鼎冠策略创新科技大咖说｜“网络攻击主流大模型时成功率超60%” 专访思科公司大中华区资深副总裁兼首席技术官侯胜利：AI加速落地需同步关注安全与技术创新

在人工智能（AI）技术加速渗透各行各业的当下，互联网基础设施的迭代与技术转型成为焦点。在AI时代，互联网基础设施需适应混合办公场景，因此互联网服务行业的企业有必要积极进行技术转型。

近日，思科公司（以下简称“思科”）大中华区资深副总裁兼首席技术官侯胜利接受《每日经济新闻》记者（以下简称NBD）专访时表示，从技术角度看，AI正深度渗透各行各业，助力解决业务问题且技术演进迅速。此前企业有大模型与AI应用成本高的顾虑，而今年春节后，DeepSeek等公司取得技术突破，大模型应用成本随之大幅下降。这让企业更倾向于采用混合模式，比如金融企业的关键信息会使用私有大模型，但非关键信息可依托公有大模型或算力平台。这样做，能有效缓解资金压力。

对于未来的AI技术，侯胜利认为有两大值得关注之处：第一是从基础设施到应用场景的全链条技术创新，这有望成为显著增长点；第二是安全问题，这需要与技术创新同步关注，二者应共同构成未来几年技术发展的核心方向。

思科公司大中华区资深副总裁兼首席技术官侯胜利图片来源：实习生刘姝摄

AI未来发展需技术创新和安全并重

NBD: 从商用和个人使用角度看，AI模型各有特点。您认为企业该如何运用AI，此外，个人在日常生活中该怎样使用AI？

侯胜利：从商用角度来看，企业若要在内部应用大模型，需构建一个实时、动态的系统，用于核查企业内正在运行的大模型种类，尤其在基于云服务的多个大模型应用模式下，更要通过云端审查机制实现管控。

同时，企业需制定内部策略规范员工使用大模型的行为，这就需要搭建AI访问平台之类的管控工具。以思科为例，公司通过“bridge IT”平台实现员工对ChatGPT等外部大模型的访问管理，即在平台中设置隔离机制，以此防止员工上传公司商业机密、员工联系方式等隐私信息，最终帮助企业安全合规地应用大模型。

个人使用（大模型的）可遵循三点原则：一是优先选择主流大模型——如国际上的ChatGPT或国内的通义千问、豆包等，它们都是通用性较强的产品；二是通过不同模型间的答案交叉验证，筛选出更可靠的信息；三是若发现大模型回答存在错误，主动与模型服务商沟通反馈，推动其优化迭代。

NBD: 互联网基建的发展会大量耗电, 您怎么看待AI在可持续发展方面的挑战？

侯胜利：从这个方面来看，AI的确是一把“双刃剑”。一方面, AI缩小了数据鸿沟；另一方面，AI会需要更多的能源，算力、计算、网络和存储等都需要能源，这种需求相比以前是一个几何级的增加。对此，有以下四种解决方式：

一是在网络和算力设计时采用最优架构。例如采用两层结构或其他创新设计，通过架构层面的优化提升效率。

二是多网融合实现资源整合。比如将以前的前端网络、后端网络、存储网络、管理网络等进行合并，通过同一物理网络承载2~3种不同业务与应用。

三是对核心设备进行低功耗升级，以此降低 GPU（图形处理器）、CPU（中央处理器）等设备本身的能耗。如思科推出的自研芯片“Silicon One”就是低功耗的，其能耗可降至以前设备的10%左右。

四是进行光纤光电转换技术优化。在智能时代，光电转换过程中存在高成本与高能耗问题。如果利用光传输技术、采光或者辉光技术，就可以大幅降低光电转换能耗。

综合以上多种方式，我们就可以实现物理设备的整体能耗大幅下降——降到以前的20%~30%。

NBD: 在Web 3.0（第三代互联网）与AI时代背景下，思科能为企业提供哪些服务或者帮助？

侯胜利: 在AI时代与Web 3.0背景下，思科会基于企业的业务特性提供针对性方案。考虑到企业的业务大多基于云原生架构，且采用容器化部署模式，思科可通过容器化技术，对每个虚拟应用的数据流、业务状态及流向进行监测。同时，思科会分析应用间交互耗时是否符合预期，从而为企业实现端到端的全链路管理与可视化呈现。

图片来源：视觉中国-VCG211478193393

大模型易被攻击需要从各个角度保护

NBD: 您觉得Web 3.0时代的基建和Web2.0时有什么差别，需要重点关注哪些方面？

侯胜利：在Web 3.0时代，我认为有两个关键要点值得关注。

第一个是去中心化的网络架构。这种模式呈现出更复杂的网状连接形态，使得不同部门之间的交互更加紧密。在此背景下，安全的重要性愈发凸显。如何在这种全新的拓扑结构和应用架构中确保业务与应用的安全性和可靠性，这是亟待解决的问题。

第二个要点是用户体验。Web 3.0采用分布式的使用模式，甚至存在碎片化的连接场景。在此背景下，要如何让客户获得持续且一致的使用体验？

NBD: 您认为如何应对AI使用数据时的隐私保护问题？

侯胜利：AI技术的出现对安全领域提出了涵盖隐私保护、非法调用等方面的全新要求。具体可从两方面着手应对：

一方面是安全的AI访问管理。企业IT管理人员或业务管理员需要明确系统中运行的AI应用类型，判断其是否被合法调用并避免被滥用，同时，通过针对每个AI应用建立管控机制以确保其被合规地使用。

另一方面是建立面向业务开发人员的大模型安全防护体系。思科在今年初对业内所有主流大模型的测试发现，网络攻击它们时成功率高达60%~100%。因此，我们需要构建安全机制，包括验证大模型可靠性、设置电子围栏、实时监测攻击风险并进行针对性防护。

另外，还存在“带偏见”的大模型。它接收的数据越多，出来的答案越错误，所以我们需要从各种角度保护大模型。

当然，所有安全与隐私策略的落地，都需要企业IT人员与业务人员沟通后才进行基础规则的定义。规则既可由人工设定后让安全系统照此运转，也可设置为由系统自我学习，让它在与业务的交互中不断提升智能化防护水平。