人工智慧成本效益與數據主權顧慮的交匯點

人工智慧成本效益與數據主權之間的張力，正迫使全球企業重新評估其企業風險管理策略。

過去一年多來，生成式人工智慧的討論聚焦於能力競賽，常以參數數量與不完善的基準測試分數衡量成功。如今董事會討論正經歷必要的焦點轉移。

儘管低成本、高性能模型所展現的快速創新誘因極具吸引力，但隱藏於數據駐留與國家影響力之間的風險，正促使企業重新審視供應商選擇。中國人工智慧實驗室DeepSeek近期成為這場產業級討論的核心案例。

曾任國際刑警組織與英國政府通訊總部顧問、現任Jitterbit執行長的比爾·康納指出，DeepSeek最初因挑戰業界常規而廣受好評，其證明了「高性能大型語言模型未必需要矽谷等級的資金投入」。

對於試圖降低生成式AI試點計畫龐大開支的企業而言，這種成本效益自然極具吸引力。康納指出，這些「據稱低廉的訓練成本無疑重新點燃了業界關於效率、優化及『足夠好』的AI解決方案的討論」。

AI與數據主權風險

對經濟實惠型效能的熱忱，如今遭遇地緣政治現實的考驗。營運效率與資料安全密不可分，尤其當資料驅動的模型部署於隱私保護與政府存取權限的法律標準迥異的地區時。

近期關於DeepSeek的資訊改變了西方企業的風險評估。康納強調：「美國政府最新披露的資訊顯示，DeepSeek不僅將數據儲存於中國境內，更主動提供給國家情報機構。」

此發展使問題超越標準的GDPR或CCPA合規範疇，"風險等級已從常規隱私問題升至國家安全層級"。

對企業領導者而言，此構成顯著威脅。大型語言模型整合通常非孤立行動，涉及將模型連結至專有數據庫、客戶資訊系統及智慧財產資料庫。若核心AI模型內含「後門」或被迫與外國情報機構共享數據，數據主權將喪失，組織實質削弱自身安全防禦，使成本節約化為烏有。

康納警告：「DeepSeek與軍事採購網絡的關聯性，以及其涉嫌規避出口管制的手段，應成為執行長、資訊長與風險主管的重要警訊。」使用此類技術可能使企業無意間涉及制裁違規或供應鏈漏洞。

當今的成功不僅取決於程式碼生成或文件摘要能力，更取決於供應商的法律與道德標準。在金融、醫療保健及國防等領域，對數據來源的不確定性絕不容忍。

技術團隊在概念驗證階段可能聚焦於AI效能指標與整合便利性，卻可能忽略工具的地緣政治背景與數據主權要求。風險主管與資訊長必須建立治理機制，不僅審視模型功能，更須追溯其來源與所有權歸屬。

人工智慧成本效益之治理

採用或禁止特定AI模型的決策關乎企業責任。股東與客戶期望其數據安全無虞，且僅用於雙方同意的商業目的。

康納為西方領導層明確闡述此觀點：「對西方執行長、資訊長與風險主管而言，這並非關乎模型效能或成本節約，而是治理、問責與受託責任的問題。」

企業「無法合理實施數據位置、使用目的及政府影響力本質上不明確的系統」。這種缺乏透明度的狀況會產生不可接受的風險。即使某模型以半價提供競爭對手95%的效能，監管罰款、聲譽損害及智慧財產權流失的可能性仍可能立即抵銷這些節省。

DeepSeek案例促使企業重新審視現有AI供應鏈。高管必須確保對模型處理位置及基礎數據存取權限擁有完全可視性。

隨著生成式人工智慧市場演進，信任、透明度與數據主權的價值，很可能超越純粹的成本效益。

另請參閱：SAP與費森尤斯攜手打造醫療保健主權AI骨幹

想向業界專家深入了解人工智慧與大數據？歡迎參與於阿姆斯特丹、加州及倫敦舉辦的「人工智慧與大數據博覽會」。此大型活動隸屬TechEx系列，將與「網路安全與雲端博覽會」等重要科技會議同期舉行。更多詳情請見此處。

AI News由TechForge Media提供技術支援。探索其他即將舉辦的企業科技活動與線上研討會請點此。