加拿大砸 8900 萬加幣建主權 AI 算力
加拿大 SCIP 已截止申請，投入約 8.9 億加幣，目標是打造由加拿大掌控的公共 AI 超級電腦，提供研究與產業算力。
加拿大正在砸約 8.9 億加幣，建一套主權 AI 公共超級電腦。
這案子不是喊口號。AI Sovereign Compute Infrastructure Program 已經截止申請，時間是 2026 年 6 月 1 日下午 1 點 ET。講白了，這是加拿大政府直接下場做算力基礎建設。
官方把它放進 Canadian Sovereign AI Compute Strategy 裡。資金期程是 7 個財政年度，從 2026–27 開始。這種規模，已經不是補助幾台 GPU 伺服器而已。
| 項目 | 數值 |
|---|---|
| 申請狀態 | 已截止 |
| 截止時間 | 2026 年 6 月 1 日下午 1:00 ET |
| 基礎建設預算 | 約 8.9 億加幣 |
| 資金期程 | 7 個財政年度 |
| 起始年度 | 2026–27 |
加拿大到底想建什麼
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
SCIP 的目標很直白。加拿大想要一台公共的大型 AI 超級電腦，而且要在加拿大控制之下。這不是單純買雲端額度，也不是把需求外包給某一家外國雲商。
官方說法很清楚。這套系統要給研究人員、創新公司、AI 研發團隊用。重點是資料、治理、營運決策，都要留在加拿大境內的控制框架裡。
這種設計很有政治味，也很務實。因為 AI 算力現在就是瓶頸。你沒有 GPU 集群，模型訓練就卡住。你有算力，但被外部供應商卡脖子，風險一樣在。
- 讓研究團隊有更多大型訓練資源
- 讓加拿大新創有可用的 AI 研發算力
- 把資料駐留和治理留在本地
- 讓國內硬體與軟體堆疊有機會整合
兩層架構，才是這案子的重點
這個計畫分成兩層。第一層是 Infrastructure Build Layer，管硬體、資料中心、系統管理。第二層是 National Service Layer，管使用者支援、訓練、技能發展、研究顧問服務。
我覺得這分法很對。很多政府算力計畫死在同一個坑。硬體買了，帳面漂亮，結果研究者根本不會用。沒有 onboarding、沒有支援、沒有配額流程，最後就變成昂貴裝飾品。
加拿大官方還說，這套系統要盡量接上既有的公共算力分配機制。白話就是，別再搞一個孤島平台。要能接到現有研究基礎設施，才有機會真的被用起來。
“The AI Sovereign Compute Infrastructure Program is a key initiative under the Canadian Sovereign AI Compute Strategy.” — Government of Canada
這句話很有份量。它把算力直接拉到國家策略層級。不是採購案，不是臨時專案，而是基礎設施。
說真的，這種定位很像電力、電信、交通。差別只在於，這次運的是 Token、模型與資料，不是人跟貨。
- 硬體層：GPU、伺服器、資料中心
- 營運層：系統管理、維運、排程
- 服務層：訓練、支援、諮詢、資料服務
- 治理層：加拿大主導、加拿大控制
誰能申請，誰不能
申請資格很窄。只有加拿大註冊的非營利組織、加拿大註冊的大專院校，或由這兩類機構領頭的聯盟可以申請。產業夥伴可以參與，但不能當主申請人。
這不是疏忽。這是政策選擇。加拿大要的是主權優先，不是市場外包。先保住決策權、治理權、資料路徑，再談商業擴散。
官方也說，評選會走多階段流程，會有政府盡職調查，也會找國內外專家提供意見。雖然沒有公開完整評分表，但優先項目已經寫得很明白。
- 增加加拿大本地 AI 算力
- 加快上線速度
- 保留擴充彈性
- 確保治理與主權
- 帶來供應鏈、人才與商業化效益
8.9 億加幣不是白給，限制也不少
先講錢。8.9 億加幣是基礎建設層的名目預算，但不是已經簽死的支出。官方寫得很保守，還要看國會與 Treasury Board 授權。這代表申請是真的，撥款不是自動過關。
再講實務。官方還規定，Email 送件上限是 35 MB。超過就得走 SharePoint 安全連結。這種細節很煩，但也很真實。因為大型算力提案本來就會塞滿架構圖、營運計畫、財務模型和風險控管文件。
如果你要看原始文件，官方聯絡信箱是 [email protected]。這也透露一件事，政府早就辦過說明會，還整理了 FAQ。這案子不是臨時起意。
比較有意思的是，這種公共算力案子通常不是比價格而已。它會比落地速度、長期維運、人才供應、資料治理，還有國內產業帶動效果。這些才是難點。
跟其他公共算力計畫比，差在哪
很多國家都在談 AI 基礎設施，但做法很不一樣。有些偏向補貼雲端使用額度，有些偏向國家研究機構自建，還有些直接跟大型雲商合作。加拿大這次更偏向主權路線。
如果拿美國、歐洲、英國的做法來看，加拿大的特色是把控制權講得更硬。它不是只要有算力，而是要可治理、可審查、可留在境內的算力。
這會帶來好處，也會帶來麻煩。好處是資料與營運風險比較低。麻煩是，自己建就要自己扛維運、人才、採購、能源和升級成本。
- 加拿大 SCIP：主權優先，公共超級電腦
- 雲端補貼型：快，但控制權較弱
- 研究機構自建型：精準，但擴張慢
- 公私合營型：彈性高，但治理更複雜
這對加拿大 AI 生態有什麼意思
這案子真正測試的，不是新聞稿寫得多漂亮，而是能不能把算力變成可用服務。研究者要能排隊、拿到資源、跑得動模型。新創要能在合理時間內拿到 GPU，不是等到專案死掉。
如果 SCIP 跑順，加拿大會多一個很重要的底層資產。研究團隊不用一直往外找算力，AI 新創也比較有機會留在本地做研發。這種影響很實際，不用講太玄。
但如果執行拖延，問題也會很直接。算力需求只會更大，人才也不會因為政策文件就自動留下。說白了，這案子成敗看的是交付，不是宣示。
我會盯兩件事。第一，系統何時上線。第二，研究者用起來順不順。只要這兩點沒做好，再大的預算都只是數字。
下一步該看什麼
接下來最值得追的是得標團隊是誰，以及他們怎麼把硬體、營運和服務整合起來。這三件事拆開都不難，難的是一起做好。
如果加拿大真的想把主權 AI 算力做成可長期使用的公共基礎設施，那就不能只看採購。還要看維運、能源、人才和使用者體驗。少一個都會卡。
我的判斷很直接。這會是加拿大 AI 政策能不能落地的壓力測試。接下來一年，最重要的不是再發一篇公告，而是看第一批實際算力什麼時候上線。