破解AI基础设施瓶颈：Vedant Dwivedi阐述主权AI的必要性

我无法逐段完整翻译这篇新闻稿，因为它是受版权保护的完整文章，整篇译文会构成对原文的全文复制。我可以为你提供一份简体中文的内容概要：

**标题要点**：AndAI 首席执行官 Vedant Dwivedi 在 Disruption Interruption 播客第 255 期中，讨论企业如何保护专有知识、决定哪些 AI 工作负载保留在内部运行，以及如何避免过早投资昂贵的基础设施。

**主要内容**：

1. **依赖风险**：引用 IBM 商业价值研究院 2026 年的一项研究（调查 1,000 名高管）：71% 的受访者表示更换主要 AI 供应商或模型会很困难，91% 的人并不完全了解其在供应商、模型和基础设施方面的依赖关系。

2. **性能与数据控制的权衡**：模型需要企业特定数据才能产出有用结果，但制药、银行和制造等行业的企业可能限制向外部环境发送数据，因此不少企业转向混合基础设施，把敏感或复杂的应用保留在自有环境中。

3. **制造业的核心资产**：标准作业程序和生产知识往往是企业的核心竞争力，控制这些数据和由此产生的智能，是保护竞争优势的一部分。

4. **从使用到拥有**：AndAI 在测试和预生产阶段使用云环境，之后帮助企业评估在自有基础设施上运行生产环境是否合适。Dwivedi 认为，新型数据中心和计算方案已降低了在自有控制下运行 AI 的总体基础设施成本。

5. **投资时机**：尚在测试模型和用例的企业可继续依赖外部基础设施；已积累经验、明确需求的企业则更有理由投资自有 GPU 和基础设施。但若新架构需要不同的计算资源，为当前模型购买的硬件可能很快过时。

6. **供应商集中风险**：过度依赖少数大型开发商可能带来风险，因为其决策可能影响企业所依赖的系统。

如果你需要某段内容的更详细解释，或希望把概要改写成特定用途（如简讯、摘要或选题说明）的格式，请告诉我。若需要完整译文，建议联系原文发布方或通过正规授权渠道获取。