掌控你的數據，掌控你的 AI

關於數據所有權的哲學論證非常令人信服，但在某個時刻，問題會轉向架構層面：在一個由人工智慧處理數據的世界裡，實務上擁有自己的數據究竟意味著什麼？

這篇文章討論的是實務版本。自備儲存（bring-your-own-storage）如何運作、為什麼模型的選擇至關重要、開放協定對您的知識與工具之間的關係帶來了什麼改變，以及為什麼您系統的架構決定了誰能從中產生的智慧中獲益。

不擁有自己數據的歷史

失去對自己資訊控制權的模式一再重複，其規律性之高，值得我們簡要回顧，因為人工智慧版本的這種模式現在正在上演，且手法如出一轍。

1990 年代 AOL 的圍牆花園將用戶限制在一個專利的生態系統中，其內容、聯絡人和自訂設定都被鎖定在該平台上。當開放的網路讓 AOL 變得無足輕重時，那些花費數年時間在 AOL 圍牆內建立線上形象的用戶發現，這一切都無法移植。內容被留在了後面。

在 2000 年代後期的 MySpace 到 Facebook 遷移潮中，數百萬用戶失去了多年的貼文、照片和社交關係，因為這些數據存在於 MySpace 的系統中，無法傳輸。更換平台的代價就是失去您所建立的一切。

Google Reader 在 2013 年的關閉，一夜之間消除了許多人資訊工作流程的核心樞紐。Evernote 的緩慢衰落留下了數百萬個專有格式的筆記，其他工具很難乾淨地導入。Photobucket 突然設立付費牆，將用戶的照片當作人質。Sunrise Calendar、Wunderlist、Inbox by Gmail、Google+：每一個在關閉時都帶走了累積的用戶數據。

這一個不變的教訓是：儲存在您無法控制的平台上的數據，其存在完全取決於該平台的意願。條款可能會改變，商業模式可能會轉變，公司可能會被擁有不同優先事項的人收購，或者產品可能直接關閉。在任何情況下，用戶累積的知識、內容和情境都會成為他人商業決策的犧牲品。

這種模式的人工智慧版本也是同樣的動態，只是賭注更高。您在 AI 提供商系統中累積的數據不僅僅是內容，更是情境（context）：對您工作、思維模式、分析框架、研究軌跡的累積理解。失去對該情境的存取權，或者發現它已被用於訓練與您競爭的模型，這種損失雖然難以量化，但可能比失去一個照片資料夾帶來更嚴重的後果。

所有權實際上的樣子

在 AI 時代擁有您的數據需要三件事協同運作：您控制的儲存、您選擇的模型，以及強制執行界限的協定。

您控制的儲存

最根本的層面是物理層面：位元（bits）實際存在於哪裡？在傳統的 SaaS 模式中，您的數據存在於提供商的伺服器上、在提供商的資料庫中，由提供商的基礎設施團隊管理。您透過提供商的介面存取它，通常也可以導出副本，但權威版本（canonical version）存在於他們的系統中。

自備儲存（Bring-your-own-storage）顛覆了這一點。您的數據存在於您擁有的雲端儲存帳戶中：Amazon S3 儲存桶、Cloudflare R2 帳戶或類似帳戶。應用程式讀取並寫入您的儲存空間，但數據本身存放在您控制的基礎設施中，使用您的金鑰加密，並由您的策略管理。

這是一個具有實質意義的架構差異，而非行銷噱頭。如果您停止使用該應用程式，數據仍會完好地保留在您的儲存空間中。如果應用程式公司被收購、更改條款或關閉，您的數據不會受到影響。應用程式是一個讓您檢視知識並與之互動的鏡頭；而知識本身存在於應用程式無法奪走的地方。

您選擇的模型

第二個層面是計算層面：由哪一個 AI 處理您的數據，以及依據誰的條款？

當您透過 API 使用專有模型時，您的數據會流向模型提供商的伺服器並在那裡進行處理，然後將結果傳回。提供商的服務條款管轄了您的數據在處理期間和之後的情況。一些提供商承諾不使用您的數據進行訓練。其他提供商則不然，或者其條款足夠含糊，使這個問題懸而未決。

開源模型改變了這個方程式。在您自己的基礎設施上運行的模型，或者在您專門為此目的選擇的託管提供商上運行的模型，在處理您的數據時，數據絕不會傳送到模型開發商。這不需要向頂尖實驗室（frontier lab）發送 API 調用，沒有服務條款管轄您的輸入會發生什麼事，也沒有關於您的數據是否會貢獻給下一次訓練運行的模糊空間。

關於效能的問題，即開源模型是否足夠好，已經越來越有定論。Nvidia 的 Nemotron 模型、Meta 的 Llama 系列以及其他幾款模型，在絕大多數現實世界的任務中，都具備與頂尖模型競爭的實力。兩年前處於領先地位的模型已經足夠應對 90% 的專業使用場景；之前的障礙是成本，而在合理硬體上運行開源模型的成本已經大幅下降。

能夠選擇您的模型也意味著您可以針對不同的目的使用不同的模型。在數據不應離開您基礎設施的敏感工作中使用開源模型。在數據非專有的通用查詢中使用頂尖模型。這種選擇是依情境而定的，而不是非黑即白，最重要的是這是您的選擇，而不是提供商的預設設置。

強制執行界限的協定

第三個層面是互操作性（interoperability）：您的知識如何與您使用的工具和代理（agents）連接，而不會被它們吸收？

MCP（模型情境協定，Model Context Protocol）是一個開放協定，讓 AI 代理在您的條款下讀取您的知識庫。代理可以搜尋您的筆記、存取您的文件，並利用您的情境提供更好的解答，但這種互動是由該協定管轄，而不是由代理自己的服務條款管轄。您的知識庫作為任何相容代理的記憶層，您可以切換代理而不會丟失情境，因為情境存在於您的知識庫中，而不是代理的對話歷史記錄中。

這在架構上與 API 在更技術層面上提供的功能非常相似：在您的條款下以程式化方式存取您的知識，允許您建立整合、連接工作流程，並在跨工具使用數據的同時，保持對數據存放位置和存取方式的控制。

這三個層面的結合——擁有的儲存、選擇的模型以及強制執行界限的協定——創造了一個架構，讓您在獲得 AI 驅動的知識工作全部好處的同時，保留對知識本身的真正所有權。

這對團隊意味著什麼

這個論點可以直接從個人擴展到團隊和組織。

一個團隊累積的知識通常比任何個別成員的知識更有價值，因為它包含了機構記憶、客戶關係、專案歷史以及使團隊高效運作的集體理解。當這些知識存在於提供商的系統中時，團隊最寶貴的資產就掌握在第三方手中。

採用自備儲存的團隊工作空間意味著團隊的知識存在於組織自己的基礎設施中。當團隊成員離職時，知識會留下。當更換工具時，數據依然存在。當組織的需求改變時，知識會隨之移動。

對於受監管行業的組織、律師、金融服務、醫療保健而言，數據主權問題不僅是戰略性的，也是法律上的。由 AI 處理的客戶數據需要保持在定義的邊界內，而能夠確切證明數據存在於何處以及由哪些模型處理過，正成為一項合規要求，而不再僅僅是個加分項。

等待的代價

數據所有權具有時間維度，這與前一篇文章中關於情境複利（context compounding）的論點相呼應。

您在無法控制的系統中建立情境的每一天，都是在他人條款下累積知識的一天。而您在可以控制的系統中建立情境的每一天，都是累積知識並產生有利於您的複利的一天——它是可移植的、可搜尋的，且獨立於任何單一提供商。

現在轉向所有權架構的人員和團隊，在六個月後不單單是擁有更多的控制權。他們將在自己擁有的基礎設施中擁有六個月的複利情境，這與在需求變得緊急時（通常是因為目前的提供商出現了問題）才開始進行遷移相比，有著本質上的不同。

掌控自己數據的最佳時機是在您開始使用 AI 之前。第二好的時機就是現在。

常見問題

自備儲存設置起來很複雜嗎？ 設置 S3 儲存桶或 R2 帳戶只需幾分鐘。將其連接到您的知識系統通常只是一個配置步驟，而不是一個技術專案。其複雜性與連接雲端硬碟相當，一旦配置完成，系統就會透明地運作：您像以前一樣透過應用程式與您的知識進行互動，但數據存在於您的基礎設施中。

如果我想在某些事情上使用頂尖模型怎麼辦？ 模型選擇指的就是：選擇。在數據主權最為重要的敏感工作中使用開源模型。在數據非專有的通用查詢中使用頂尖模型。該架構同時支持這兩者，且決策是針對每個任務而非針對整個系統。

這適用於受監管的行業嗎？ 自備儲存在受監管的情境中特別有價值，因為它為您提供了可審計性和控制權。您可以確切證明數據存在於何處、哪些模型處理過它，以及強制執行了哪些界限。對於律師事務所、金融服務和醫療保健組織，與依賴提供商的通用數據處理政策相比，這可以顯著簡化合規流程。

那成本呢？ 對於大多數知識管理使用案例，雲端儲存成本是微乎其微的，個人用戶通常每月只需幾美元，團隊的費用也相當適中。運行開源模型的成本正在迅速下降。在大多數情況下，自建基礎設施方案的總成本與提供商託管方案的訂閱成本相當或更低。

延伸閱讀： 您的知識存在哪裡？、不要租用您的智慧、AI 優勢不在於模型，而在於記憶、誰控制了您的智慧？。相關指南： 人們如何使用 Fabric、設置協作工作空間。