倡议数量不等于岗位数量

消息提到，CNAS称这是主权AI的第二波浪潮，到2026年中期已追踪到67个国家和欧盟的倡议，而2023年只有16个政府。这个数字说明政策关注在扩散，但素材没有提供任何国家主权AI项目对应的招聘岗位数量或类型。对求职者来说，一个基本判断是：不要把倡议数量直接当成招聘信号。你更该看具体组织发布的职位描述，而不是“某某国发布AI战略”的标题。假设你看到一份写明“支持国家AI战略”的岗位，第一件事是问它的交付物：是写政策报告、做供应商评估，还是部署本地系统？不同交付物对应完全不同的准备方向。若描述只谈战略意义，不谈具体产出，就需要在面试或公开信息中继续核查。

依赖外国开源模型时，核查哪些分工

CNAS发现，大多数有披露基础模型的项目都在适配外国开源权重模型，Meta的Llama是最常见的基座。西班牙Multiverse Computing发布的Quasar 438B基于中国Z.ai的GLM-5.2，其贡献是压缩和更高效部署，而非完全独立的基础模型。同时，一种观点认为，主权AI可以给国家更多控制权，同时将美国和中国技术更深地嵌入其经济。这组信息不能推出岗位需求，但提示了一个核查方向：如果项目依赖外部基座，工作可能更偏适配、部署、合规或供应商协调，而非从零训练。注意，这只是需要向目标岗位确认的问题，不是对真实工作内容的断言。两类做法差异很大：一种是自己啃开源权重做微调，另一种是采购外部方案再做本地数据对接。前者偏工程，后者偏项目管理与法规理解。读岗位描述时，先确认它偏哪一边，再决定技能准备。

面试中把宏大叙事拆成可核查问题

如果你进入面试，可以用提问缩小信息差。可以问：项目的基座模型来自哪里？数据本地化要求具体到什么程度？团队和外国供应商的协作方式是怎样的？这个岗位前六个月要交付什么？谁评估成果？这些不是标准答案，而是核查岗位真实需求的起点。假设一个模拟场景：面试官说“我们在做自主可控”，你可以追问“自主可控具体指模型权重、训练数据、推理部署还是合规认证？”对方的回答会帮你判断岗位更靠近政策研究、技术协调还是合规落地。若对方只重复战略口号，答不出基座来源和交付物，至少说明这个岗位的职责可能还在变化。最后给一个小建议：下次看到主权AI相关机会，先写下三个核查问题——项目阶段、基座来源、数据与供应商分工，再去投递或面试，而不是被宏大叙事推着走。