德勤近日发布中文版报告《主权人工智能：洞察亚太地区战略机遇》（Sovereign AI: Realising strategic opportunities across Asia Pacific）。报告指出，随着生成式AI加速进入产业、公共服务和企业核心流程，亚太经济体正在以不同路径推进主权AI建设；其核心并非封闭自研一切，而是在开放生态中围绕数据、算力、模型、治理、供应链和产业场景，建立可控、可信、可替代的关键能力。
这也意味着，AI竞争正在从“谁的模型更强、场景更多”，进一步转向“谁能在关键时刻保有选择权”。当企业把AI接入客户服务、研发设计、金融风控、供应链管理或能源运营时，真正决定其能走多远的，不只是算法效果，而是关键数据放在哪里、模型如何评估、供应商是否可审计，以及外部环境变化时业务能否持续运行。
这正是“主权AI”受到关注的原因。它提醒企业：AI不是一次工具采购，也不是一组孤立试点，而是一套涉及数据、算力、模型、流程、人才、伙伴和治理机制的系统能力。
本文基于德勤报告的主要发现，结合中国企业所处的产业环境与监管语境，进一步讨论主权AI为什么重要、亚太地区正在形成哪些不同路径，以及企业如何在开放协作中建立自身的关键控制力。
不是“数字孤岛”，
而是关键选择权
主权AI容易被误读为封闭或全栈自给。事实上，德勤报告强调，对多数经济体而言，完整复制全球AI技术栈并不现实，也不必要。
更务实的路径，是分清能力的层级：有些能力需要自主掌握，例如敏感数据治理、关键模型评估、AI风险管理、核心业务场景中的决策控制；有些能力则可以通过经过审查的云服务、模型工具、算力资源和生态伙伴获得。问题的关键，不是“全部自己做”，而是在关键时刻是否仍有判断权、控制权和替代方案。
这种思路同样适用于企业。AI进入核心流程后，组织不能只看单点效率提升，还要看长期依赖关系：数据是否可追溯，模型是否可解释，供应商是否可审计，跨境数据和算法调用是否符合监管要求。一旦这些问题没有被提前纳入设计，AI应用越深入，后续调整成本就越高。
主权AI时代，企业需要将战略愿景转化为组织能力——涵盖数据治理、模型管理、供应链韧性和人才发展等维度。成功整合这些要素的组织，将最能把握AI转型带来的可持续价值。
—— 吴卫军
德勤中国副主席
亚太路径：没有统一答案，
只有不同取舍
亚太地区的主权AI布局，正在呈现多元化趋势。
中国和印度等大型经济体更强调数据、基础设施、算力、模型和治理体系的整体能力建设。日本、韩国以及中国台湾地区等先进工业经济体，则更聚焦半导体、先进制造和AI研发等战略环节，在全球供应链协同中强化自身优势。新加坡、澳大利亚和新西兰等高度开放经济体，更多采取“选择性主权”路径，通过可信数据治理、风险管理和国际合作弥补规模限制。东南亚部分新兴经济体则把重点放在数据治理、AI人才、数字基础设施和本土级平台等基础能力上。
这些路径说明，主权AI不是“全有或全无”的选择，而是一条连续光谱。每个经济体都需要在成本、速度、控制力、创新获取和安全韧性之间做取舍。对企业来说，也是同样的逻辑：不是所有能力都要内建，但关键能力不能失焦。
中国企业的现实议题：
从试点走向可控规模化
中国拥有丰富的产业场景、持续完善的数字基础设施，以及正在成熟的AI治理框架。这些因素为AI应用的规模化提供了重要基础。与此同时，企业面临的挑战也在变化。
在试点阶段，AI项目往往关注效率、体验和创新速度；进入规模化阶段后，问题会变得更复杂：训练和调用的数据是否合规？模型输出如何验证？业务流程中的人工复核在哪里？关键供应商是否存在单点依赖？AI系统出现偏差、幻觉、泄露或中断时，组织是否有清晰的响应机制？
主权AI视角的价值，就在于把这些问题提前纳入企业AI战略。它提醒企业，AI不只是技术采购或工具部署，而是一套包括数据、模型、流程、人员、供应商和治理机制在内的组织能力。
中国企业在AI领域的竞争优势不仅来自模型能力，更源于产业场景、数字基础设施和工程卓越的独特融合。德勤中国咨询团队随时准备帮助客户将这种潜力转化为可持续的业务价值。
—— 戴耀华
德勤亚太管理委员会主席
德勤亚太首席战略与创新官
治理不是刹车，
而是规模化的前提
很多企业在AI试点阶段会觉得治理是“后面的事”。但当AI开始进入金融风控、客户服务、研发设计、供应链管理、医疗健康、能源运营等关键场景，治理就不再是补充项，而是规模化的基础条件。
成熟的AI治理，应当嵌入模型全生命周期：从数据获取、模型选择、训练微调、测试评估，到上线监控、供应商审查、事件响应和持续优化。它既包括合规要求，也包括业务判断，例如哪些场景可以自动化，哪些场景必须保留人工决策，哪些输出需要留痕和复核。
换句话说，治理能力越早建立，创新越容易放大。没有治理的AI应用，短期看可能推进更快，长期却更容易在合规、声誉、运营和安全层面遇到阻力。
在主权AI时代，治理不是创新的刹车，而是可扩展、可信赖AI部署的基础。掌握这种平衡的组织将成为各自行业的领导者。
—— 孟晓凡
德勤中国轮值副首席执行官
德勤中国战略、风险与企业交易主管合伙人
德勤中国首席转型官
企业可以从五件事开始
一
画清数据边界
企业需要对数据进行分级分类，明确哪些数据可以用于训练、微调和推理，哪些数据必须本地处理，哪些数据涉及跨境、隐私或行业监管要求。
二
建立模型和工具清单
无论是自研模型、开源模型，还是外部商业模型，都应纳入统一管理。企业需要了解模型来源、使用场景、评估结果、更新机制和潜在风险。
三
审视算力与云服务依赖
算力、云平台和数据中心正在成为AI时代的重要基础设施。企业应评估关键系统是否存在单点依赖，并为重要业务设计替代方案和连续性安排。
四
把AI治理变成运营机制
治理不能只停留在原则或制度文件中，而要进入采购、法务、信息安全、数据管理、业务审批和内控流程。高风险应用尤其需要上线前评估、运行中监测和事后追溯。
五
建设复合型人才能力
主权AI时代需要的不只是算法人才，也包括懂业务、懂数据、懂风险、懂合规和懂运营的人。企业能否把这些能力组织起来，将直接影响AI能否从试点走向规模化价值。
主权AI时代的竞争，归根结底是可信数据与可信算法的竞争。只有将AI创新建立在可验证、可审计、可持续的数据治理基础之上，企业才能真正把握主权AI带来的长期价值。这是技术问题，更是信任问题。
——范为
德勤人工智能研究院主管合伙人
在开放协作中建立自主能力
主权AI的本质，不是把全球创新挡在门外，而是在参与全球生态时，知道哪些环节不能失去判断权，哪些合作需要明确边界，哪些能力必须持续沉淀在组织内部。
对中国企业而言，AI带来的机会仍然巨大。但真正形成长期优势的组织，不一定是拥有最多模型的组织，而是能够把数据、场景、治理、人才和伙伴网络稳定连接起来的组织。AI越深入核心流程，这种能力越会成为企业韧性和增长的底盘。
主权AI时代已经到来。它要求企业既保持开放，也更加清醒地建设自己的关键能力。
如需进一步了解亚太地区主权AI的发展路径、政策框架和战略机遇，欢迎阅读德勤最新报告《主权人工智能：洞察亚太地区战略机遇》中文版。
点击文末“阅读原文”
下载完整报告
业务垂询，敬请联络：
孟晓凡
德勤中国轮值副首席执行官
德勤中国战略、风险与交易业务全国主管合伙人
德勤中国首席转型官
邮箱：denmeng@deloittecn.com.cn
范为
德勤中国人工智能研究院主管合伙人
邮箱：rfan@deloittecn.com.cn
欢迎进入德勤小程序
免责声明：
第三方机构如想转载德勤微信文章，请原文转载（不得修改）。如文章内容有改动，须在发布前获得德勤的审核批准。同时，请必须在文章内附以下信息及免责声明：
本通信中所含内容乃一般性信息，任何德勤有限公司、其成员所或它们的关联机构（统称为“德勤网络”）并不因此构成提供任何专业建议或服务。任何德勤网络内的机构均不对任何方因使用本通信而导致的任何损失承担责任。
点击“阅读原文”，下载完整报告。
温馨提示：由于微信界面限制，若打开以下德勤网页后无法下载报告，请按右上角“选项”并于浏览器中打开后进行下载。
