Cloudflare 在 Workers AI 引入欧洲开源模型并推出 AI 安全防御工作坊

It's Birthday Week, when we traditionally ship presents to the Internet. This year, two of them come from Europe: EuroLLM, which covers all 24 official EU languages, and Apertus, Switzerland's fully open model, trained on more than 1,500 languages. Both were built by public universities and research institutions. Both are coming to Workers AI, and you can request access today.

我们还推出了实践研讨会，帮助政府网络安全机构和关键基础设施运营商构建适用于任何模型的 AI 防御系统。首场研讨会将于 10 月在新加坡举行。

今天的公告延续了我们一年前提出的观点，当时各国首都都在讨论关于 AI 访问权和主权的问题。我们的回答是选择权：即有权选择适合工作的工具，并在需要时进行切换。

从那时起，这些对话变得更加严峻。攻击者利用前沿模型发动网络攻击。现在，对某些前沿模型的访问权限取决于您所在的地理位置。限制开放模型的呼声也越来越高。综合来看，很容易得出 AI 主权是零和博弈的结论：其他国家控制的每一个模型都是您无法依赖的，因此最安全的做法就是筑起高墙。

我们认为过去的一年可以指向另一个方向。印度、日本和新加坡专注于开源模型，亚太地区的人们基于这些模型为农村居民、老年患者和护理他们的护士构建了工具。我们自己的安全团队构建了适用于任何模型的 AI 防御系统，因此失去对某个模型的访问权限并不意味着失去防御能力。

帮助构建更好的互联网始终意味着提供更多的选择，而不是更少。这就是为什么我们致力于防止供应商锁定的开放标准，为什么我们构建的大部分内容最初都是免费的，以及为什么我们的网络在 125 多个国家的 335 多个城市运行，其中 230 多个城市部署了用于 AI 推理的 GPU。我们认为，任何国家都不应该在 AI 方面依赖于某一家公司。这也包括我们自己。

Workers AI 上的两个欧洲开放模型

2 月，Matthew Prince 在新德里举行的 2026 年印度 AI 影响力峰会上表示，去中心化、负担得起的 AI 访问权限是国家韧性的关键。我们几个月前添加的来自印度、日本和新加坡的模型就是我们的初步证明。峰会系列将于 2027 年 6 月移师日内瓦，使命是“实现全民繁荣与进步”。

EuroLLM 支持 35 种语言，包括欧盟所有 24 种官方语言，其中许多语言在现有的开放模型中服务不足。它是在 Horizon Europe、欧洲研究理事会和 EuroHPC 的支持下，由一个财团开发的，该财团包括里斯本高等技术学院、爱丁堡大学、电信研究所、巴黎萨克雷大学、Unbabel、索邦大学、Naver Labs 和阿姆斯特丹大学。它在 MareNostrum 5 超级计算机上进行了训练，据该财团称，其在欧盟多语言基准测试和机器翻译方面优于同等规模的模型。

您可以在 Workers AI 上此处申请访问 EuroLLM。

Apertus（拉丁语意为“开放”）是瑞士首个大规模、完全开放的多语言语言模型。它在超过 1,500 种语言的 15 万亿个 token 上进行了训练，其中 40% 的训练数据为非英语语言。它由苏黎世联邦理工学院（ETH Zurich）、洛桑联邦理工学院（EPFL）和瑞士国家超级计算中心（CSCS）共同开发，是 瑞士人工智能倡议（Swiss AI Initiative） 的一部分：由公共机构构建，服务于公共利益。其架构、权重、训练数据和方法均已公开。它在设计时考虑了欧盟《人工智能法案》（EU AI Act）和《通用数据保护条例》（GDPR）等瑞士及欧洲法规，这意味着尊重训练退出机制、删除个人数据并防止记忆化。它在 CSCS 的 Alps 超级计算机（超过 10,000 个 GH200 GPU）上进行训练，开发人员报告称，该模型在稀有语言和区域语言（从罗曼什语和瑞士德语，到亚洲和非洲的低资源语言）上的表现显著优于领先的闭源和开源模型。

您可以在 Workers AI 上此处申请访问 Apertus。

去年人们构建了什么

去年的国家级模型并没有被束之高阁。自从我们将它们添加到 Workers AI 以来，亚太地区的数百名学生、初创公司、小型企业和公务员已经在这些模型的基础上进行了构建，其中许多是在我们与当地合作伙伴举办的构建马拉松（buildathon）中完成的。以下是其中三个案例：

• 政府表格，无需阅读 —— Form Mitra（印度）：用晦涩的英语编写的福利表格将许多农村地区、识字率较低和视障公民拒之门外，而这些表格本应是为他们服务的。印度理工学院德里分校的学生在我们与 CyberPeace 合作举办的构建马拉松中构建了 Form Mitra：这是一个语音引导助手，使用 AI4Bharat 的 IndicTrans2 模型，以 22 种印度语言中的任何一种引导人们填写表格。
• 用患者自己的方言进行护理 —— MedBridge（新加坡）：许多照顾新加坡老年患者的护士来自东南亚各地，不会说当地的方言，因此关键的临床信息可能会在翻译中丢失。MedBridge 以 14 种语言（包括闽南语和粤语）引导患者进行健康对话。
• 一键获取正确的公共服务 —— Anshin Concierge（日本）：对于老年居民、残障人士以及任何不习惯使用数字工具的人来说，在需要时找出该拨打哪个公共服务电话可能会让人不知所措。作为黑客马拉松原型构建的 Anshin Concierge，让人们可以用自己的话描述问题（“我的膝盖疼”、“我的手机上出现了一个奇怪的屏幕”），并通过电话或网页一键将他们连接到正确的东京都政府支持部门。

不依赖单一模型的 AI 防御

政府希望利用 AI 来捍卫基本服务和国家基础设施。能够大规模发现漏洞的前沿模型同样可以为防御者所用。但是，建立在单一模型上的防御系统的可靠性仅取决于你对该模型的访问权限，而政府已经目睹了对关键模型的访问权限在几乎没有预警的情况下受到限制。

我们遇到了同样的问题，而在安全领域，我们始终是自己的第一个客户。在过去的一年里，我们的安全团队与公司各部门协作，着手构建不依赖于任何单一模型的 AI 防御体系。我们构建了一个工具包：一个编排层，用于协调多个 AI 模型并行工作，以搜寻漏洞、验证发现并确定威胁优先级。我们发布了我们学到的经验，关于如何结合使用前沿模型和开源模型；我们开源了这个工具包，以便任何组织都可以使用其选择的模型来运行它；我们还规划了分层架构，用于从源头上阻止配备前沿模型的攻击者发现漏洞。

由于该工具包适用于任何模型（无论是闭源还是开源），失去对某个提供商的访问权限并不会导致您的防御失效。当我们向政府部门介绍这一方案时，最常见的反应是如释重负。随之而来的是实际问题：如何在他们自己的环境下、按照他们自己的规则来部署它。简报会很快变成了对实操培训的需求。

因此，我们今天启动了一项针对政府网络安全机构和关键基础设施运营商的实操研讨会计划。参与者将构建自己的 AI 安全工具包和分层防御体系，并在结业时掌握如何将其适配到各自的组织中。这些模块采用即插即用设计，旨在融入国家级 AI 技能提升和网络韧性计划。首场研讨会将于今年 10 月在新加坡国际网络周期间举行。

与我们共同构建

这一切并非孤立完成。像印度的 CyberPeace 和 Code for Japan 这样的合作伙伴，帮助我们将开源模型转化为了实用的工具。如果您负责国家级 AI 计划、网络安全机构或关键基础设施，并且希望获得比目前更多的选择，请通过 policy-team@cloudflare.com 写信给我们。申请访问 EuroLLM 和 Apertus，或者从这个工具包开始。

一年前，我们说过选择是实现 AI 主权的途径。今年证明，它也是实现 AI 安全的途径。