--- id: CP-269 slug: lokalna-ai-npu-vs-ai-w-chmurze lang: pl title: Lokalna AI na komputerze czy AI w chmurze description: "AI na komputerze (układ NPU) i AI w chmurze rodzą inne pytania: wybór dozwolonego narzędzia, co wolno wpisywać, kogo poinformować." canonical_url: https://startbrain.io/cyberpedia/pl/articles/lokalna-ai-npu-vs-ai-w-chmurze/ markdown_url: https://startbrain.io/cyberpedia/pl/articles/lokalna-ai-npu-vs-ai-w-chmurze.md publisher: Brain (https://startbrain.io) license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) cite_as: Brain, „Lokalna AI na komputerze czy AI w chmurze”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/pl/articles/lokalna-ai-npu-vs-ai-w-chmurze/ (CC BY 4.0) wing: 4 theme: authorized_tools reflex: air-021 schema: G3 updated: "2026-11-03" translations: pl: https://startbrain.io/cyberpedia/pl/articles/lokalna-ai-npu-vs-ai-w-chmurze/ fr: https://startbrain.io/cyberpedia/fr/articles/ia-locale-npu-vs-ia-cloud/ en: https://startbrain.io/cyberpedia/en/articles/on-device-ai-npu-vs-cloud-ai/ de: https://startbrain.io/cyberpedia/de/articles/lokale-ki-npu-vs-cloud-ki/ es: https://startbrain.io/cyberpedia/es/articles/ia-local-npu-vs-ia-nube/ it: https://startbrain.io/cyberpedia/it/articles/ia-locale-npu-vs-ia-cloud/ nl: https://startbrain.io/cyberpedia/nl/articles/lokale-ai-npu-vs-cloud-ai/ pt: https://startbrain.io/cyberpedia/pt/articles/ia-local-npu-vs-ia-na-nuvem/ sources: - "n": 1 title: Develop AI applications for Copilot+ PCs publisher: Microsoft url: https://learn.microsoft.com/en-us/windows/ai/npu-devices/ accessed: "2026-11-03" - "n": 2 title: Guidelines for secure AI system development publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development published: "2023-11-27" accessed: "2026-11-03" - "n": 3 title: LLMRisks Archive publisher: OWASP url: https://genai.owasp.org/llm-top-10/ accessed: "2026-11-03" - "n": 4 title: "AI Data Security: Best Practices for Securing Data Used to Train & Operate AI Systems" publisher: CISA url: https://www.cisa.gov/resources-tools/resources/ai-data-security-best-practices-securing-data-used-train-operate-ai-systems published: "2025-05-22" accessed: "2026-11-03" - "n": 5 title: Les fiches pratiques IA publisher: CNIL url: https://www.cnil.fr/fr/les-fiches-pratiques-ia accessed: "2026-11-03" - "n": 6 title: Intelligence artificielle publisher: CNIL url: https://www.cnil.fr/fr/intelligence-artificielle accessed: "2026-11-03" - "n": 7 title: "Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations" publisher: NIST url: https://csrc.nist.gov/pubs/ai/100/2/e2023/final accessed: "2026-11-03" - "n": 8 title: AI Risk Management Framework publisher: NIST url: https://www.nist.gov/itl/ai-risk-management-framework accessed: "2026-11-03" --- # Lokalna AI na komputerze czy AI w chmurze „Lokalna” AI wykonuje obliczenia na komputerze pracownika. AI „w chmurze” robi to na serwerach znajdujących się gdzie indziej, z którymi łączy się narzędzie. Dla osoby, która wpisuje pytanie lub wkleja dokument, oba rozwiązania wyglądają podobnie. Ryzyka dla danych firmy nie są jednak takie same, a decyzja o użyciu danego narzędzia należy do firmy. Ta karta wyjaśnia różnicę, a potem to, co może zrobić pracownik: wybrać dozwolone narzędzie, wiedzieć, co wolno w nim wpisywać, i pytać w razie wątpliwości. ## W 30 sekund - Gdzie to się zdarza: asystenci do tłumaczenia lub generowania obrazów, na nowszym komputerze wyposażonym w układ AI [1]. - Co się zmienia: lokalna AI działa na urządzeniu, AI w chmurze na usłudze hostowanej gdzie indziej. W obu przypadkach trzeba panować nad wpisywanymi danymi i nad samym narzędziem. - Odruch: korzystać wyłącznie z narzędzi zatwierdzonych przez firmę i zapytać dział bezpieczeństwa lub IT, zanim wpisze się wrażliwe dane albo zainstaluje nowe narzędzie. - Jeśli już się stało: niezwłocznie poinformować dział IT, podając narzędzie i to, co zostało wpisane. ## Pytania wprost ### Czym jest układ NPU? Microsoft opisuje go jako układ wyspecjalizowany w ciężkich zadaniach AI, takich jak tłumaczenie w czasie rzeczywistym czy generowanie obrazów [1]. Komputery „Copilot+” firmy Microsoft mają taki układ, zdolny do ponad 40 bilionów operacji na sekundę (40 TOPS) [1]. NPU pracuje razem z procesorem i kartą graficzną, a Windows 11 rozdziela zadania między nie [1]. Umożliwia on uruchamianie funkcji AI na samym urządzeniu [1]. ### Czy lokalna AI jest bezpieczna bez zastrzeżeń? Nie. Nic w cytowanych tu źródłach nie mówi, że model uruchamiany na komputerze zwalnia ze środków ostrożności. Brytyjskie NCSC przypomina, że systemy AI są narażone na nowe podatności, które trzeba brać pod uwagę obok zwykłych zagrożeń informatycznych [2]. OWASP w swojej dziesiątce ryzyk dla aplikacji opartych na modelach językowych wymienia ujawnienie informacji wrażliwych, łańcuch dostaw oraz zatruwanie danych i modeli [3]. Żadne z tych źródeł nie ogranicza tych ryzyk do narzędzi hostowanych gdzie indziej. ### Co zmienia AI w chmurze? NCSC kieruje swoje wytyczne głównie do dostawców systemów AI, które korzystają z modeli hostowanych przez inną organizację lub z zewnętrznych interfejsów programistycznych (API) [2]. Przy zewnętrznym API narzędzie zależy od usługi strony trzeciej. Cytowane tu źródła nie opisują szczegółowo, co każdy dostawca robi z wpisanymi danymi: ten punkt znajduje się w warunkach usługi i warto go sprawdzić w dziale IT firmy. ### Co mogę wpisywać w narzędziu AI? Cytowane tu źródła nie ustalają listy dozwolonych danych. Obowiązuje zasada firmy. CISA wiąże bezpieczeństwo danych z poprawnością, integralnością i wiarygodnością wyników AI na każdym etapie jej życia [4]. W razie wątpliwości lepiej nie wpisywać niczego poufnego ani osobowego, dopóki nie ma się odpowiedzi. ### Do kogo zwrócić się w razie wątpliwości? Do działu IT lub działu bezpieczeństwa firmy, a gdy w grę wchodzą dane osobowe, także do inspektora ochrony danych. Te osoby różnią się w zależności od firmy i żadne z cytowanych tu źródeł ich nie wskazuje. ## Jak to działa Model AI jest uruchamiany („inferencja”) na jakimś sprzęcie. Na komputerze z NPU Microsoft zaleca korzystanie z Windows ML do uruchamiania zadań AI na NPU [1]. Jeśli NPU jest niedostępny, Windows ML przełącza się na GPU lub procesor [1]. Windows ML opiera się na ONNX Runtime, otwartym silniku inferencji [1]. Modele są często publikowane w ciężkich formatach. Wiele układów NPU przyjmuje tylko obliczenia na liczbach całkowitych o zmniejszonej precyzji, więc modele trzeba przekonwertować („kwantyzacja”), zanim zadziałają na takim układzie [1]. Istnieją modele już przekonwertowane, a każdy może przynieść własny model do konwersji [1]. Ten ostatni punkt ma znaczenie dla pracownika: model lokalny to plik i ktoś go przygotował. ## Co Pan/Pani robi - Proszę korzystać z narzędzi udostępnionych lub zatwierdzonych przez firmę, lokalnych lub w chmurze. - Przed instalacją narzędzia lub modelu proszę uzyskać zgodę działu IT. - Przed wpisaniem wrażliwego dokumentu lub danych osób proszę zapytać, czy narzędzie jest dopuszczone do takiego użycia. CNIL publikuje praktyczne karty o stosowaniu RODO do AI, w tym jedną o bezpieczeństwie tworzenia systemu AI [5]. - Jeśli dane zostały już wpisane w niezatwierdzonym narzędziu, proszę to zgłosić. ## Pułapki ### Wiara, że lokalna AI jest bezpieczna bez zastrzeżeń Obliczenia odbywają się na komputerze, ale model i aplikacja pozostają oprogramowaniem, które trzeba aktualizować. NCSC zalicza aktualizacje i rejestrowanie zdarzeń do działań fazy eksploatacji i utrzymania systemu AI [2]. OWASP wskazuje też ryzyko „nadmiernej sprawczości”: system oparty na modelu językowym dostaje często pewną autonomię [3]. Narzędzie lokalne podłączone do Pana/Pani plików lub skrzynek pocztowych jest jednym z przykładów, które warto omówić z działem IT. ### Używanie niezatwierdzonego narzędzia („shadow AI”) Niezatwierdzone narzędzie wymyka się kontrolom firmy. NCSC zaleca traktować bezpieczeństwo jako podstawowy wymóg, w całym cyklu życia systemu [2]. Narzędzie wybrane samodzielnie przez pracownika nie podlega żadnej z tych kontroli. ### Pobieranie modelu o nieznanym pochodzeniu Pobrany model jest elementem łańcucha dostaw, czyli ryzykiem, które OWASP wymienia wprost [3]. Raport NIST o uczeniu maszynowym w warunkach ataku omawia ataki przez tylne drzwi i przez „konia trojańskiego” oraz zatruwanie danych [7]. CNIL prowadzi ze swej strony narzędzie do badania genealogii modeli AI publikowanych jako otwarte oprogramowanie, zaktualizowane 26 sierpnia 2026 [6]. W przypadku modelu o nieznanym pochodzeniu proszę uzyskać zgodę działu IT przed instalacją. ### Lekceważenie dostępu do danych AI, która czyta dokumenty, może ujawnić ich treść. OWASP wymienia ujawnienie informacji wrażliwych, które dotyczy zarówno modelu, jak i jego aplikacji [3]. Ramy zarządzania ryzykiem NIST, stosowane dobrowolnie, mają włączać wiarygodność w projektowanie, użytkowanie i ocenę systemów AI [8]. ## Źródła 1. Microsoft, „Develop AI applications for Copilot+ PCs”. https://learn.microsoft.com/en-us/windows/ai/npu-devices/ (dostęp 3 listopada 2026) 2. NCSC (Royaume-Uni), „Guidelines for secure AI system development”, 27 listopada 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (dostęp 3 listopada 2026) 3. OWASP, „LLMRisks Archive”. https://genai.owasp.org/llm-top-10/ (dostęp 3 listopada 2026) 4. CISA, „AI Data Security: Best Practices for Securing Data Used to Train & Operate AI Systems”, 22 maja 2025. https://www.cisa.gov/resources-tools/resources/ai-data-security-best-practices-securing-data-used-train-operate-ai-systems (dostęp 3 listopada 2026) 5. CNIL, „Les fiches pratiques IA”. https://www.cnil.fr/fr/les-fiches-pratiques-ia (dostęp 3 listopada 2026) 6. CNIL, „Intelligence artificielle”. https://www.cnil.fr/fr/intelligence-artificielle (dostęp 3 listopada 2026) 7. NIST, „Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations”. https://csrc.nist.gov/pubs/ai/100/2/e2023/final (dostęp 3 listopada 2026) 8. NIST, „AI Risk Management Framework”. https://www.nist.gov/itl/ai-risk-management-framework (dostęp 3 listopada 2026) --- Źródło oryginalne: Cyberpedia, publiczna encyklopedia cyberbezpieczeństwa i AI wydawana przez Brain. Wersja kanoniczna: https://startbrain.io/cyberpedia/pl/articles/lokalna-ai-npu-vs-ai-w-chmurze/ Możesz swobodnie wykorzystywać ten tekst na licencji CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), pod warunkiem podania „Brain, Cyberpedia” wraz z odnośnikiem do powyższego adresu.