今天建立的 AI 基础设施，会怎样限制未来选择？

Geoffrey Chen

研究与版本说明 本文属于《未来没有代表》第 0.1 版研究稿。AI 技术、政策与市场变化很快，文中不预测某一模型或供应商的长期地位。政策和技术框架核查至 2026 年 8 月，后续版本应重新检查。

《未来没有代表》· 第 10 篇

快速阅读

AI 基础设施不只是一座数据中心或一个大模型。它包括算力、云合同、数据格式、身份与访问系统、应用接口、评估方法、工作流程和人员技能。模型可能一年内更换，围绕它建立的数据管道、采购关系和行政程序却会持续更久。未来选择常由这些较少引人注意的层次限制。

限制不一定是坏事。统一接口、共同安全标准和长期投资能够降低成本，使服务稳定。任何可用系统都需要关闭一些可能性。问题在于，当前机构是否知道自己关闭了什么，退出成本由谁承担，未来是否仍能迁移、审计或停止高风险用途。

供应商锁定只是其中一类。训练和运行 AI 还会影响电力、土地、水和芯片供应链；数据中心选址与电网投资的寿命可能超过模型。公共部门若把核心记录、判断流程和专业能力外包，后来即使换供应商，也可能已失去理解系统的内部能力。

澳大利亚政府 2025 年 12 月生效的《Policy for the responsible use of AI in government 2.0》要求适用机构设置责任官员、透明声明、AI use case 登记、影响评估、培训和持续监测。这是从单次采购转向生命周期治理的重要一步。不过，登记一个用例不自动解决合同可迁移性、能源影响或未来停用能力。

用途变化也要重新进入审查。文档检索模型若后来用于人员筛选，技术名称未变，权利后果和证据要求已经改变；不能因为系统已经存在便沿用原批准。

本文的判断是，AI 基础设施应按长期公共能力而非短期软件购买来治理。高影响系统需要开放且可读取的记录、数据与接口退出方案、可替换组件、持续人工能力和明确退役条件。未来不应被保证拥有所有技术选项，但不能在不知情的情况下被锁进一个只有原供应商能够解释、只有继续扩张才能维持的体系。

一、真正持久的往往不是模型

讨论 AI 未来时，人们容易把焦点放在模型能力。哪个模型更强，参数有多少，下一代何时发布。这些变化确实快，也使当前预测容易过时。机构部署 AI 以后，较持久的部分可能出现在模型周围。

数据首先被清理、分类并接入特定字段；员工工作被重新安排，某些判断先经过模型；采购合同规定服务等级、日志访问和知识产权；身份、网络与安全系统围绕平台配置。培训材料和绩效指标又把使用方式固定到组织中。即使模型名称改变，这套结构不会同时消失。

基础设施因而既是物理的，也是制度的。机房、芯片、电网连接和冷却系统提供计算；数据治理、接口、合同和专业习惯让计算进入决定。只看硬件会遗漏组织锁定，只看算法又会遗漏能源与空间承诺。

这种结构有正常价值。标准化减少重复工作，长期合同有时能获得可靠服务，专门培训提高质量。没有任何系统能保持完全开放，因为兼容所有未来技术的成本无限。需要治理的是锁定的程度、重要性和可见度。

二、路径依赖怎样形成

最直接的路径依赖来自沉没成本。机构已经投入迁移、培训和定制以后，更换方案意味着重新支付。即使另一技术后来更好，当前平台仍可能因转换成本而保留。

数据模式产生更深约束。某个分类字段最初为模型需要建立，随后进入表格、报告与法律程序。人们开始按照字段描述现实，原本只是技术实现的选择获得制度意义。未来替换模型时，输入结构继续存在，新的工具被迫接受旧分类。

训练与评估资料也会形成基准锁定。机构反复用同一测试集衡量新模型，供应商便针对已知指标优化，未被测试的语言、残障需求和罕见情形继续不可见。基准有助于比较，却需要版本、盲测和与现实投诉相连的更新，否则“性能提高”只表示更适应过去的测量环境。

网络效应也会增强路径。政府、医院或学校都使用同一接口，供应商和顾问围绕它形成市场，人才训练聚集于同一技术。共同标准提高互操作性，却可能让替代标准难以进入。开放标准与单一实现必须区分：共享接口可以扩大选择，只有一家能够实际提供则会缩小选择。

组织能力还可能反向变化。外包初期弥补内部技能不足，长期依赖以后，机构可能连需求、错误和更新都无法独立判断。合同到期时形式上可以竞争，实质上只有现有供应商理解数据与系统。这种认知锁定比许可费用更难解除。

三、算力建设留下哪些非数字承诺

AI 训练和大规模推理需要数据中心、电力和网络。International Energy Agency 的 Energy and AI强调“没有能源就没有 AI”，并分析未来十年 AI 用电、能源安全、排放和可负担性的关系。预测范围会改变，但物理连接已经使 AI 政策成为能源政策的一部分。

数据中心需要选址、电网升级、备用电力和冷却。用水与环境影响因技术、气候和电力来源差异很大，不能把一个全球平均数套给每个项目。地方社区可能承担噪声、土地与网络成本，却未必取得等比例服务收益。

建设审批还应考虑设施用途能否转换。通用电网增强可能支持多个产业，极度专用的连接和建筑则在需求变化时较难再利用。把适应性写入物理设计，能够降低一项错误 AI 需求预测成为长期地方负担的概率。

电网和建筑寿命通常长于芯片。若 AI 需求低于预期，专用资产可能搁置；需求高于预期，则与住房、制造业和脱碳争夺电力。当前审批应测试多种需求情景，而不是把一条产业预测当成必然未来。

本地算力有主权、韧性和研究能力的潜在价值，进口云服务则可能降低成本并快速取得先进技术。两者不存在普遍正确答案。基础设施计划应说明哪些能力必须本地控制，哪些可外部采购，故障或地缘变化时怎样继续关键服务。

四、公共数据为何使锁定更严重

公共机构掌握税务、健康、福利、教育和监管资料。它们将数据用于 AI 时，不只购买效率，也重构国家怎样看见公民。数据选择、标签和连接错误可能长期流入多个系统。

若供应商保留衍生数据、嵌入向量、反馈记录或模型调优成果，合同结束时“归还原始数据”并不足够。未来系统可能需要这些衍生物理解历史决定。数据可携性应包括格式、元数据、版本和转换说明，并受隐私与安全限制。

保存一切也并非正确。无限保留增加隐私、泄露和错误再利用风险。退役计划要说明哪些记录因问责需要保存、保存多久，哪些个人资料必须删除，怎样证明删除。未来审计权与当前隐私权需要同时设计。

公共记录还要让决定可解释。如果多年后某人挑战福利或许可结果，机构应知道当时使用了哪一模型版本、输入和规则。模型本身可能已经无法运行，足够的日志和政策记录仍能支持重建理由。没有这种能力，技术更新会成为责任消失的方式。

五、澳大利亚政府当前框架走到了哪里

澳大利亚《Policy for the responsible use of AI in government, version 2.0》自 2025 年 12 月 15 日生效，适用于非公司制联邦实体，并设有例外。它要求机构指定负责官员，发布透明声明，建立采用战略与操作方法，保存内部 AI use case 登记，开展培训，并对适用用例进行影响评估。

政策还要求对适用系统持续监测，在范围、使用或运行发生实质改变时重新验证评估。高风险用例需要向责任官员报告并由指定委员会或高级行政人员治理，至少每十二个月审查。供应商更新也被明确列为应监测的变化之一。

这些要求承认 AI 不是部署前检查一次便结束。一个模型可能漂移，供应商可以更新，使用场景也会扩张。责任人和登记使机构至少知道哪些系统存在，并为事故、投诉和停止建立入口。

框架仍主要治理用例风险，不能自动处理国家层面的算力集中、电网选择和市场依赖。机构即使完成影响评估，也可能签下难以迁移的合同。透明声明若只列“使用 AI”，公众仍不知道高影响决定怎样受到影响。实施质量和采购条款决定制度是否真正保留选择。

六、互操作性是不是万能答案

开放接口、标准格式和数据可携性通常降低转换成本。模块化系统允许替换模型而不重建整个服务，测试集还可比较供应商。这些是保留未来选择的重要方法。

它们也有代价。接口抽象可能只支持最低共同功能，妨碍新技术；开放组件增加整合与安全责任；维护多个供应商会提高成本。某些高性能系统的硬件和软件需要紧密协同，强行拆分可能降低可靠性。

所以，目标不是最大程度模块化，而是在关键控制点避免不可审查依赖。身份、原始记录、政策规则和申诉流程通常应由公共机构保持可控制性。模型服务可以变化，决定责任不应随接口转移。

采购时需要实际退出测试。机构能否导出资料，另一团队能否理解文档，服务中断时有无手动方案，合同是否允许独立审计？一份写着“可迁移”的条款如果从未演练，可能在危机时才发现依赖。

七、什么时候应当停用一个系统

AI 项目通常为部署设置成功指标，却较少定义退役。性能下降、法律变化、目的消失、供应商停止支持或风险超过收益时，都可能需要停止。没有预定条件，沉没成本和组织声望会推动继续使用。

停用也会造成风险。员工可能已经失去旧技能，手动流程无法承受工作量，其他系统依赖 AI 输出。关闭前需要恢复替代能力，并处理尚未完成的案件、数据与申诉。对关键服务，退出计划应从部署前开始。

未来机构还应能限制用途扩张。一个为文档检索采购的模型，后来可能进入人员筛选或欺诈调查。技术相同，后果和证据要求已经改变。以“系统已经存在”为理由跳过新评估，是路径依赖转化为权力扩张的典型方式。

用例边界必须写入权限、日志和人员培训，而不能只存在于最初的项目说明中。

NIST AI Risk Management Framework把治理、映射、测量与管理放在整个生命周期，要求考虑第三方硬件、软件和数据。框架仍属自愿且正在修订，但其生命周期方法提供了重要方向：风险管理应包括变更、申诉、覆盖和退役，而不是只评估最初模型精度。

八、暂定判断：为替换留下能力，不为未来保留所有产品

今天建立的 AI 基础设施必然限制未来。投入、标准和技能如果完全不形成路径，系统也无法稳定提供服务。问题不是消除所有锁定，而是避免当前便利产生与公共后果不相称的不可退出依赖。

高影响公共系统至少应保留几项能力：机构知道自己使用什么及其版本；关键资料和政策规则不被供应商垄断；迁移与停用在合同和技术上可行；工作人员仍能理解并承担决定；能源与物理设施在多种需求情景下有用途。每项能力都要通过实际测试，而非只在原则中存在。

未来人没有权利要求我们猜中他们偏爱的 AI 架构。他们可以合理要求，不因今天的采购而失去重新选择的基本政治和技术能力。若更换一个模型会使政府无法提供服务，若审计一项旧决定只能请求已经退出市场的公司，基础设施已经取得超过软件的权力。

技术选择最终成为制度环境。它规定什么数据容易看见，什么判断可以自动运行，谁有能力修改。当前决策者应把这种形成力纳入评估。真正留给未来的不是一套先进模型，而是一个它仍能理解、修正和在必要时离开的技术结构。

主要资料与进一步阅读

系列导航： 《未来没有代表》系列总览

了解 Geoffrey Chen 的更多信息

订阅后即可通过电子邮件收到最新文章。