如果你是一名日本科技的观察者，你会发现有一个词正在日本科技界悄悄地流行。这就是“主权AI（Sovereign AI）”。
顾名思义，“主权AI”意味着一个国家要拥有能由自己主导、自己控制的人工智能系统，而不是完全依赖外国的AI技术与数据。“主权AI”将AI的技术与应用提升到主权的高度，即国家层面的AI主权。“主权AI”具体地涵盖四个方面的要素。
数据主权：国家或地区自己掌控数据，而不是让数据被海外企业集中掌握；
计算主权：拥有自己的本土算力设施（超级电脑、数据中心、AI专用芯片等）；
模型主权：开发或拥有本国主导的大型语言模型（LLM）；
法规与安全：AI 的使用标准、隐私保护、审查方式由本国制定，而非由海外企业间接决定。
“主权AI”被频繁地提及的原因是AI所带来的隐患与风险。国家层面的风险涉及以下四个方面。
1. 安全风险与战略自主：国家关键领域（政府、医疗、交通、国防）不能被外国AI技术完全支配。假如日本政府的数据完全依赖外国云服务，那么，军事、警察、基础设施信息也可能受制于外国技术路线；
2. 经济竞争：AI 会成为未来经济的发动机，倡导与加强主权AI，是试图在未来的经济竞争中争得先机；
3. 文化与语言适配：日本企业、政府发现，外国AI对日本语文本的理解、制度、行政文化不是特别适配。日本社会讲究“空气”、“曖昧表現” 、“敬語”等，通用AI往往不够本地化。于是出现培养“日本语特化AI”的需求；
4. 避免数据外流：企业和政府担心机密信息被上传到海外公司的模型中，因此需要本地可控的AI模型与服务。
客观地看，日本在AI技术的开发与应用方面实力不菲，无论是LLM的开发，还是AI技术的应用与落地，都处于世界的前列。那么，为何日本却频繁地提及“主权AI”呢？笔者认为，其一，这与日本的危机意识有关。日本文化里，危机意识很浓，未雨绸缪，主动应对；其二，目前AI的国际竞争呈现出美中两强两极的态势，日本在云服务与LLM开发（也即前述“数据主权”与“模型主权”方面，倾斜式地依赖美国的AI巨头，如OpenAI、Google、Microsoft、Meta等。在这种形势下，倡导“主权AI”也就在情理之中了。
事实上，“主权AI”这一概念并非由日本创造，而是诞生于欧洲。随着数据流通、云服务、跨境数据存储与处理等问题变得敏感后，“AI主权（AI sovereignty）”就成为“数据主权 (data sovereignty)／数字主权 (digital sovereignty)” 讨论的自然延伸。在欧洲，几年前制定了《通用数据保护条例》（GDPR）等隐私与数据保护法规，出于对外国大型科技公司 (云服务、AI 服务) 依赖的忧虑，使得 “必须掌握本地数据、基础架构、安全管理权” 的呼声变得强烈。基于这种历史背景，“国家／地区必须拥有自己可控的数字基础设施”这一理念逐渐孕育出“AI 也应该本地化、本国主导”的想法。由于欧洲在AI全球竞争中的定位与日本相似，产生于欧洲的理念更容易引起日本的共鸣。
“主权AI”这一概念的推广，离不开一些大型科技公司的营销。例如AI芯片的龙头公司英伟达（Nvidia)在 2023 年左右，通过公开财报以及演讲的方式，把 “主权AI (国家／地区自主AI框架)” 作为一种战略方向加以推广，从而让这一概念随着产业与全球政治经济格局的变化，在全球范围内迅速流行起来。
在日本“主权AI”最早出现在“日本甲骨文（Oracle）”2024年3月29日官网发布的新闻稿。紧接着在 2024年5月～8月，英伟达日本与多家日媒开始频繁使用并推广“主权AI”这一说法。2024下半年起，NTT Data与日本甲骨文等企业以及各大技术媒体的新闻稿中频繁出现“主权AI”，形成公众舆论与产业议程的扩散。
经过一年多紧锣密鼓的论证，日本的产学官三方对“主权AI”已从“概念讨论”进入实际落地。即，政府在做规范与试点；企业在部署“主权云与合作方案”并推出日语/行业化模型；学界在做国产LLM与数据集研发。整体处于“多点并行、加速推进，但仍面临算力、数据与经费协同”的阶段。
一、政府（政策引导+试点、指南、采购方向指导）
制定与发布使用及采购指引：数字厅已对生成式 AI 的行政利用、采购与风险管理制定发布指导文件，并推动安全可控的使用环境建设（含技术验证、hackathon 等试点活动）。这说明中央层面在把生成AI的“可控化/主权化”纳入行政治理流程。
实务型试点：数字厅在2024–2025年间开展了生成AI业务利用的技术验证与环境整备，并举办系列Hackathon、“法令×数字”等活动，以挖掘政府可行的用例并验证安全性。
政治层面支持：政府在公开场合支持“国产/日语LLM”的开发与对外推广，显示国家层面对“主权AI / 国产AI”有战略意向。
二、产业界（主权云、合作方案与企业级落地）
主权云服务：富士通与日本甲骨文宣布面向日本市场、强调数据主权的“主权云”协作方案，定位是在本地数据中心与透明运营下提供“云+生成AI服务”。这类商业化解决方案是“主权AI”落地的重要路径。
大型厂商与平台商参与：英伟达、甲骨文、微软等在日本市场推广“主权AI”概念，与本地厂商合作（合作内容包括专用硬件、在地部署方案、政府/企业专用实例），推动企业客户采用“可控算力+本地数据”模式。
企业内部与行业解决方案：日立、NEC、富士通、NTT Data 等日本国内AI大厂在其产品与咨询路线中，把“日本语适配、数据留置与安全性”作为卖点并开发行业化模型与服务。NTT 等大企业也在公开场合要求更快速的法规与治理，说明企业既推动落地也在强调规则框架。
三、学界与研究机构（国产模型与开放社区在发力）
研究机构与大学：国立信息学研究所（NII）、东京大学、国立情报通信研究机构（NICT） 等在推进日本语或多模态的模型研发（包含公开数据集、开源模型、行业/医疗专用模型研发计划），并参与政策与标准化讨论。东京大学发布了日本语多模态模型，NII 明确呼吁需要“良质大量日本语”用于训练国产 LLM。
社区与产学协作： LLM-jp 等民间学术社区聚集研究者与工程师，快速推动本土数据集、评测、开源模型工作，成为政府与企业的技术补给窗口。大学与国立新能源产业技术综合开发机构（NEDO）等机构亦有项目资助与竞赛，培养人才与产出模型。
可以看出围绕“主权AI”，日本正在积极地展开日本特色的“官民一体”化布局。当然，在争夺AI竞争主导权的路上，前途漫漫，依然面临如下的挑战。
算力与供应链依赖：高端GPU与数据中心设备仍高度依赖海外供应（这限制着国家完全“自主”）。虽然企业合作（例如富士通+甲骨文，富士通+英伟达）是现实路径，但仍受供应链影响；
数据获取与隐私法制：医疗/行政等高价值数据的可用性受隐私法规与伦理限制，需在“可用+合规”之间取得平衡。学界与政府的试点，正试图解决此类课题。
人才与生态：需要更多跨界人才（算法、工程、治理、伦理），以及长期经费支持以维持模型训练与更新。虽然学界与社区活动显示人才培养在进行中，但人才不足是长期的课题。
供稿 / 戴维
编辑 JST客观日本编辑部
