人物 | 王思远：当安全走进物理世界，具身智能赛道的第一道防线

加入桦之坚，带着几分机缘巧合。去年王思远还在规划职业下一站，今年6月，他偶然看到桦之坚发布的CISO招聘启事——这是中坚科技在具身智能赛道布局的一家科技公司。整个面试过程十分高效，双方便敲定合作。对方看中的不只是他的信息安全管理经验，还有他完整主导过IT运维与企业数字化建设的履历，最终决定由他统筹基础架构、数字化、信息安全三大板块，担任集团IT与信息安全团队负责人，同时兼任首席信息安全官，负责企业安全和产品安全。

7月入职后，王思远迅速组建起了IT与信息安全团队，计划在2026年下半年完成信息安全管理和技术体系的搭建，在2027年完成与母公司中坚科技的安全体系融合，“不管是中坚科技还是桦之坚，在信息安全领域还有很多事情需要去完成。”但王思远清楚，这些安全短板恰恰是最大的优势。具身智能产品天然带有物理实体属性，安全建设一旦滞后于产品研发，后续暴露的风险将直接作用于真实场景，补救成本远高于传统行业。与其事后补漏，不如从第一天就将安全基因注入企业架构。

“不管是中坚科技还是桦之坚，在信息安全领域还有很多事情需要去完成。”但王思远清楚，这些安全短板恰恰是最大的优势。具身智能产品天然带有物理实体属性，安全建设一旦滞后于产品研发，后续暴露的风险将直接作用于真实场景，补救成本远高于传统行业。与其事后补漏，不如从第一天就将安全基因注入企业架构。

部门定名时，他没有沿用传统企业“IT中心”之类的传统称谓，直接定为IT与信息安全部。将“信息安全”写入一级部门名称，与IT职能并列，从组织架构层面就确立了安全与业务同等重要的地位。“在传统企业，安全常常是IT的下属分支；但在具身智能赛道，安全从第一天起就要和产品并行，因为它的后果会落到物理世界。”

团队扩张节奏很快。入职两周厘清部门职责边界后，运维、数字化、信息安全三条线的招聘同步启动。按照规划，到第四季度，原本仅1人的团队将扩充至8人，覆盖基础架构、内部数字化、全链路信息安全三大板块。在王思远的规划中，这只是起点——随着后续产品线铺开、生产工厂落地，安全团队规模会随业务边界同步扩张。

这并非一次普通的安全团队搭建。传统制造业的安全是“业务跑起来之后补防线”，而在这里，安全是与产品同步生长的底层底座。所有布局的最终指向，都是让数字防线跟上实体产品落地的节奏，在风险穿透至物理世界之前，先筑牢防护屏障。

加入桦之坚之前，王思远的安全职业生涯横跨多领域，早已形成一套成熟的制造业安全方法论：守好网络边界、终端设备、业务系统与关键数据，做好合规、攻防、分类分级，就能将风险控制在可接受范围内。那时的安全战场有清晰的数字边界，所有攻击的终点都是数据与系统。但具身智能彻底击穿了这道边界——数字世界的漏洞，会沿网络链路一路传导，最终在物理世界形成真实伤害。这种穿透，体现在三个关键维度。

第一个维度，是数据采集场景的穿透：从公共空间走向私密物理空间。

桦之坚的首款产品是面向C端的家用陪伴型机器狗。与智能网联汽车行驶在公共道路、采集外部环境数据不同，家用机器狗身处家庭这一最私密的物理空间。它的摄像头会记录室内布局与生活日常，麦克风会收录对话与环境声音，可从中识别情绪特征；未来具备情感交互能力后，甚至能感知主人的性格特质与心理状态。

“汽车采集的是外部世界的数据，而机器狗采集的，是一个人最私密的生活细节、情感状态甚至生物特征。”在王思远看来，这些数据的敏感度远高于行车数据。机器人踏入家庭物理空间的第一步，就触碰到了个人隐私的红线——数据采集的物理场景越私密，安全防护的等级就必须越高。

第二个维度，是攻击后果的穿透：从数字损失走向物理伤害。

王思远将机器人安全划分为两大领域：一块是功能安全，对应汽车行业的Function Safety，关注设备故障时的紧急避险、停机机制、结构材料安全性，由产品研发团队主导；另一块则是信息安全团队必须守住的底线：数字入侵是否会传导为实体失控。

“小型家用机器狗重量轻，就算出问题也不会造成严重物理伤害。但大型巡检机器狗、工业人形机器人呢？几十公斤的金属躯体，一旦被远程篡改运动指令，做出冲撞、攻击行为，后果是直接的人身伤害。”

在他的判断中，汽车的失控场景可预估，风险基本限定在道路场景内，边界清晰。但机器人不同——它可以进入室内、攀爬台阶、与人近距离交互，应用场景不断向物理世界延伸，风险边界也持续扩张。不存在一劳永逸的安全方案，只能针对不同形态的产品，逐一场景评估风险，持续迭代防护策略。

第三个维度，是攻击面的延伸：从软件系统走向硬件实体。

传统网络安全的攻击面集中在软件与网络层，而机器人多了一层硬件风险。黑客可以通过拆解产品、逆向工程挖掘硬件底层漏洞，进而实现批量远程控制、篡改关键算法。与此同时，研发端的关键代码、算法模型、机械图纸，更是这条火热赛道上最具价值的数字资产，一旦泄露，损失的不只是自主知识产权，更会动摇产品的物理安全根基。

“今年具身智能赛道有多热，安全压力就有多大。企业在抢人才、拼技术，黑客和竞争对手也在盯着关键资产。”王思远直言，未来针对具身智能企业的攻击只会越来越多，攻击路径会从数字系统一路延伸到硬件本体，最终落点是物理世界的产品安全。

面对从数字穿透到物理的风险，王思远的整体策略非常明确：安全前置，跑在产品正式上市之前。

这也是他说服管理层的关键逻辑。创业公司做安全，时机比完美更重要。产品尚未发售、用户规模较小时，是安全布局的黄金窗口；一旦产品上市后再暴露漏洞、被监管通报，安全工作就会陷入被动——既要补上历史欠账，又要跟进新业务需求，还会动摇管理层对安全投入的信心。

“最好的节奏，是产品正式发布的那天，安全的硬能力和软能力也刚好全部就位。业务往前跑，安全托着底，两者同频，才是最优解。”

在他的规划中，安全建设与产品研发是两条并行线，同步推进、同步验收，最终形成“数字底座+产品延伸+底线原则”的三层防护体系，让防线从数字世界延伸至物理终端。

第一层，筑牢数字侧的基础防线。

企业端沿用成熟的安全方法论，搭建态势感知平台、终端安全体系、数据分类分级机制，常态化开展红蓝对抗与攻防演练，守住研发数据、自主知识产权这条关键生命线。

“态势感知不是摆样子的。我要拿真实的攻击数据给管理层看——每天有多少攻击、拦截了多少、还有哪些风险点，用数据说话，比空喊安全重要有用得多。”在王思远看来，数字侧是所有攻击的入口，守好这一端，就能将绝大多数风险拦截在物理世界之外。这是传统安全能力的复用，也是所有延伸防护的底层基础。

第二层，把防线延伸到产品物理本体。

围绕“云-管-端”构建产品侧防护体系：云端服务、手机APP、机器人本体同步开展渗透测试，定期排查高危漏洞，确保没有可被利用的攻击入口。每一款产品上市前，都要经过多轮攻防验证，带着安全补丁走向市场。

与此同时，合规认证同步推进：ISO 27001信息安全管理体系、ISO 27701隐私信息管理体系、ISO 42001人工智能管理体系三项认证同步启动，人工智能算法备案、网络安全等级保护备案也在同步推进。

“相当于让产品‘持安全证上岗’，该有的认证全部配齐。这不是门面功夫，是给用户、投资方和监管方最基础的信心。”王思远清楚，认证无法保证绝对安全，但它意味着企业具备完整的安全管理流程，拥有覆盖从数字到物理的安全管控机制，是产品走入物理世界的准入底线。

第三层，守住数据隐私的物理边界。

他始终坚持的“数据主权高于技术便利”原则，在机器人场景下迎来了更严峻的考验。

在AI行业，算法团队希望获取更多真实场景数据，以提升产品能力，AI企业拼的就是训练数据质量。家用环境千差万别——户型、用户习惯、情绪表达，很多特殊场景在实验室里根本无法模拟。尤其是一些特殊用户的行为数据，对算法模型的提升堪称“千载难逢的样本”。但只要触碰个人隐私红线，王思远的态度始终坚决。

“算法提升很重要，但用户隐私是底线。比如特殊人群的使用数据，哪怕能让模型能力上一个台阶，原始数据也绝对不能流出。”他的边界很清晰：能脱敏使用的，做极致脱敏后提供给算法团队；如果脱敏后数据失去训练价值，宁可放弃不用，也绝不侵犯用户在私人物理空间里的信息主权。

“当算法提升和个人信息保护冲突的时候，我永远站在保护用户这一边。”

一家企业的防线再坚固，也撑不起整个赛道的安全水位。在王思远的观察里，具身智能的安全生态目前还处在较为初期的阶段，有行业标准，但落地性一般，对比智能网联汽车的《汽车数据安全管理若干规定（试行）》标准，具身智能可以参考的安全标准确实不多。有两个关键空白亟待填补。

第一个空白，是行业级的产品攻防演练。

在智能网联汽车行业，针对车辆本体的红蓝对抗已经非常成熟：专业红队通过物理接触、网络入侵等方式攻击车辆，挖掘车机、智能驾驶系统的漏洞，倒逼企业提升安全能力。但在机器人行业，这样的行业级攻防几乎是空白。

“没听说哪家机构把各家机器人聚在一起，让专业红队开展实测，检验产品的真实安全水位。大家都在闷头做自己的产品安全建设，但行业的整体底线在哪里，没人说得清。”

王思远期待，未来能出现行业性的机器人安全测评与攻防演练机制，企业拿出产品参与，红队实战攻击，共同提升整个赛道的安全水位。“当然，机器人之间的格斗、竞速比赛肯定更精彩，但那是性能比拼，不是安全比拼。真正的安全对抗，是看谁的机器人更难被攻破、更难被恶意操控。”

第二个空白，是适配物理场景的标准体系。

王思远经历过网约车行业安全标准从无到有的过程，在他看来，具身智能的标准演进会遵循同样的逻辑：先由国标划定大的框架与底线，再随着行业发展、问题暴露，通过行标逐步细化优化。

“安全标准从来不是凭空制定出来的，一定是在实践和问题里迭代出来的。一开始的标准不会太细，太细了企业没法落地；但没有框架也不行，出了大事对行业冲击太大。”

他预判，未来如果出现重大机器人安全事件，可能会催生更高级别的专项法律法规，逐步完善整个行业的规则体系。他的目标很务实：先把自身的安全体系做扎实，积累足够的实践经验，未来有机会时，既做标准的执行者，也做标准的参与者。

“如果因为几家企业的安全疏漏，导致整个赛道被监管收紧、被消费者抵触，那对所有从业者都是损失。单家企业守的是自己的产品，整个行业一起守的，是用户对具身智能走进物理世界的信任。”

聊到更宏观的AI发展趋势，王思远的视角始终没有脱离“安全边界”这条主线。在他看来，中美两国在AI领域的高强度竞争，正在大幅加速技术落地的节奏，也在同步加速风险向物理世界渗透的速度。

“现在两国都在铆足劲竞赛，你做出来的东西我也要做出来，很多原本要十年二十年才会落地的应用，可能三五年就会走入现实。”这种竞速极大推动了技术迭代，但也带来了隐忧：很多应用场景还没来得及验证安全边界，就已被推向市场。

“一切皆可AI”的探索精神背后，是安全防护的普遍滞后。在他看来，AI安全本质上分为两层，机器人企业要同时面对两层考验。

第一层，是所有企业都绕不开的命题：员工使用AI工具的安全。大语言模型、智能体正在成为职场标配，很多员工为了提效，会直接把工作文档、关键数据上传到公网AI工具，这在王思远看来是明确的数据泄露风险。

“医生把带患者信息的病历传到公网大模型，就算是为了写报告、做分析，本质也是数据泄露。这个结论在业内已经是共识。”他给出的解法是三步：首先做好数据分类分级，高敏感数据严禁接入公网AI；其次推进AI大模型与智能体的私有化部署，让数据流转全程在内网完成；最后搭建AI行为监测与防护体系，类似“智能体防火墙”，监控AI的所有数据交互行为，及时发现异常外传风险。

第二层，是AI产品本身的安全，也就是机器人的算法安全、硬件安全、数据安全。这是具身智能企业独有的考题，也是最难的一道题——它的风险最终会落地到物理世界，容错率远低于纯软件产品。

“很多人说AI安全是AI企业CISO需要考虑的，其实不对。哪怕是传统制造企业，只要员工用AI，就有AI安全问题。而我们做机器人的，是两套题都要答。”

王思远坦言，AI时代的安全对抗，难度正在指数级上升。AI驱动的攻击工具，在漏洞挖掘、社会工程学等方面的能力，已超过很多人类黑客。高速竞速的赛道上，安全一旦掉队，付出的代价可能不只是数字损失，更是物理世界的真实伤害。

访谈最后，聊到对AI时代安全从业者的建议，王思远的答案很实在。

传统安全时代，从业者靠勤奋、靠原则、靠经验就能守住底线——有漏洞及时修复，有风险及时评估，数据加密脱敏常做检查，基本不会出大问题。但AI时代不同了：对手在进化，场景在扩张，风险从数字蔓延到了物理。只懂技术不懂合规，或是只懂合规不懂技术，都远远不够。未来的安全从业者必须是全维度的复合型人才，才能跟上风险扩张的脚步。

从跨国制造到智能汽车，再到今天的具身智能，王思远的职业生涯恰好踩中了网络安全边界不断扩张的轨迹：从守护工厂产线的数据，到守护智能汽车的行驶安全，再到守护走进家庭的实体机器人。

战场在变，防线在延伸，内核却始终清晰：安全的终点，永远是保护真实世界里的人。

当比特层面的攻击终于击穿屏幕，落到由原子构成的物理世界，安全从业者的新战场才刚刚拉开序幕。而王思远和他的团队，正站在这条边界线上，为走入现实的具身智能，筑牢第一道防线。