**美國對AI的國家安全布局，正在從「限制晶片出口」進一步深入到「保護AI推理基礎設施」。**美國智庫蘭德公司（RAND）最新提出「安全推理資料中心」（Secure Inference Data Center，SIDC）架構，主張以接近軍事與高敏感關鍵基礎設施的安全標準，打造專門保護AI推理能力的資料中心。

這份51頁報告表面上是一套資料中心工程設計方案，但其背後透露出的戰略訊號相當明確：當AI推理能力被視為國家安全資產，承載AI模型與算力的資料中心，也可能從單純的商業機房，升級為國家級戰略基礎設施。

從「保護資料中心」變成「打造AI安全堡壘」

RAND認為，面對具備OC5級能力的國家級攻擊者，傳統資料中心依靠防火牆、加密、身分驗證與存取控制等方式逐層加固的安全模式，可能已經不足。

OC5是RAND設定的一種頂級威脅模型，假設攻擊組織擁有大量專業人才、龐大資金、國家級基礎設施，以及合法商業或其他形式的掩護。

因此，SIDC的核心思維不是「資料中心蓋好後再加強防護」，而是從設計第一天開始，就把安全機制融入硬體、軟體、通訊、供應鏈與營運架構。

簡單來說，就是把資料中心本身設計成一座**「AI數位堡壘」**。

SIDC將整體設施劃分為8個彼此隔離、互不完全信任的安全區域，模型權重、推理演算法與重要參考資料，只能在最核心的可信推理環境中以明文形式存在，並盡量降低資料跨區域流動。

這種設計的目的，是即使某個區域遭到攻擊，也不至於讓攻擊者直接取得整個AI系統的核心資產。

連「資料怎麼走」都要被鎖死

SIDC最具特色的地方之一，是對跨區域資料傳輸採取極端嚴格的限制。

報告提出使用物理層固定的單向資料通道，也就是俗稱的「資料二極體」，讓資料只能朝特定方向傳輸，藉此降低反向通訊、遠端控制以及潛伏式資料外洩的可能。

換句話說，即使上層軟體遭到攻破，攻擊者仍可能受到硬體層面的限制，無法自由建立雙向通訊。

此外，跨域通訊協定還必須經過形式化驗證，並考慮利用FPGA客製化電路、有限狀態機以及後量子密碼學等技術，進一步降低系統遭突破的風險。

RAND甚至將「供應鏈遭到滲透」直接納入威脅模型。

這代表SIDC並不假設每一塊晶片、每一套軟體或每一項設備都值得完全信任，而是採取「即使設備遭到入侵，系統仍要能夠限制損害」的設計思維。

代價也非常驚人：最高可能超過3億美元

不過，最高等級的安全並非沒有代價。

RAND估算，SIDC概念驗證版本的建置成本約為3,700萬至5,000萬美元；如果進入企業級規模，成本可能提高至約2.77億至3.45億美元。

正常建置時間約需2至2.5年，在緊急情況下則可能壓縮至14個月左右。

更大的問題是運作效率。

高度隔離的安全架構，意味著資料傳輸與驗證需要增加額外程序，報告估計單次推理請求的安全往返開銷可能達到3至5分鐘。

此外，SIDC的軟體環境可能需要維持長期穩定，甚至在5年生命週期內維持相對凍結狀態。

這與目前AI產業「幾週甚至幾天就可能推出新模型、新工具」的快速迭代文化，形成非常明顯的矛盾。

因此，SIDC顯然不是為一般商業AI服務設計，而是針對最高敏感度、最高安全需求的AI應用。

中美AI競爭，戰場從GPU延伸到「算力環境」

SIDC真正值得關注的地方，也正在這裡。

過去談到中美AI競爭，焦點往往集中在GPU、先進製程、HBM、半導體設備以及AI模型能力。

但現在競爭的範圍正在進一步擴大。

誰掌握晶片？

誰擁有算力？

誰能訓練更強大的模型？

以及——誰能確保這些模型在最敏感的環境中不被竊取、不被滲透、不被操控？

這些問題正在逐漸被視為同一場AI戰略競爭的一部分。

美國近年持續以國家安全為理由，對先進AI晶片、半導體設備以及相關技術實施出口管制；如今RAND提出SIDC，則將安全邊界進一步延伸到「晶片所在的整個運算環境」。

也就是說，未來的AI安全可能不只是問「這顆GPU安不安全」，還要問：

這顆GPU放在哪裡？誰能接觸？資料怎麼進出？模型權重如何保存？供應鏈是否可信？即使內部系統被攻破，核心AI能力是否仍然安全？

AI代理時代，SIDC也面臨新的挑戰

然而，SIDC並非沒有問題。

最大的挑戰之一，就是AI發展速度與高安全隔離架構之間的衝突。

現在的AI正快速從聊天機器人走向AI代理（Agentic AI）。未來AI可能需要自主調用工具、存取不同資料來源、執行任務並與其他系統互動。

但SIDC強調的恰恰是「少連線、少信任、少跨域」。

AI越需要與外部系統互動，安全隔離就越困難。

另一個問題則是成本。

SIDC需要大量客製化硬體、專用通訊設備以及具備形式化驗證能力的專業人才。RAND估計，單是通道控制器的開發成本就可能達到1,000萬至2,250萬美元。

因此，這種模式很難成為一般企業資料中心的普遍標準。

「AI算力堡壘」會成為下一個戰略基礎設施？

從戰略角度來看，RAND這份報告最值得注意的，並不是SIDC是否會立即大量落地，而是它反映出一個越來越清楚的趨勢：

AI正在從商業科技，逐步進入國家安全基礎設施的範疇。

當前沿AI模型被視為具有經濟、軍事與戰略價值的資產，保護AI模型的方式自然不可能只停留在帳號密碼、防火牆與網路加密。

未來，最重要的AI推理能力可能被部署在高度隔離、由政府或公共機構掌控的專用資料中心中，並以接近國家級關鍵基礎設施的標準進行管理。

這也可能進一步加深中美AI產業鏈的分化。

美國正在強化晶片、設備、供應鏈與資料中心的安全防線；中國則持續推動自主可控的AI晶片、算力與軟體生態。

如果雙方都朝著「自主供應鏈＋自主算力＋高度安全隔離」的方向發展，全球AI產業未來可能不只是兩套技術標準，而是逐漸形成兩套相對獨立的AI基礎設施體系。

AI競爭的下一戰：不是誰的GPU最多，而是誰的算力更難被攻破

從GPU到資料中心，從模型到供應鏈，從訓練算力到推理環境，中美AI競爭正在快速擴大戰場。

RAND提出的SIDC，或許不代表未來所有資料中心都會變成「AI堡壘」，但它至少透露出一個重要訊號：

當AI算力本身被視為國家戰略資產，資料中心就不再只是放置GPU的機房，而可能成為保護國家級AI能力的「最後防線」。

未來AI競爭的關鍵，恐怕不只是「誰擁有更多晶片、誰能訓練更大的模型」，還包括：

誰能建造更安全的算力、掌握更可靠的供應鏈，以及在最強大的攻擊者面前，仍然守住自己的AI能力。

這場中美AI競爭，也因此可能正從「算力競賽」，進入下一個階段——「算力安全競賽」。

本文由華人工商資訊組編輯整理，並使用 AI 工具協助潤飾，內容經人工查證與審核／本圖由 AI 協助生成