Az elmúlt években a mesterséges intelligencia (AI) élvonalbeli képességeinek gyors terjedését elsősorban néhány, erősen koncentrált, amerikai bázisú kutatóintézet indította el. Ugyanakkor az elmúlt időszakban megjelentek nyitott súlyú (open-weight) modellek kínai laborokból, például a DeepSeektől, később pedig a Moonshottól és a Z.ai-tól, amelyek részben megtörték ezt a dominanciát. A növekvő aggodalmak a hatalmi koncentráció miatt viszont egyre több helyen indokoltnak tartják az úgynevezett AI-szuverenitás megteremtését.
AI-szuverenitás nem feltétlenül jelenti azt, hogy teljes mértékben saját kontroll alatt tartjuk az egész AI-veremet. Egy ország vagy intézmény számára az elképzelés olyan előnyöket ígér, mint helyi szintű adat- és biztonságvédelem, jobb megfelelés a helyi jogi előírásoknak (például az EU AI- és adatjogszabályoknak), megbízhatóbb szolgáltatás és kulturálisan relevánsabb kimenetek. Az együttműködés szabadsága és a kölcsönös függőség nem feltétlenül probléma, de elengedhetetlen, hogy a választási lehetőségek ne korlátozódjanak csupán nyitott súlyú modellekre vagy kizárólag kereskedelmi megoldásokra.
A nagy laborok és a „szuverenitás” megoldásai
Nem meglepő módon azok a nagy AI-laborok, amelyek a jelenlegi függőség egy részét kialakították, saját „szuverenitás” megoldásaikat is kínálják. Míg helyi intézmények némelyik ilyen ajánlatot megfontolják vagy át is veszik, a nyílt forráskódú technológiák nagyobb rugalmasságot és a függőségek kezelésére szolgáló alternatívákat kínálhatnak. Tim O’Reilly például azzal érvel, hogy a nyílt forráskódú AI több részvételt tehet lehetővé a jövő AI-fejlesztésében.
A képzéshez és következtetéshez szükséges chiptechnológiától a modellfejlesztést lehetővé tévő felhő- és adatinfraig olyan vállalatok, mint az NVIDIA, OpenAI, Google, Microsoft és Amazon Web Services, aktívan próbálnak pozíciót szerezni a szuverenitás piacán. A Stanford University Human-Centered Artificial Intelligence Lab (HAI) "The Commercial Landscape of AI Sovereignty Offerings" című jelentése arra mutat rá, hogy ezek a laborok ugyan azt ígérik, hogy az országok „saját AI-veremmel” rendelkezhetnek, ugyanakkor sok esetben tovább mélyítik a függést az amerikai Big Tech felé.
Nem csak amerikai cégek lépnek azonban színre: Európa, a Perzsa-öböl, Ázsia és más régiók vállalatai is saját teljes verem megoldásaikkal pozícionálják magukat helyi alternatívaként. A HAI-jelentés szerint sok fejlett cég aktív kormánytámogatással működik; ilyen esetekben a szuverenitás nem csak marketingkifejezés, hanem kormányzati politikai cél, ahol az állam finanszírozással, beszerzési struktúrával, vagy adott esetben konkrét vállalatok kiválasztásával alakítja a hazai AI-kapacitást.
Ugyanakkor ezek a partnerségek csökkenthetik a függőséget az amerikai laboroktól, de egyben nagyobb terepet nyithatnak politikai beavatkozás vagy cenzúra számára: DeepSeek 2025-ös első kiadása után gyorsan megjelentek ilyen vádak Kínával kapcsolatban, és azóta is vizsgálatok folynak arra vonatkozóan, hogy amerikai modellek miként korlátozhatnak bizonyos diskurzusokat. A HAI-jelentés arra is felhívja a figyelmet, hogy sok alternatív szolgáltató is támaszkodik az alaptechnológiákra — különösen chipekre és felhőinfrastruktúrára — amelyek gyakran amerikai gyártásúak.
Nyílt forráskód szerepe a diverzifikációban
A kereskedelmi megoldások elterjedése ugyan lehetőséget ad a diverzifikációra és alkuhelyzetre a nagy szereplőkkel szemben, de fontos szerepet játszik az ökoszisztémában a nyílt forráskódú AI is. A HAI szerint a szuverenitási stratégiák, amelyek nem veszik figyelembe a nyílt forráskódú AI szerepét, kockázatossá tehetik a fragmentálódást és a politikai túlkapásokat.
Azonban az open-source válasznak túl kell terjednie a modell-súlyokon: Tim O’Reilly a „federáció” koncepcióját javasolja, ahol modellek, protokollok, kódok és kapacitás federációja biztosítja, hogy mindenki részt vehessen és a technológia széles körben elérhető legyen — az infrastruktúrától a legfelsőbb szintig.
Az orchestration és az agent harness-ek fontossága
A nyílt forráskódú ökoszisztéma bővülésének kulcstechnológiái közé tartoznak az úgynevezett agent harness-ek, amelyek az egyes modellek fölötti működtetési réteget biztosítják. Raffi Krikorian, a Mozilla műszaki igazgatója arra figyelmeztet, hogy épp az orchestration réteg koncentrálja a képességeket, és a zárt laborok ennek lezárására törekednek; ezért elengedhetetlen nyílt harness-ek építése, nemcsak nyílt modellek.
A korai kereskedelmi megoldások között említhetők a Claude Code és a Codex. OpenClaw 2025 végén rövid ideig felkeltette az open source közösség figyelmét, mielőtt a készítője egyesült volna OpenAI-val. Ugyanakkor NousResearch önfejlesztő Hermes agent harness-e jelentős népszerűséget szerzett — több mint 230 000 csillaggal a GitHubon. Újabb harness-ek, mint a Pi és a DeepSeek Harness, tovább bővítik a nyílt forráskódú kínálatot.
A kevésbé látható rétegek: inferencia, tárolás, interoperabilitás
A nyílt forráskódú projektek egy része a kevésbé látványos, de kritikus rétegeken fejlődik: inferencia motorok (például vLLM, SGLang, llama.cpp és ONNX Runtime) lehetővé teszik, hogy különféle modelleket hatékonyan szolgáltassanak adatközpontokban, regionális felhőkben, személyi számítógépeken és edge eszközökön. A UC Berkeley kutatói által fejlesztett Ray a nagy terhelésű AI-munkák elosztását segíti, míg az Ollama csökkenti a helyi futtatás belépési korlátját. Ezek a projektek együtt több mozgásteret adnak a szervezeteknek a modellek, hardverek és hosting szolgáltatók cseréjére anélkül, hogy egy teljes rendszert egy másik cég zárt platformjára kellene felépíteniük.
Más gyorsan növekvő projektek a háttérrétegeket töltik ki: Model Context Protocol és Agent2Agent Protocol nyílt szabványokat kínálnak az ügynököket összekapcsoló eszközök és egymás közötti kommunikáció számára. Qdrant, Chroma, Milvus és LanceDB nyílt infrastruktúrát biztosítanak intézményi tudás tárolására és visszakeresésére. MLflow, Opik és OpenLLMetry pedig lehetővé teszik az AI-alkalmazások értékelését, követését és monitorozását anélkül, hogy az üzemeltetési adatokat zárt irányítópultnak kellene átadni. Az AI Potluck Gap Map szerint az inferencia, a telepítés és az agent-protokollok viszonylag érett nyílt ökoszisztémát alkotnak, ugyanakkor hiányosságok látszódnak a tárolás és megfigyelhetőség terén — ez befektetési prioritásokat jelez.
A szuverenitás nem egyetlen nyílt csere megtalálásáról szólhat; sokkal inkább interoperábilis, nyilvános alternatívák fenntartásáról minden döntő rétegben.
Az akvizíciók és a nyílt forráskód kisajtolásának veszélye
Mindezek ellenére a nyílt forráskódú projektek felvásárlásának és beolvasztásának fenyegetése folyamatos. A fintech cég Stripe nemrégiben megvásárolta az OpenRoutert, amely fejlesztők számára több modell elérését és irányítását tette lehetővé, különösen a nyitott súlyú modellek terén. Az NVIDIA felvásárolta a Hugging Face-t, amely kulcsszereplője az open source AI-ökoszisztémának, és licencmegállapodást kötött a Poolside-dal, amely nyílt súlyú kódolási modelleket fejleszt — állítólag részben a teljes felvásárlás elkerülése érdekében.
Ez arra utal, hogy az AI-szuverenitás iránti törekvések gyakran csak a függőség „kalibrálását” jelenthetik az amerikai Big Tech megoldásaival, vagy átmenetileg egy idegen függőség helyett egy hazaihoz hasonló függőséget eredményezhetnek. Valódi választási lehetőség fenntartásához azonban szükség van műszaki kapacitás kiépítésére, nyílt infrastruktúrára és részvételen alapuló intézményekre.
A nyílt forráskódú megoldások továbbra is sebezhetőek a kereskedelmi bekebelezéssel szemben, ezért ezek védelmére és fenntarthatóságára irányuló erőfeszítéseket erősíteni kell.
Kérdőív
A cikk forrása megjegyzi: ha Önnek része van a kiberbiztonságban, válaszoljon egy rövid, 11 kérdéses felmérésre, amely egy jelentéshez készül.
