漏洞治理进入AI时代，国产处理器要补的不只是性能课

AI赋能自动化漏洞挖掘，大幅压缩了威胁发现周期，这使得传统依靠防火墙、杀毒软件、补丁迭代的外挂式安全防御模式遭遇了根本性挑战。当上层软件防护随时可能被AI攻击突破，处理器作为整个IT体系最底层的硬件信任根，其核心价值也从单纯提供算力的“性能工具”，升级为AI安全体系当中不可或缺的第一道防线。

在相当长一段时间里，人们关注的目光都聚焦于国产处理器的性能指标，跑分、算力密度、吞吐能力成为市场竞争的标尺。但是随着大模型、AI智能体开始大规模走进政法、通信、金融、政府、企业、电力信等关键信息基础设施领域，行业用户逐渐意识到，仅有高性能并不足以支撑AI业务落地。

举例来说，一些政企单位虽然手握大模型算力资源，却因为数据泄露、模型篡改、Token劫持等安全风险，陷入“有算力却不敢用大模型”的尴尬困境。正是在这种背景下，国产处理器的竞争赛道悄然拓宽，性能只是“入场券”，由可信计算底座、软硬件协同能力、安全与算力融合、行业场景适构筑的生态围栏，才是AI落地最可信赖的支撑。我们欣喜地看到，以海光信息CPU、DCU异构算力体系为代表的产业实践，正在印证上述行业转向，芯片级内生安全已成为国产算力突围的重要变量。

在AI漏洞治理中，处理器扮演了什么样的角色？要回答这个问题，首先就要厘清“内生安全”与传统外挂式安全方案的本质差异。传统外挂式安全，是在芯片、操作系统之上叠加防火墙、加密软件、安全网关等防护组件，属于被动防御思路。打比方说，这就相当于给系统加装一层防护铠甲，安全机制独立于计算硬件本身。

面对AI时代的攻击范式，传统外挂式安全短板尽显。

第一，因为攻击面急剧扩张，被动防御永远“慢半拍”。AI可以自动化批量挖掘漏洞，威胁产生的速度已经压缩到“以夜为单位”，但是软件补丁的分析、开发、推送周期往往长达数周甚至数月，攻防之间的时间窗越拉越大。第二，性能代价难以承受。大模型训练推理过程中数据流量巨大，软件层加密、检测会大量挤占算力资源，安全防护与业务算力成为矛盾。第三，安全防护根基脆弱。外挂安全软件的运行建立在底层硬件、固件可信的基础之上，一旦芯片、固件层遭到攻击和篡改，上层所有安全防护则形同虚设。

反观芯片“内生安全”，是将密码协处理器、可信根、内存加密隔离、TEE机密计算等安全能力直接固化到处理器硬件内核中，安全成为芯片架构的原生组成部分，安全运算与业务计算并行执行，不依赖外部插件与额外软件。海光信息总裁助理、政法业务部总经理朱恒伟在VARA大会上接受媒体采访时指出：“就算云端管理员，也不能拿到用户业务的明文数据。这是上层软件安全很难实现的能力”。而内生安全追求的效果是，数据在计算过程中“打不开、拿不走、看不懂”，从硬件源头约束风险，而非等待漏洞出现之后再去修补。

当然，芯片内生安全并非孤立的单点技术，适配AI时代的IT安全底座，需要可信计算、软硬件协同、安全能力、AI算力等要素有机统一，缺一不可。在VARA大会上，光合组织携手海光及产业链伙伴展出了“芯片-整机-平台-行业应用”全栈协同安全成果，旨在搭建面向AI漏洞治理的统一算力底座。

1. 可信计算：筑牢不可动摇的硬件信任根

可信计算是起点。处理器必须提供硬件级可信根，从设备上电启动开始，对固件、操作系统、AI平台、大模型镜像等做逐级可信度量，以保障运行的模型来源可信、版本合规。对于大模型、AI智能体应用来说，包括模型投毒、固件篡改、智能体程序替换，很多攻击在系统启动阶段就已经完成。如果缺少芯片硬件可信根，后续所有的安全审计、漏洞检测工作将成为无源之水、无本之木。

海光C86 CPU将可信计算能力原生集成于芯片内部，内置独立安全处理器，完整支撑国密SM2/SM3/SM4算法，并且依托TEE可信执行环境、CSV机密计算架构，实现内存硬件加密隔离、密钥全生命周期硬件托管，构建起独立于宿主操作系统的密态计算域。即使是虚拟机宿主权限被攻破，密态域内部的数据、模型推理过程依旧受到硬件隔离保护。在VARA大会上亮相的海光1000系列CPU，延续了数据中心级处理器全套可信的安全能力，即便面向工控终端、边缘网关、自助政务终端这类低功耗端侧场景，安全能力也不会随性能下降而缩水，进一步强化了“中心智算-边缘-终端”这一完整的可信链条。

朱恒伟强调说：“海光1000系列CPU继承了服务器端的全套安全能力，同样支持国密算法、可信启动，能够保障终端本地大模型推理、本地数据处理‘可用不可见’”。过去，行业普遍存在一种误区，认为只有服务器才需要高等级的可信能力，边缘终端可以降低安全标准。但事实是，越来越多的AI智能体部署在端侧，终端一旦失守，整个系统将会漏洞大开。处理器端到端统一可信能力，则能缓解这一痛点。

面向远期的量子威胁，海光在芯片层面落地了“商密+抗量子密码”混合密码架构，支持密码体系平滑切换，为关键行业提前应对后量子时代的安全风险打下硬件基础。

2. 软硬件协同：破解碎片化困境

仅有芯片硬件安全还远远不够。如果底层芯片的安全能力无法被操作系统、数据库、AI框架、行业应用软件所调用，那么硬件安全特性无异于纸上纸兵。AI漏洞威胁天然具备跨软硬件全链路的特征，单一厂商很难独立完成全链条安全防御，产业链碎片化会导致大量适配漏洞、接口漏洞，成为攻击者的突破口。这也是国产处理器竞争从单纯比拼性能，逐步延伸至生态竞争的关键原因。

海光信息副总裁吴宗友表示，用户采购的不是单颗芯片，而是一套安全可用的完整系统。硬件安全能力只有通过生态协同向上传导至业务层，才能真正转化为风险防御能力。海光依托光合组织6000余家生态伙伴资源，通过全国28个适配中心，将安全要求前置嵌入产品适配、版本迭代全流程，更好推动芯片、操作系统、数据库、大模型框架、行业应用开展联合安全测试、漏洞协同响应，打通了底层硬件安全能力向上层业务传递的通道。

在行业客户中，国产化迁移过程往往面临三重矛盾：业务连续性、改造成本、安全升级。很多行业客户担心，国产化替换要大规模改写代码，业务中断风险高，且投入巨大。朱恒伟解释了海光的解法：“海光C86架构具备同构兼容优势。政法系统的用户在实现国产化迁移时，不需要大规模改写源代码，就可以完成切换，最大限度保障原有业务连续运行，迁移改造和安全升级一步到位”。硬件内生安全能力通过生态适配直接注入原有业务，不用业务厂商做大规模二次开发，消除了用户的后顾之忧。

在政法数字化场景中，依托海光CPU+DCU双芯底座，生态伙伴们通搭建部-省-市-区县多级云边端协同可信数据空间，支撑政法智能体、长文档分析、多源敏感数据安全共享，实现数据可用不可见。这一成功经验已在多地政法项目中落地复制推广。在金融领域，海光联合伙伴打造金融智能体可信运行方案，基于CSV机密计算构建机密Token运行环境，对Token生成、流转、消费做全流程密文保护，抵御数据泄露、指令篡改风险，更好地支撑高并发交易、智能风控业务。面向通信行业，海光和天翼云联合推出CSV3.0机密云主机，在公有云上搭建“可信计算空间”，实现机密业务与普通业务的混合部署，同时兼顾云上业务效率与安全合规要求。这些成功案例再次验证了，芯片硬件与上层软件深度协同的必要性。

海光信息副总裁吴宗友表示：“过去用户在选择安全解决方案时常常被迫要做选择题，根源在于算力与安全是脱节的。在海光的双芯内生安全体系中，算力支撑与安全保障都源自芯片本身，让用户在性能与安全两者之间不会顾此失彼”。需要强调的是，软硬件协同并非简单的产品互相兼容，而是要将安全需求贯穿从芯片设计到应用迭代的全流程，建立漏洞协同发现、协同处置的机制。

3. 安全与AI算力一体化：拒绝安全与性能二选一

过往不少安全方案陷入两难：开启加密隔离，推理吞吐能力大幅下降；追求业务速度，就要关闭部分安全机制，被迫牺牲防护等级。基于新一代处理器的数字底座不再妥协，而是将安全能力与AI算力原生融合，安全运算硬件加速，安全防护不再成为算力的负担。

海光C86 CPU与DCU异构组合，将密码运算、可信校验交给芯片内部独立硬件协处理器，以及大模型训练推理的主计算单元并行工作，安全任务不抢占AI计算资源，“要安全就要降性能”成为历史。CPU负责调度、可信管控、智能体业务逻辑，DCU承担大模型训练推理负载，二者构建统一安全域，保障数据在CPU与DCU之间高速流转过程中全程加密隔离，不会在异构算力交互环节产生安全缺口。

伴随智能体应用的快速普及，算力架构本身也在发生变化。吴宗友表示：“为适配智能体落地的需求，CPU与算力加速芯片的配正在发生变化，从过去的1:8逐步向1:1演进”。智能体不只有大模型推理计算，还包含大量调度、鉴权、访问控制、行为审计等工作，CPU的安全调度能力，直接决定整套智能体系统的安全水位。如果片面看重AI加速芯片的算力，忽视CPU的安全管控能力，将给整个智能体体系造成安全隐患。

光合组织联合生态伙伴推出的企业级安全智算基座，依托海光双芯底座，把漏洞检测、运行态隔离、行为审计能力整合到整个算力底座中，降低了企业AI业务的安全建设门槛。企业不需要从零开始堆叠各类安全组件，而是能够获得一体化的安全保障。

4. 场景适配：将安全能力转化为真实业务价值

可信计算、软硬件协同、算力安全融合，其最终价值必须在真实行业场景中兑现。国产处理器的竞争已经步入场景化时代，消除业务风险是根本目标。AI漏洞风险存在显著的行业差异性：在政法行业，核心风险是多源涉密敏感数据共享、办案智能体的数据防泄露；在金融行业，重点是Token劫持、交易指令篡改；在工控边缘场景中，终端固件篡改、实时控制链路安全是防御重点；在政务公有云场景中，则要解决云租户之间的数据隔离，防范管理员越权访问。

海光1000系列CPU将芯片级内生安全向下延伸到工业控制、安全网关、政务自助终端、工业机器人等端侧场景，补齐了端侧AI智能体算力安全的短板。海光1000系列继承了数据中心级全套安全特性，同时适配宽温、抗振动工业环境，让端侧本地小模型推理、端侧智能体也能获得硬件级的安全防护，充分满足工业、公共安全场景下本地化AI业务“数据不出域”的硬性要求。

具体来看，在政法领域，海光CPU-DCU双芯架构适配Agent智能体平台，并且兼容上百种主流开源大模型，支撑情指、侦查打击等实战业务，同时可满足政法行业合规要求，项目具备跨地区复制推广能力。

政法、通信、金融、政府、企业、电力等关键行业的实践表明，处理器厂商不能只输出芯片硬件，更要深度理解行业业务流程、合规要求和风险模型，联合生态伙伴输出场景化完整解决方案，才能将芯片安全能力真正转化为业务抗风险能力。

回望国产处理器的发展历程，最初阶段的核心目标是“补齐性能短板”，解决“能不能用”的问题；在今天这个AI驱动的漏洞治理新时代，市场和客户提出了更高要求，必须同时满足“安不安全、生态完不完善、能不能适配行业业务”的要件。国产处理器的评价坐标系已经扩展，安全不再是附加功能，而是核心竞争力。