近日,全球开源解决方案领导者SUSE首次发布了《云安全行业趋势报告》亚太版 (以下简称“报告”),深入探讨了生成式人工智能(AI)时代下,亚太地区在云安全领域面临的挑战及生成式AI与边缘计算的深层次影响。报告基于对中国、新加坡、印度、日本、韩国、印尼和澳大利亚等国家和地区IT决策者的调查,揭示了各地区在云安全和边缘应用中的差异化需求。其中,中国市场表现尤为积极,不仅在云负载应用上领跑亚太,更在容器安全、边缘系统集成、自动化安全和供应链安全方面投入了显著关注。
SUSE大中华区总裁陈毅威表示:“数字化领域的快速发展,特别是生成式AI和边缘计算带来的变革,使中国及更广泛的亚太地区的企业面临前所未有的挑战。预计到2027年,中国在生成式AI领域的投资将达到130亿美元。这一领域蕴藏着巨大潜力,同时也凸显了持续投入和定制化安全解决方案的必要性。作为在中国运营超过20年的公司,SUSE始终致力于通过安全、敏捷的开源解决方案支持企业在这充满活力的数字化环境中蓬勃发展。通过开源技术,中国企业能够走在云安全实践的前沿,并利用AI和边缘计算释放更大的市场潜力。”
生成式AI时代的中国市场云安全态势
报告指出,生成式AI的广泛应用推动了亚太地区的云安全需求提升,而中国市场在这一领域表现尤为活跃。调查数据显示,中国IT决策者在云端部署的工作负载比例远高于亚太平均水平,达到37.1%。这一领先占比反映出中国企业对生成式AI的高度依赖,特别是在满足复杂数据处理和计算需求方面,中国市场展现了积极的采纳态度。
在生成式AI应用的带动下,中国市场对供应链和边缘安全的需求显著上升。供应链的安全漏洞被视为AI应用中的一大威胁,42%的中国IT专业人士表示将加大对SBOM(软件物料清单)透明度与安全性的关注,确保供应链的安全性。同时,边缘安全事件逐渐增多,中国企业在边缘计算与现有IT系统的集成中面临新的挑战,亟需通过边缘安全方案来保障多系统环境的安全性与一致性。这一趋势反映出生成式AI与边缘计算的融合正在加速,要求企业IT团队在分布式环境中构建更复杂的安全防线。
此外,中国企业对Kubernetes网络策略和自动化安全管理的关注度显著提升。报告显示,33%的中国企业在云原生环境中已采用Kubernetes网络策略,以确保容器化工作负载的安全性。相较之下,亚太其他市场的采用率相对较低,表明中国企业在生成式AI和多应用场景下,具备更为细致的安全管理需求。自动化安全管理也逐渐成为中国企业的标配,有效保障生成式AI模型的训练和数据处理安全。
SUSE助力中国企业应对生成式AI时代的云安全新需求
为应对中国市场在生成式AI和边缘计算领域的安全需求,SUSE提供了一系列创新的安全管理方案,助力企业构建稳固的云边安全防线。在容器化安全方面,SUSE的NeuVector作为Kubernetes原生的全自动容器安全平台,能够识别并防护应用层的安全威胁,为中国企业在容器化工作负载中提供端到端的安全保障。NeuVector的实时威胁检测功能特别适用于生成式AI对容器化应用的高安全需求。
SUSE在供应链安全方面同样提供了高度支持,以帮助企业满足监管要求。SUSE Linux Enterprise在系统和容器镜像管理中集成了SBOM(软件物料清单)功能,采用SPDX和CycloneDX两种格式,增强了企业供应链的透明性和合规性。此外,SUSE Rancher Prime 3.0进一步集成了SBOM,作为安全管理和风险控制的核心模块,为多集群管理带来更高的信任度和完整性,助力企业实现统一的安全管理。
在边缘计算快速发展的背景下,SUSE Edge 3.0通过优化的Kubernetes管理和自动化功能,支持从核心云到边缘的全栈云原生管理。其强大的可扩展性和灵活性确保了边缘数据的实时保护与合规管理,帮助中国企业在边缘计算应用中有效降低成本、提高效率,适应多元化的业务场景。
此外,SUSE的Rancher Prime平台通过整合StackState的监控技术,提升了对云原生应用的可观察性,使企业能够在生成式AI的应用场景中实现资源的高效管理和分配。未来,SUSE将继续深耕云安全和边缘计算领域,以开源创新支持中国市场的数字化转型,助力企业在生成式AI时代的安全应用中行稳致远。
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。