2026 年 6 月，一份 export control（出口管制）命令，讓一家美國前沿實驗室（frontier lab）的旗艦模型在自家辦公室裡對同事關門。被切斷的不是某個國家的客戶，是所有外國國民，包括這家公司自己聘請的外籍工程師。
那幾天，很多企業第一次發現一件事：你的 AI 不是你買的，是你租的。而且房東可以換鎖。
事件還原：一紙命令，七天世界
Anthropic 先發布代號 Mythos Preview 的模型，對外說法是它具備高階網路安全能力，太危險，不宜公開。之後推出加上安全護欄的版本 Fable 5。以主觀體驗來說，Fable 5 超過當時的 GPT 5.5 與 Opus 4.8。
護欄沒有撐太久，很快被 jailbreak（越獄）突破。2026 年 6 月中旬，Stratechery 在 6 月 15 日的報導揭露：美國政府以國家安全為由發布出口管制令，要求暫停所有外國國民對 Fable 5 與 Mythos 5 的存取。不論在美國境內或境外，一律暫停，Anthropic 自己的外籍員工也在名單上。
這道命令開創了先例。過去談 AI 模型管制，想的是地理性的：不能賣到哪個國家。這次是人身性的：只要你是外國人，就算坐在美國的辦公室裡也不能用。
一週後的 7 月 1 日，Fable 5 全球恢復上線。Anthropic 與 Amazon、Microsoft、Google 等 Glasswing 合作夥伴，一起提出行業通用的「越獄嚴重性評分框架」。同一個月，Ben Thompson 分析這件事時指出，Anthropic 公開主張安全既是真正的競爭優勢，也是市場定位策略，並引述微軟執行長 Satya Nadella 的框架。
Nadella 的說法值得抄下來。企業真正的機會不是選最好的模型，而是在模型之上建立學習迴路。「你可以外包一個任務、甚至外包一份工作，但你永遠不能外包你的學習。」他還說，一家公司應該要能夠換掉一個通才模型，而不失去內建在學習系統裡的公司老兵專業知識，這是未來時代控制權與主權的關鍵測試。
2026 年 9 月 2 日，Stratechery 分析 Fable 5.1 發布時，把重點放在另一件事：最值得注意的不是模型能力，而是 Anthropic 大幅移除引發爭議的資料保留政策，背後是企業市場的競爭壓力。企業 AI 的競爭，已經從能力軍備競賽轉向信任與合規競賽。
為什麼台灣企業該在意
多數台灣中小企業在模型廠商的分類裡，只有一個身分：外國人。
我們的供應商幾乎都在美國或中國。我們的流程在這兩年陸續接上這些模型。採購合約寫的是訂閱條款，不是服務水準承諾。當管制令這種東西出現，它不會先寄 email 通知你，也不會給你緩衝期。
這裡有一層不容易看見的 lock-in（鎖定效應）。鎖住我們的不是模型本身，是這兩年累積在對話框裡的東西：客戶的疑難案例、報價的判斷邏輯、老師傅才知道的眉角。它們散落在廠商的介面裡，我們從來沒有真正擁有過。
如果明天早上，那個模型不能用了，會發生什麼事？這個問題，多數企業答不出來。答不出來本身就是答案。
模型主權四階
我們把「模型主權」（Model Sovereignty）拆成四個層次。階層往上，難度往上，價值也往上。
| 階層 | 要解決的問題 | 具體做法 | 沒做到的後果 |
|---|---|---|---|
| 一、可替換 | 流程被單一模型寫死 | 多模型路由（model routing）、提示與流程和模型解耦、保留一份可切換的清單 | 廠商改價、改政策、被管制，流程直接歸零 |
| 二、可攜 | 知識只存在廠商那裡 | 判斷邏輯、案例、隱性知識寫回自家文件庫；對話紀錄定期匯出歸檔 | 換模型等於打掉重練，公司老兵的專業知識留在別人家 |
| 三、可降級 | AI 掛掉就停擺 | 關鍵流程備好人工路徑與 SOP，指定代理順位與交接規則 | 一次斷線等於一次停業，客戶信任一次用完 |
| 四、可判斷 | 人失去自己下判斷的能力 | 關鍵決策保留人工覆核，定期做無 AI 日的練習 | 我們無法察覺 AI 的錯誤，也無法在它缺席時做決定 |
第一階：可替換
定義很簡單：模型是引擎，不是底盤。引擎可以換，底盤換了整台車要重做。
台灣中小企業的處境是這樣：系統多半是找外部廠商或自家 IT 用某一家 API 拼出來的，模型名字寫在程式碼深處，也寫在 SOP 文件裡。要換，得從頭盤點一次。
可執行的做法有三個。第一，把模型呼叫集中成一個入口，所有流程都經過它，將來的切換只改這一個地方。第二，提示與流程邏輯用自家文件保存，不要只存在廠商的後台。第三，維持至少兩家可用的供應商，並且真的輪流跑一次，沒跑過的備援不算備援。
第二階：可攜
知識要在自己家。這兩年我們餵給模型的 token capital（代幣資本），其實是公司最貴的資產累積。
中小企業的難處在於，這些累積通常是零散的、沒有歸檔的、藏在某個人帳號底下的。今年 9 月那個資料保留政策變動的案例說明了一件事：廠商的資料政策隨時會改，方向不一定是我們要的。
做法是：把與模型互動產出的判斷、案例、決策理由，定期回寫到自家的知識庫或文件庫。訓練用的素材、提示範本、驗收標準，都要有自家版本。誰在用哪個工具、產出放在哪，要有一份清單。
第三階：可降級
關鍵流程在沒有 AI 的時候還能跑。
台灣中小企業的現實是人力本來就緊，很多流程在導入 AI 之後，人工路徑就自然消失了，沒有人特別去取消它，是沒有人再走它。
做法是挑出三到五個真正關鍵的流程，為每一個寫一份人工 SOP，指定代理順位與交接規則。這份 SOP 不需要精美，需要在斷線那天早上找得到、看得懂、跑得動。
第四階：可判斷
這一階最難，也最容易被忽略。長期依賴之後，人還能不能自己下判斷？
我們的處境是：年輕同事的養成過程，跳過了大量自己推導的環節；資深同事則可能因為工具順手，慢慢不再追問。
做法有兩個。關鍵決策保留人工覆核，尤其涉及人、錢、法規的判斷。再來是定期安排一個無 AI 日，挑一個小流程試試看，我們還能不能自己完成。目的不是復古，是維持肌肉。
五分鐘斷供演練
今天就能做的自測，三個問題，五分鐘內可以有初稿。
第一個問題：明天早上你用的模型不能用了，哪些流程會停？把它們列出來，不要只寫「大概會有一些影響」，要寫出流程名稱。
第二個問題：那些流程的資料與提示，我們手上有備份嗎？有備份的話，放在誰的電腦或哪個雲端？打開來確認一次。
第三個問題：這些流程裡，哪一個是「非 AI 不可」？如果一定要用 AI，第二順位要用哪一家？這個答案要具體到產品名稱與帳號狀態。
三題寫完，通常會得到兩個結論：一是真正關鍵的流程比想像少，二是備份比想像薄。這兩件事都算好消息，因為現在還來得及補。
行動建議
第一，做一次模型資產盤點。列出所有會呼叫 AI 的流程、用哪一家、誰負責、資料放哪。這份盤點不需要超過兩頁。
第二，選一個最關鍵的流程，把它的提示與知識搬回自家文件庫，並寫下人工備援的 SOP。
第三，找一家備援供應商，安排一次真實切換測試。測試的標準不是跑得順，是我們能不能在沒有原廠支援的情況下，自己完成一次。
模型會換，學習迴路要留
Nadella 那句話，把整件事講得很清楚：可以外包任務，可以外包工作，不能外包學習。一週的斷供事件、一份隨時會改的資料政策，都在提醒同一件事：能力可以外借，主權不行。
模型主權不是要我們自建模型，那是大公司的遊戲。對台灣中小企業來說，它是四件樸素的事：能換、能帶走、能降級、能自己判斷。這四件事今天做，成本最低；等到命令落下來的那一天才做，成本最高。
資料來源
- •Stratechery（Ben Thompson），Anthropic's Safety Superpower，2026-06-15：https://stratechery.com/2026/anthropics-safety-superpower/
- •Stratechery（Ben Thompson），Fable 5.1, Enterprise Frontier, Safeguards，2026-09-02：https://stratechery.com/2026/fable-5-1-enterprise-frontier-safeguards/
- •Anthropic 官方公告：https://www.anthropic.com/news