计算能力。
TELUS押注加拿大公司愿意为信任、合规和本地监督付费,即使市场上的替代选项可能更便宜、开发更快、全球采用更广泛。从公司的角度来看,里穆斯基是第一次测试。如果企业采用这种首个工厂方法,更多站点将会跟进。
全球格局中的定位
"主权AI"正在成为一个日益重要的概念。其核心思想是关键的AI计算、数据和治理必须处于国家自身司法管辖区的控制之下,并在其本地法律、监管和运营防护措施下运行。
最近的新闻报道显示,从瑞典到韩国,从英国到阿联酋,甚至包括切罗基族等地方和部落政府,都看到了对这项日益为大量数字系统提供动力的技术保持控制的关键需要。
势头持续增长。法国正在支持一个本土技术栈,将国家云容量与Mistral AI的基础模型相结合,为银行、医疗系统和公共部门服务,而不依赖美国主导的基础设施。在欧盟,EuroHPC站点如LUMI、Leonardo和MareNostrum 5为该集团提供了在欧洲规则下的共享数据中心能力。
在阿联酋,阿布扎比技术创新研究所不断增强和创新Falcon系列模型,并建设本地推理和训练路径。该地区正在将大量资本投向数据中心、芯片和模型构建商。在沙特阿拉伯,国家基金和研究中心将AI定位为核心经济基础设施,以国内驻留和控制作为卖点。
在印度,IndiaAI任务集中GPU容量和公私合作资金,为初创公司和机构提供国内数据中心能力。
当然,在中国,北京正在推进整个技术栈的国内选项,从ERNIE、DeepSeek和Qwen等模型到昇腾系列加速器。目标是在不依赖外国芯片或云计算的情况下训练和运行国家级AI。
TELUS的举措符合这一加速趋势。它标志着加拿大不仅要消费AI,更要锚定AI,控制AI的"管道"而不是租用它。
Q&A
Q1:TELUS主权AI工厂有什么特别之处?
A:TELUS主权AI工厂是加拿大首个完全主权的AI工厂,位于魁北克省里穆斯基市。它完全在加拿大运营控制下,从芯片到冷却系统的每个组件都在本地管理,使用可再生能源,让加拿大企业能够在不跨越国界的情况下开发、训练和运行AI模型。
Q2:为什么各国都要发展主权AI?
A:AI正成为数据和平台主导权的新战场。主权AI确保关键的AI计算、数据和治理处于国家自身司法管辖区控制下,避免了数据跨境带来的主权担忧,让国家能够在获得AI好处的同时保持对敏感数据和技术的控制权。
Q3:除了加拿大,还有哪些国家在发展主权AI?
A:全球多个国家都在推进主权AI。法国支持结合国家云容量和Mistral AI模型的本土技术栈;阿联酋在增强Falcon系列模型并建设本地AI能力;印度通过IndiaAI任务提供国内数据中心能力;中国推进从模型到芯片的完整国产AI技术栈。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
萨里大学与西蒙菲莎大学联合提出ABACUS模型,首次将物体计数、人群计数、指代计数与精准图像生成统一在单个30亿参数模型中,七项基准全面超越现有专业模型。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
Qwen团队揭示AI代码助手训练中"验证比生成更难"的核心困境,提出覆盖测试筛选、行为监控、用户反馈挖掘和代理评估四类验证方案,并以实验证明验证系统须持续与AI能力共同进化。