根据Gartner的最新分析，各国正加大对国内AI技术栈的投入，以寻找替代封闭的美国模式。该机构预测，到2029年，建立主权AI技术栈的国家将需要至少其国内生产总值（GDP）的1%用于AI基础设施投资。

Gartner副总裁分析师Gaurav Gupta表示，这项投资涵盖“计算能力、数据中心、基础设施以及与当地法律、文化和地区相一致的模型”。由于非西方客户因担心过度西方影响而调整策略，AI主权技术栈可能导致合作减少和重复投入。

Gartner指出，到2027年，35%的国家将被锁定在使用专有上下文数据的区域特定AI平台上，平台锁定率将从5%上升至35%。Gupta说：“信任和文化契合正在成为关键标准。决策者正在优先选择与当地价值观、监管框架和用户期望相一致的AI平台，而不是那些拥有最大训练数据集的平台。”

本地化模型在提供上下文价值方面表现更优，区域大型语言模型（LLM）在教育、法律合规和公共服务等应用中优于全球模型，尤其在非英语语言环境中。AI主权技术栈指一个国家或组织独立控制AI在其地理边界内开发、部署和使用的能力。

监管压力、地缘政治因素、云本地化、国家AI使命、企业风险和国家安全关切正推动政府和公司加速对主权AI的投资。担忧在技术AI竞赛中落后也将促使国家和公司快速创新，试图在AI技术栈的所有方面实现自给自足。

Gupta强调：“数据中心和AI工厂基础设施构成了实现AI主权的AI技术栈的关键支柱。因此，数据中心和AI工厂基础设施将看到爆炸性的建设和投资，推动少数控制AI技术栈的公司实现两位数、万亿美元的估值。”

Gartner建议高级IT决策者设计模型无关的工作流，使用编排层以便在跨区域和不同供应商的LLM之间切换。这些领导者还需确保AI治理、数据驻留和模型调优实践能满足特定国家的法律、文化和语言要求，同时与国内云提供商建立关系，包括优先市场中的区域LLM供应商和主权AI技术栈领导者。此外，他们应考虑AI立法、数据主权规则和可能影响AI模型部署及用户数据处理的新兴标准。