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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。