新美国安全中心（CNAS）8月发布的《主权AI指数》2.0版显示，全球主权AI项目已从2023年初的1个增至184个，覆盖67个国家及欧盟。这一增长表明，主权AI已从个别富裕国家的政策偏好演变为全球性浪潮，而其中最值得关注的变化发生在供应侧：美国基础模型的主导地位出现松动，中国模型正通过两家实验室进入6个国家。
该指数为观察主权AI的全球扩散提供了量化刻度。2023年1月，指数仅追踪到1个主权AI项目；截至2026年年中，累计项目已达184个。仅2026年上半年就新增41个项目，超过2024年全年总和；新增峰值出现在2025年下半年，达到51个。扩散呈现“广而浅”的特征：40%的追踪国家只支持1个项目。参与门槛在下降，2023年主要是欧洲、东亚和海湾地区的富裕经济体，到2026年年中已扩至67国，其中10个首次进入的国家全部属于中低收入经济体，包括柬埔寨、多米尼加、埃及、加纳、尼泊尔、巴基斯坦、巴布亚新几内亚、巴拉圭、菲律宾和乌拉圭。目前全球约三分之一的国家在推进某种形式的主权AI，这些国家合计占中美两国以外全球GDP的约90%。
主权AI的扩散并非均匀推进，先行者持续加码。2023年已有项目的国家此后都在追加投入，2026年上半年约70%的新项目来自指数已收录的国家，仅10个国家就占了全部追踪项目的近40%。新入场者扩大了参与范围，但持续加码的老玩家才是供应侧博弈的核心，他们的底座选择直接决定全球主权AI供应链的格局。
在模型层面，美国仍占主导，但基础正发生变化。多数国家承认从零打造有竞争力的主权模型并不现实，因此仍以美国基础模型为技术底座。CNAS判断，各国对美国底座的持续偏好“并非理所当然”。变化的驱动力来自中国模型的入场：中国模型在2025年之前基本缺席，如今已通过两家实验室出现在6个国家——阿里巴巴的通义千问（Qwen）进入埃及、新加坡、泰国、乌干达和阿联酋；哈萨克斯坦的国家模型AlemLLM则由零一万物（01.AI）提供直接技术支持，据称基于中国专有底座。CNAS报告未明确说明各国选择中国底座的具体原因，但数据指向两个关键因素：成本与可得性，以及供应连续性的保证。主权AI的核心动机本就是降低对外依赖，选择哪家供应商取决于谁更不可能在关键时刻切断供应，这种分散化策略为中国底座打开了机会窗口。
还有一批国家选择更彻底的路径：从零训练自己的模型，不依赖任何外国底座，原因在于担心未来被切断供应。指数追踪的“从零构建”主权模型数量每年约翻一倍，目前约占全部模型项目的40%，创历史新高。这些模型在能力上明显落后于前沿水平，但CNAS强调“次前沿并不等于无用”。约三分之二的从零构建模型参数不足700亿，与中国月之暗面Kimi K3的2.8万亿参数悬殊。然而，只要能力满足特定场景需求就有价值：瑞士从零训练的Apertus模型整体性能低于前沿水平，但提契诺州微调后，在机密文件翻译方面的表现优于Meta的Llama Scout。这揭示了主权模型项目中的普遍权衡：以接受能力降级为代价，换取对数据的本土控制权。
主权AI的推进深度出现分化。算力、模型、数据构成AI技术栈的三个层面，多数国家仅停留在算力建设层面，只有印度、韩国、英国和中国台湾等少数经济体在三个层面均有可运营项目。全栈参与者与仅拥有单层项目的国家之间的差距，可能比传统国家间贫富差距更值得关注。与此同时，产业级主权AI正在兴起：2026年上半年，韩国推出造船基础模型，中国台湾推出金融行业模型，乌克兰推出国防数据平台；此前已有土耳其资助医疗与金融领域特定模型、法国启动国防AI项目等先例。专有数据、严格监管和国家安全意义，使关键产业有强烈动机降低对外依赖，主权AI正从“国家战略”下沉到“行业基础设施”层面。
面对这一浪潮，CNAS报告给华盛顿的建议是：将推动海外全面采用美国AI技术栈作为政策目标既不现实也不明智，没有任何国家，包括美国最亲密的盟友，会接受这种程度的依赖。美国的正确目标应是成为“全球首选的主权合作伙伴”，通过让美国AI技术栈的获取更可预测、透明、可靠，来缓解各国对技术依赖的焦虑。
对中国而言，这份指数揭示了其双重角色：既是参与者——自身算力与模型自主建设，也是供应者——通义千问、零一万物等技术底座已进入别国主权AI项目。当美国以“首选主权伙伴”为定位巩固盟友生态时，中国模型出海构成了另一条供应线。值得思考的不仅是自身主权是否足够，还包括“成为别国主权AI的供应底座意味着什么”——这涉及技术标准、数据治理与地缘信任等多重成本。值得注意的是，主权AI投入最大的群体是2023年既已启动并持续加码的先行者，这些国家主权诉求最强、底座切换最谨慎，既是中国作为供应者最难争取的对象，也是最有战略价值的客户。