本週 AI：資料主權、AI 基礎設施與導入服務成為新焦點

把本週三則新聞放在一起看，會發現企業 AI 的競爭焦點正在改變。 模型能力當然還重要，但當 AI 開始進入客服、內部知識庫、文件處理與營運流程，企業更需要回答的是：使用過程產生的資料歸誰？技術架構能不能替換？模型接進公司後，又由誰負責把成果做出來？ Nadella 示警：使用 AI，也要保留自己的知識資產 微軟執行長 Satya Nadella 在 2026 年 7 月提出「反向資訊悖論」 ，企業付費使用 AI 的同時，也可能在持續提供另一種更難取代的資產，公司如何工作、如何判斷，以及如何修正錯誤的知識。 員工輸入的內部文件只是其中一部分，提示怎麼寫、模型用了哪些工具、答案錯在哪裡、人工如何修正，長期累積下來，都可能反映一家公司的作業方式與判斷標準。 Nadella 因此主張，企業應保留提示、回饋與評估資料的控制權，並建立能在不同模型之間切換的編排層，避免整套 AI 流程被綁在單一供應商上。 不過，這不等於所有企業 AI 服務都會直接拿客戶輸入內容訓練模型。以 Azure Direct Models 與 OpenAI 商業產品為例，官方目前都表示，企業資料預設不會被拿來訓練基礎模型。實際風險仍取決於使用的產品版本、合約條款、資料保留設定、第三方串接，以及企業是否主動分享回饋。 真正值得企業留意的，未必只是「資料有沒有被模型看見」，而是 AI 使用過程產生的提示模板、修正紀錄、測試資料與評估方法，有沒有留在自己的治理範圍內。 要是這些經驗只存在外部平台，公司每換一次模型或供應商，就可能得重新學一次。 NVIDIA 擴大日本 AI 生態，從晶片走向完整技術堆疊 企業與國家要完全依賴外部平台，還是保留一部分自行控制與替換的能力？ NVIDIA 在 7 月 15 日公布與日本產業夥伴的最新合作進展 ，內容橫跨 AI 運算基礎設施、開放模型、醫療、製造、金融與機器人。這項布局已經不只是銷售 GPU，而是把晶片、模型、開發工具、模擬平台與實體 AI 應用串在同一套生態系裡。 醫療是其中一個具體案例，富士軟片已商業化日本首款採用 NVIDIA Blackwell 的全身電腦斷層掃描系統，並使用擴散式深度學習重建技術改善影像品質。日本政府也啟動實體 AI 計畫，預計結合製造經驗、產業資料與開放式多模態基礎模型，發展機器人、數位分身與 AI 代理應用。 這裡值得注意的，不是又多了幾個採用 Blackwell 的案例，而是 NVIDIA 正把自己的角色從晶片供應商，延伸到模型、軟體、產業平台與機器人基礎設施。 從日本的布局來看，「主權 AI」談的也不再只是資料要不要留在境內，而是國家或產業能否掌握運算資源、模型選擇與應用開發能力。 對一般企業來說，這不代表每家公司都該自建機房或訓練模型，更務實的問題是，關鍵資料放在哪裡、架構能不能切換、成本是否可控，以及現有團隊有沒有能力維護…