主要内容
AI的成本效益与数据主权正形成冲突，迫使全球企业重新构建风险框架。过去一年，生成式AI竞赛聚焦能力参数与基准分数，而如今董事会讨论开始转向效率问题。中国AI实验室DeepSeek近期成为焦点，其以“高性能大语言模型无需硅谷规模预算”的表现，重新点燃行业对效率优化的讨论。
然而，低成本高性能的诱惑与地缘政治现实激烈碰撞。运营效率无法脱离数据安全，尤其当数据支撑的模型部署在法律框架迥异的地区时。美国政府披露，DeepSeek不仅在中国存储数据，还与国家情报机构共享，这使风险从隐私合规（如GDPR/CCPA）升级至国家安全层面。
对企业而言，大语言模型集成绝非孤立事件，它需连接数据湖、客户系统和知识产权库。若模型存在“后门”或被迫向外国情报机构共享数据，企业安全边界将彻底失效，成本效益优势也随之消失。前国际刑警顾问Bill Conner警示，DeepSeek与军事采购网络的关联及出口管制规避，应为CEO、CIO和风险官敲响警钟。
企业需建立治理层，审视模型的“谁”（提供者）和“哪里”（部署地），而非仅关注“什么”（性能）。金融、医疗、国防等行业对数据谱系模糊零容忍，忽视数据主权风险将导致合规漏洞和国家安全隐患。