> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # 主權 AI 是什麼？不是你的權重，就不是你的產品：Sequoia 解碼企業自建 AI 的兩座堆疊 - URL: https://growthhackers.tw/blog/sovereign-ai-own-your-weights/ - Published: 2026-08-19T13:00:00.000Z - Updated: 2026-08-19T13:00:00.000Z - Description: 主權 AI 是什麼？它講的是控制權，不是成本。解碼 Sequoia 合夥人 Sonya Huang 的主題演講：企業自建 AI 的四個判斷因子、生產堆疊與開發堆疊的差別，以及台灣中小電商真正該先做的那一步。 - Author: Lewis wang - Tags: 主權AI, 開源模型, AI策略, 趨勢解碼, 電商經營 一張加密貨幣時代的梗圖，被改了三個字。 Sequoia Capital 在 8 月 11 日公開了一段主題演講，講者是合夥人 Sonya Huang，台下坐著大約 80 位投資組合公司的創辦人與 AI 負責人。活動名稱很直接，叫做「Own Your Intelligence」，擁有你自己的智慧。她自己說，這場活動一半是集結號，一半是技術教學。 講到一半，她放出那張玩過幣的人都認得的梗圖：Not your keys, not your crypto。你的幣如果是別人幫你保管的，那它本質上就不是你的。 然後她把它改成：**Not your weights, not your product.** 不是你的權重，就不是你的產品。 這句話這幾天被轉得很兇，但我看到的轉述十個有八個轉歪了，一律翻成「開源模型比較便宜，快去自建」。 原梗在講的是保管權，不是手續費。 先講結論，免得你看完跑錯方向：這篇不會叫你去買 GPU，也不會叫你去訓練模型。 但它會讓你看見一件事。你今天已經站在「租」和「擁有」這條光譜的某一格上了，而那一格，不是你選的。 先給一句話的定義，免得後面愈看愈模糊：**主權 AI（sovereign AI）講的是企業對自己 AI 能力的控制權，從評測、資料、context 到模型權重，哪幾層自己擁有、哪幾層交給外部供應商。** ## 先把話講清楚：她的立場，還有我的 Sonya 上台沒多久就先澄清一句：「我們絕對不是在叫大家別用 Opus 或 GPT。」對通用任務、coding agent（寫程式的代理）、桌面工作，閉源前沿模型的 API 依然很好用。她講得很白，這場活動要談的，是越來越多公司開始在產品的「某些環節」自建 AI 能力，往上垂直整合。 我也要先把我自己的話講清楚。 我之前寫過一篇[模型是租來的，know-how 才是你的](https://growthhackers.tw/blog/jensen-huang-open-agent-proprietary-knowledge/)，那篇我把話講得很死：如果你是台灣的中小電商，聽完就跑去研究要不要自架模型，你被帶偏了。 那句話今天還是對的，這篇不推翻它。 但那篇只講了一半。Sonya 這場演講，剛好把另一半補上了。 ## 你租的不是算力，是你產品的行為 想像一下，你花了兩個月，終於把客服機器人調到你滿意。語氣對了，退換貨的界線抓準了，連怎麼婉拒不合理的要求都磨過好幾輪。 然後某天早上你打開後台，發現它講話的方式變了。 你什麼都沒改。變的是上游。 我先說清楚，這個場景是我自己舉的例子，不在 Sonya 的演講裡。她整場沒有花任何力氣去嚇人。 但她選了那張梗圖。而那張梗圖的原意就是保管：東西放在別人那裡，順的時候什麼事都沒有，出事的時候你沒有話語權。 以前你採購一套軟體，版本鎖在那裡，你不升級它就不會變。現在你接的是一條 API，它背後那顆模型長什麼樣、什麼時候換代、舊版什麼時候退場，決定權都不在你手上。你花兩個月調出來的那些眉角，是疊在一塊會自己動的地基上面。 重點是什麼？ 你以為你在租算力。你其實是在租你產品的行為。 這也是為什麼最近一個月，這套論述突然在矽谷燒起來。Sonya 在演講裡點名了 Alex Karp（Palantir 執行長）和 Satya Nadella（微軟執行長）都出面支持企業擁有自己的智慧。另一條線是黃仁勳：2026 年 7 月 24 日，他用生平第一則 X 貼文，發出一封名為〈Open Weights and American AI Leadership〉的公開信，主張開放權重模型必須留在美國，連署名單一天之內翻倍到 50 家，包含 OpenAI 和 Google（[Fortune](https://fortune.com/2026/07/24/jensen-huang-open-source-letter-nvidia-kimi/?ref=growthhackers.tw)）。 如果你問我，這份名單最值得玩味的不是誰簽了，是誰沒簽。根據 [Forbes](https://www.forbes.com/sites/sandycarter/2026/07/25/huangs-open-weights-letter-doubled-to-50-without-amazon-and-anthropic/?ref=growthhackers.tw) 的整理，Amazon 和 Anthropic 都不在上面。而 Anthropic 賣的，正好就是閉源前沿模型的 API。 立場這種東西，通常跟你的損益表長在一起。 ## 企業自建 AI 的四個理由，第一個最反直覺 Sonya 列了四個企業真的動手的理由：成本、速度、效能、掌握自己的命運。 第一個最反直覺。她說，對低毛利、零毛利、甚至負毛利的公司來說，主權 AI 不是加分項，是必要項。而且很諷刺：**你的 AI 產品越成功，你的 AI 成本（COGS，銷貨成本）往往越高。**所以最早、最積極導入 AI 的那批公司，反而最早被逼上自建這條路。 這個結構我太熟了。 以前在百貨做專櫃，最怕的就是這件事。百貨給你人流，你付抽成。生意差的時候你嫌抽成貴，生意好的時候呢？你會發現你每多賣一件，就多繳一次過路費。做得越好，繳得越多。所以專櫃做到一個規模，很多品牌都會開始盤算同一件事：我要不要自己開一家店？ 那個念頭通常不是為了省那幾個百分點。是為了「那批客人到底是誰、會不會回來找我」這件事，你想自己說了算。 AI 這筆帳，現在長得一模一樣。 第二個是速度。她說在某些領域，coding 是一個，資安是另一個，一顆小型的、蒸餾過的客製模型可以打贏一顆大型通用模型，因為在那個場景裡，快就是全部。 第三個是效能，她特別註明這是相對新的理由。去年多數公司自建並不是為了效能更好，今年不一樣了。 第四個，繞回我們一開始講的那件事：掌握自己的命運。 這段她講得很客氣，說 Anthropic 和 OpenAI 一直是生態系裡很好的夥伴，但企業越來越希望自己有一雙能獨立站著的腿。 客氣歸客氣，意思很清楚。夥伴再好，那也是別人的腿。 ## 該租還是該養？企業自建 AI 的四個判斷因子 主權 AI 不是二元的。你不會是 0%，也不會是 100%。策略的重點在畫線：哪些智慧你要自己擁有，哪些外包出去你很安心。 Sonya 給了四個判斷因子： 1. **成本**：這條成本佔你整體 COGS 的比重有多重？ 2. **速度與延遲**：它是不是 P0（最高優先級）？ 3. **效能**：在你這個領域，拿自己的資料去調，會不會反而更好？ 4. **專屬資料**：你餵給模型的東西，機密程度有多高？ ![企業自建 AI 的四個判斷因子：成本、延遲、效能、專屬資料，租與自建之間是一條光譜](https://growthhackers.tw/content/images/2026/08/inline-four-factors-watermarked-v1.png) 她的例子很具體。同樣在寫程式這件事上，coding agent 目前大多還是用租的，因為你要的是開箱即用的強效能，延遲不是 P0；但 tab 自動完成的模型幾乎都自建，因為呼叫頻率極高、成本累積得飛快，而且慢半拍就沒人要用。資安公司多半自建，為了速度、效能，還有很客製的後訓練。生技公司走自建，是因為那個領域的專屬資料太值錢。 我之前寫過的[哪幾層用買的、哪幾層自己造](https://growthhackers.tw/blog/stripe-kai-agent-platform-governance/)，講的就是怎麼畫這條買造分界線，當時模型那一層是直接歸在「買」的。 Sonya 這張表，等於幫那份分界表加了一列。模型權重這一列，2026 年開始有得選了。 結論我先講在前面：**你這張表跑完，如果你是中小電商，九成的格子答案會是「租」。這很正常，也很正確。** 有價值的從來不是答案。是你終於知道自己站在哪一格。 ## 什麼時候才真的該從租轉自建？長期、穩定、大量 Sonya 沒有給一個數字門檻。我想她也給不了，每家公司差太多。 但這個決策長什麼樣子，我還算熟。以前做雨傘的產品開發，要出一支新的傘骨結構，就得開模具，而開模是一筆不小的錢。 你不會因為「自己開的模比較好」就去開。你也不會因為手上剛好有預算就去開。 你是等到這一款的量大到，攤下來比外面買便宜，而且你有把握它會一直賣下去，你才敢開。 開模真正的門檻從來不是錢。是「你確定這一款會長期、穩定、大量地賣」。 自建模型是同一件事。門檻不在你有沒有預算，在你那個環節有沒有跑到「長期、穩定、大量」這三個字。 Sonya 的例子其實已經把答案講出來了。tab 自動完成之所以幾乎都自建，就是因為它呼叫頻率極高，每天跑，跑不停。那是一個量已經到了的環節。 所以問題很簡單：你的客服機器人一天被叫幾次？你的商品文案一個月生幾篇？ 先去數。數完你大概就知道，這個模該不該開。 ## 全場最該被轉述的一張圖：生產堆疊與開發堆疊 這是我認為最有價值、卻最少人轉述的部分。她把整件事拆成兩座堆疊。 **生產堆疊（production）**：使用者看得到的每一個 token 背後的東西。她的定義很乾脆，就是一個 harness（執行框架）架在一顆模型上面。 **開發堆疊（development）**：你拿來把智慧調好的那些工具和供應商。 ![生產堆疊與開發堆疊對照：生產堆疊是 harness 架在模型上，開發堆疊是評測、資料、後訓練與線上學習的回饋迴圈](https://growthhackers.tw/content/images/2026/08/inline-two-stacks-watermarked-v1.png) （harness 如果你還不熟，可以先看我之前寫的[Agent Harness 是什麼](https://growthhackers.tw/blog/what-is-agent-harness/)。） 翻成你的電商後台，大概長這樣。 生產堆疊，是客人在你官網問「這件洗了會不會縮」的時候，那句回覆是怎麼生出來的：用哪顆模型、接了哪些工具、餵了哪些商品資料進去。 開發堆疊，是你怎麼知道那句回覆是好是壞：你有沒有一份題庫、有沒有人在看、這個月跟上個月比有沒有退步。 台灣中小電商的現況，我看到的多半是生產堆疊有東西，開發堆疊整座是空的。 你有 AI 在回話。但沒有人在打分數。 走閉源這條路，整座堆疊都很簡單。你用 Opus、GPT 這類基礎模型，配上人家附的開箱即用 harness。你可以自己寫 prompt、自己餵 context、自己做評測，這樣就能走得相當遠。你不太需要收集大量資料，也不需要訓練任何模型。 她給了一句我很喜歡的評語：**地板比較高，但天花板比較低。** ![閉源 API 是地板高但天花板低，自建堆疊是地板低但天花板高](https://growthhackers.tw/content/images/2026/08/inline-floor-ceiling-watermarked-v1.png) 天花板為什麼低？因為你沒辦法拿自己正式環境跑出來的資料，回頭去把智慧本身變得更好。你能調的，永遠是外面那一層。 一旦你決定要擁有自己的智慧，她的形容是，像打開潘朵拉的盒子。原本乾淨漂亮的一行 API 呼叫，現在變成：你得挑一顆開源基礎模型，在上面做大量後訓練（post-training）；harness 也得自己配，邏輯、工具、context 全部自己接，不能再拿一個現成的 agent 就上。 同時開發堆疊會突然變得很重要。你要持續監控評測、盯著模型在正式環境的漂移；你要準備大量高品質資料做後訓練，可能是專家的操作軌跡、合成資料、或者強化學習環境；最後你還要設計「線上學習」，讓系統每被使用一次就更好一點。 以前你是把一個現成的大腦接進你的流程。現在你是在養一隻大腦，而餵它的飼料，是你每天跑出來的正式營運資料。 她中間插了一段講 context，說 context 對效能的影響極大，並列了幾個流派：向量資料庫（例如 turbopuffer）、企業知識圖譜（例如 Glean）、透過 MCP 的開源連接器，以及更前沿的做法，把 context 直接編碼進模型權重裡。 對台灣中小企業來說，這段才是真正的重點。 你現在能「擁有」的東西，順序是這樣：你的評測、你的資料、你的 context。權重排最後，而且你大概率永遠不需要碰它。 這跟我之前寫的[第一方資料為什麼比模型更關鍵](https://growthhackers.tw/blog/ai-agent-first-party-data-moat/)是同一條線，只是這次它有了明確的技術位置，就在 context 那一層。 ## 她說被嚴重低估的一步，剛好是行銷人的主場 Sonya 的四步驟框架是：策略、團隊、可讀性、技術路線圖。她自己先聲明過，這是主觀意見，她不是技術背景出身，建議大家保留地聽。 團隊那一步，她給了一個很值得聽的提醒：不要把既有的 AI 平台團隊硬塞去做這件事。平台團隊是服務職能，思維模式不一樣。她建議從零開始建一支精實的小團隊，找那種能站在前沿思考、主動出擊的人，不是只負責支援其他部門的人。她舉 Harvey 為例，那是一支只有 7 個人的團隊，已經發表了大量研究。 然後是第三步，「可讀性（legibility）」。她說這一步被嚴重低估。 她引用 Harvey 執行長 Winston Weinberg 的說法：CEO 的責任有兩個，一是驅動實質成果，二是掌控敘事、掌控外界對你在做什麼的認知。 她的觀察是，現在每一個買家都在挑自己的「AI 冠軍」供應商，而他們聽到的推銷話術，一套一套長得都差不多。要脫穎而出，你得做出色的技術行銷，甚至成立獨立品牌的研究團隊，用夠好的品味把研究發出去。就在演講前一天，Harvey 才宣布成立 [Harvey Research](https://www.harvey.ai/research?ref=growthhackers.tw)。 不是我說，這一段對台灣公司特別有殺傷力。 台灣中小企業做 AI，最常見的狀況是做了一堆、也真的有效果，但外面完全不知道。你導入了、流程改了、客訴降了，然後呢？然後沒有然後。沒寫、沒講、沒人知道。 以前這叫低調。現在這叫把分數丟在桌上不撿。 ## AI 評測（eval）是你最先該擁有的資產 技術路線圖那一步，她給的順序是：先定策略，接著**定義評測（eval）**，然後才開始玩 model router 和 harness。有些公司用開箱即用的模型就有好效能，有些要靠後訓練拿到明顯提升，少數情況才需要走到 mid-training、pre-training，最後把機制建起來，讓即時的客戶互動資料形成正向循環。 她對「定義評測」這一步的評語很誠實：這件事極其重要，卻枯燥、不性感。但你前期做得越紮實，後面每一步都更有優勢。 我在寫[小而準的利基模型](https://growthhackers.tw/blog/ai-startup-1-percent-rule/)那篇的時候，行動建議第一條就是自己出 20 題、每題先寫下什麼叫做對、跑完不准改標準。 現在你知道那 20 題到底是什麼了。 那不是一份考卷。那是你唯一從第一天就 100% 擁有、而且沒有任何供應商能收回去的東西。你換模型，它還在。你換供應商，它還在。它是這條光譜上，唯一不用花錢就能站穩的那一格。 ## 開放權重模型追上來了：2026 才成立的新條件 Sonya 特別強調有一件事是今年才成立的：擁有自己的堆疊，第一次真正有機會做出「超越前沿模型」的效能。 她把功勞給了最新一批開放權重模型，點名 Kimi K3 和 GLM-5.2 已經非常接近前沿。權重拿得到，就代表它比閉源 API「可塑」得多。起點已經很靠近前沿，只要技術路線圖夠好，後訓練夠強，harness 工程和線上學習都跟上，就有機會做出比前沿模型更好的效能。 補兩個你可以自己去查的規格：[Kimi K3](https://www.kimi.com/blog/kimi-k3?ref=growthhackers.tw) 是 Moonshot AI 的模型，2.8 兆參數，支援百萬 token 的 context 長度，完整權重在 7 月 27 日釋出。GLM-5.2 則是智譜 AI 的開放權重模型，同樣可以下載權重自己跑。 看得懂這件事的重量嗎？前沿模型的能力，過去兩年是被幾家公司鎖在 API 後面的。現在它有一份你可以下載、可以改、可以自己跑的版本。 ## 你現在該做的五件事 切入重點，由淺到深五件事。 ► **第一：畫一張「保管權地圖」。** 把你產品和營運裡每一個用到 AI 的環節列出來，每一格標上兩個欄位：這格的模型權重在誰手上？這格明天被換掉，我要多久才能恢復？先不要動任何東西，先知道。 ► **第二：每一格問那四個因子。** 成本佔 COGS 多重、延遲是不是 P0、用自己的資料調會不會更好、餵進去的資料多機密。九成會落在「租」，那就大方租，但要租得心裡有數。 ► **第三：把評測寫出來。** 不用買工具，一張表就好。20 題真實情境，每題先寫死什麼叫做對，跑完不准改標準。這是成本最低、效期最長的一步。 ► **第四：把 context 當資產在管。** 你的商品資料、客服對話、退換貨規則、內部 SOP，該進向量資料庫的進，該用 MCP 接起來的接。這才是中小企業版的「擁有智慧」。 ► **第五：做可讀性。** 把你做過的 AI 改造寫成一篇東西，給你的客戶、通路、投資人看。你不講，市場就只能從價格認識你。 ## 最後 Sonya 這場演講，說到底是講給 80 個 AI 新創創辦人聽的，那些公司的產品本身就是智慧。你不在那個房間裡，我也不在。 所以如果你看完的結論是「我該去買 GPU 了」，那我們讀到的大概不是同一場。 2026 年真正的訊號，不在「快去自建」這四個字。在於租跟買之間，第一次長出了中間地帶。以前你只有兩個選項：完全交出去，或者完全自己來，而後者你根本負擔不起。現在中間多了好幾格，評測、資料、context、harness，每一格你都可以自己決定要握多緊。 主權從來不是一個開關。它是一條光譜。 你今天已經站在這條光譜的某一格上了。差別只在於，那一格不是你選的。 現在你可以選了。 ## 常見問題 **Q1：主權 AI（sovereign AI）是什麼？** 指企業擁有自己的智慧、不依賴外部供應商，一路擁有到模型權重那一層。Sonya Huang 的定義借用了主權國家的概念：一個主權國家擁有完全的自我治理權。實務上它不是二元的，你可以只擁有其中幾層，例如評測、資料、context，而把模型繼續用租的。 **Q2：中小企業需要自己訓練模型嗎？** 大多數不需要。用四個因子檢查就知道：這條成本佔你 COGS 的比重、延遲是不是 P0、用自己的資料調校會不會更好、專屬資料的機密程度。四個因子如果都不極端，答案就是租。Sonya 自己也強調，這場活動不是要大家別用 Opus 或 GPT。 **Q3：生產堆疊和開發堆疊差在哪？** 生產堆疊是使用者看得到的每個 token 背後的東西，本質是一個 harness 架在模型上。開發堆疊是你用來把智慧調好的工具，包含評測監控、後訓練資料、線上學習機制。走閉源路線時開發堆疊很薄，走自建路線時它會突然變成主戰場。 **Q4：開源模型真的追上閉源了嗎？** 在特定領域上已經很接近。Sonya 點名 Kimi K3 與 GLM-5.2，認為它們的起點已經逼近前沿，關鍵優勢在於權重拿得到、比閉源 API 更可塑。但她的說法是「起點接近」，要真的超越前沿，還得靠後訓練、harness 工程和線上學習補上去。 **Q5：閉源模型的「地板高、天花板低」是什麼意思？** 地板高，是指你用開箱即用的閉源 API 就能得到不錯的效能，起步容易。天花板低，是指你沒辦法用自己正式環境的資料回頭改善智慧本身，能優化的只有 prompt 和 context 那一層。 **Q6：什麼情況下才真的該從「租」跨到「自建」？** Sonya 的演講沒有給數字門檻。可以參考的判準是量：她提到 tab 自動完成的模型幾乎都自建，原因是呼叫頻率極高、成本累積得飛快，而且速度是關鍵。換句話說，判斷點在那個環節有沒有跑到「長期、穩定、大量」。先去數你的實際呼叫量，再談要不要投資。 ## 資料來源 - Sonya Huang, Sequoia Capital，[How Companies Are Building Their Own Intelligence](https://www.youtube.com/watch?v=bMMv0bZzONg&ref=growthhackers.tw)（2026-08-11） - [Fortune：黃仁勳的開放權重公開信](https://fortune.com/2026/07/24/jensen-huang-open-source-letter-nvidia-kimi/?ref=growthhackers.tw)（2026-07-24） - [Forbes：連署名單一天翻倍至 50 家](https://www.forbes.com/sites/sandycarter/2026/07/25/huangs-open-weights-letter-doubled-to-50-without-amazon-and-anthropic/?ref=growthhackers.tw)（2026-07-25） - [Kimi K3 技術部落格](https://www.kimi.com/blog/kimi-k3?ref=growthhackers.tw) - [Harvey Research](https://www.harvey.ai/research?ref=growthhackers.tw) **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。