主权人工智能基础设施¶
要点一览
是什么: Sign AI,内嵌于每一款 Sign 产品的智能。它借 DataHub 读取技术栈产生的数据,化为官员手中的洞见。
对居民而言: 随时以自己的语言获得解答;公共资金也能真正送到该得的人手中。
政府掌控: 模型、模型运行的位置、模型可出于何种目的读取哪些数据,以及每一项决定。
示例: 项目仍在进行之时,部委便能看清一项补贴花在了哪里,又有哪些符合资格的家庭尚未申领。
能力强大的 AI 模型如今唾手可得,其中许多公开了权重,任何政府都能自行运行。然而,模型之于国家的价值,取决于它能触及怎样的数据:数据须新鲜、规范、依法共享,并能追本溯源。在多数国家,这些数据散落在各机构的系统之中,格式各异;一个部委采购的 AI 系统,只能窥见全貌的一角。
我们认为,决定一国 AI 价值几何的,是政府自身的数据,而 SIGN Stack 天然产出这样的数据。技术栈上签发的每一张凭证、结算的每一笔支付、办理的每一项服务、共享的每一条记录,都会留下数据:格式统一,由来源签名,经由同一个受治理的层 DataHub 即可触及。Sign AI 内嵌于我们的每一款产品,正是为驾驭这些数据而生:运行于国境之内,恪守政府的规则。主权人工智能基础设施,是我们为此设计的参考方案,立足于五项原则:
-
政府掌控:模型、托管、访问权限、数据来源与更新,均由政府批准。
-
主权托管:敏感与核心工作,包括对政府数据的每一项分析,都运行于政府批准、托管在国家基础设施上的开放权重模型。
-
数据只经 DataHub:Sign AI 只经由 DataHub 读取政府数据,接受与工作人员相同的目的与权限检查,并须具备政府记录在案的合法依据。
-
人的权威:回答、草稿或洞见,只有经由经批准的工作流、由获授权的人确认、修改或驳回,才能化为行动。
-
问责:每一个回答与洞见都注明其背后的官方来源或数据集;每个案件都附有一份可审查的决定记录,载明来源、模型与规则版本、审核人与最终行动。
Sign AI:服务治国理政的受监督智能(Supervised Intelligence for Governing Nations)¶
Sign AI 是每一款 Sign 产品内部的智能与控制层(图 13)。各产品在运转中生成记录,DataHub 只放行每项任务获授权查看的内容,Sign AI 负责分析与起草,结果如何处置,由官员决定。
同一层智能,在技术栈的不同部分各展其能:
-
身份与凭证:揭示凭证覆盖薄弱之处,并把滥用迹象标记出来,交由人工复核(凭证数据中的洞见)。
-
主权货币:从支付中为央行与财政部提炼汇总指标,并显示项目资金是否用于既定用途(支付数据中的洞见)。
-
公共服务:解答居民的疑问,准备申请与案卷,并在独立的工作区中协助工作人员(平台中的 Sign AI)。
-
Sign DataHub:把各机构已在共享的数据汇为一幅任何单一机构都无从得见的全景(国家数据能揭示什么)。
Sign AI 所用的数据与知识,由官员掌控。数据集,以及法规、服务要求与表格等官方来源,都须经批准并有版本管理,每次变更在发布前都经过评估,并可恢复到以往的版本。没有现行官方来源支撑的回答会被拦截,问题转交给人处理;无法注明其数据集与方法的洞见,一律不予发布。按照设计,Sign AI 还会监测官方来源中法律与表格的变化,经官员批准后发布更新,让同一条现行规则通行于每个办事处、每个渠道、每种语言。
国家数据能揭示什么¶
只要政府批准访问,且只触及汇总或去标识化的数据,Sign AI 按设计便能为政策制定者回答五个问题:
-
经济走势如何?以 Sign CBDC 与主权稳定币进行的支付,在央行治理的账本上结算。在法律允许的范围内,央行可以在自身环境中计算汇总指标,例如按地区和行业划分的支付规模、货币流通速度,以及每个公共项目下的支出,在数日之内察觉变化,不必坐等季度统计。
-
公共资金是否抵达了该得的人?把资格凭证、服务记录与项目付款结合起来,便能看出福利与补贴在哪里未能惠及符合资格的人,到账需要多久,资金又在何处停滞。
-
诚信风险潜藏何处?重复身份、虚构的受益人、伪造或已撤销却仍在使用的凭证,以及重复申领,都会化为交由官员复核的信号。银行与金融情报机构也可以把同样的工具,运用于反洗钱法律准许其查看的交易。
-
政策调整会带来什么?一项拟议规则可以在通过之前,以去标识化的真实案例加以检验,估算它会影响哪些人、耗费多少成本。
-
未来将会怎样?以汇总的时间序列为基础的预测模型,例如支付规模、货币兑换需求、口岸旅客流量与各办事处的申请量,按设计可以显示需求的走向,让央行得以未雨绸缪地安排流动性,让各部委在需求到来之前规划人手与预算。
同样的数据还能告诉运营人员:哪些服务延误最久、原因何在,需求如何随地区和季节起伏,居民又在何处半途而废,让各机构得以对症下药。
分析如何运行¶
按照设计,分析就数据所在之处展开,数据本身原地不动。问题送往持有相关记录的各主管机构,在其自身环境中、经 DataHub 的目的与权限检查之后就地求解,带出来的只有汇总或去标识化的结果;原始记录各安其位,不会汇聚到某个中心化的 AI 数据库中。支付分析在央行自身的环境中运行,单笔支付仍受隐私模型隐私模型的保护。DataHub 为每一次分析查询记下其目的、背后的主管机构以及所用的数据集,审计人员因而看得到,谁向数据问了什么。每一项洞见都注明其数据集与方法,如何使用,由官员定夺。为调查而识别具体个人属于另一种目的,须有其自身的法律依据,并经数据保护机构审查。
模型托管与国内算力¶
部署方式与工作的敏感程度相称。敏感与核心工作使用开放权重模型,例如 Llama、gpt-oss、Qwen 与 Mistral 系列,托管在国家数据中心、政务云或部委基础设施中,数据、提示词与输出皆不出国境。在政府政策允许的情况下,不涉及个人数据、面向公民的信息服务,可以使用运行最强商业模型即前沿模型的外部服务,并以禁止用客户内容训练模型的条款加以约束。国家环境中一个政府批准的网关,默认不发送任何个人数据(图 14)。某项服务若未列为敏感,政府在完成数据出境评估、取得数据保护机构批准之后,可允许它使用外部服务;此时网关以占位符替换姓名、身份号码及其他指定字段,回答返回时再填回真实值。每个模型在任何试点之前都以本国语言接受评估,更换模型也无需重建使用它的工作流。
我们的参考设计在国境之内运行整个服务:可以在经批准的政府数据中心,可以在由国家掌管密钥的签约国内托管服务商处,也可以在新建的国家设施中。容量随使用而增长,从验证一两项服务的试点,到随着机构加入而扩展的生产部署;灾备同样留在国内,设于第二个国内站点(表 10)。加密密钥由政府持有,模型与变更由政府批准,运营服务的国家运营方由政府指定。我们的鉴证目标是 ISO/IEC 27001、ISO/IEC 27701、ISO 22301 与 SOC 2 Type II 审验,并以 ISO/IEC 42001 管理 AI 风险,要求硬件安全模块通过 FIPS 140-3 三级或通用准则(Common Criteria)认证。关键工作还可以与外部网络完全隔离运行,例如服务于国防与内政部门。
风险分级与申诉权¶
每一种 AI 用途在试点之前都要按风险分级,遵循欧盟《人工智能法》与经合组织人工智能原则所采用的基于风险的方法。依据公开来源答疑、生成汇总统计属于低风险;福利资格认定、诚信信号与欺诈标记属于高风险,适用最严格的控制。高风险用途在试点之前要针对不同地区、语言与人群检验偏差,上线后持续监测。任何福利都不会仅凭 AI 标记而被暂停、削减、追回或拒绝:标记只会启动官员的复核。每位居民都可以询问自己的案件为何如此处理,获得引用所适用来源与规则的解释,要求由人复核案件,并通过常规行政程序申诉。
安全关口与首个试点¶
一项用途只有通过三道安全关口,才能扩大规模:每个对外发布的回答或洞见都引用经批准的来源或数据集,每项决定都由获授权的官员作出,任何敏感数据未经授权都不会离开经批准的环境。
项目从一次简短的联合诊断开始,确定基线指标与目标;继而基于公开来源与合成数据构建原型;再开展受监督的试点,最后作出扩大规模或就此止步的决定。理想的首个试点,是让一项洞见与一项服务结伴而行,例如一个福利项目的覆盖情况,配以一个解答居民相关疑问的助手。试点对照基线评判:每个办结案件的成本与人工时间,洞见与经审计数据相比的准确度,办结时间与各地点的可及性,可靠性与事件处理,以及居民与工作人员的体验。
展望:洞见贯通全政府¶
我们的方向,是让技术栈产生的数据成为国家的洞见之源,每个部委都能在同样的控制之下从中汲取。随着更多机构经由 DataHub 共享数据,更多公共支付在主权通道上结算,Sign AI 所能呈现的图景也将愈加深广:财政部可以随时追踪一个项目的支出,内阁可以在决策之前,以本国自己的案例检验一项改革。各机构共享同一身份层与证据层,一个机构准备的案件,还可以把经过核验的身份、同意与经过证明的记录带到下一个机构;官员一旦作出决定,由 AI 准备的福利发放即可经由公共服务平台支付,付款与其决定记录相关联。监管机构也可以把同样的工具运用于监管(实时监管)。