（以下内容从中国银河《通信行业：AI安全逐步归位，关注硬件侧增量》研报附件原文摘录）
核心观点
事件：2026年7月OpenAI内部攻防测试智能体突破沙箱隔离，持续三天对全球开源AI平台HuggingFace发起自主网络探测攻击，此后Anthropic、Meta、谷歌等公司相继公开证实自家模型在未经授权的条件下访问外部真实网络系统，8月OpenAI在每个Token上扫描模型的内部活动，监控系统额外增加推理算力20%的CAPEX，9月AnthropicCEO提出前沿AI的发展速度需要放慢，主张引入更多独立的第三方评估机制，全国网络安全标准化技术委员会发布《人工智能安全治理框架3.0》，中国联通联合华为、中兴通讯、清华大学等校企发布《人工智能安全治理白皮书（2026）》，联合国安理会围绕“人工智能与国际安全”主题举行高级别会议，AI安全问题亟待重新审视。
AIAgent飞速发展，安全建设让位市场扩张。AIAgent是以大语言模型为核心决策大脑，集成环境感知、长期记忆、规划推理、工具调用、执行反馈的全链路能力，能够在无持续人工干预的前提下自主理解复杂目标、逐层拆解任务、动态调整执行策略并完成多步骤工作闭环的智能系统，具备自主决策性、任务闭环性、动态适配性、工具原生性四大特点。传统AI产品以对话交互与信息响应为核心目标，而AIAgent则转变为任务执行与结果交付，按产品形态与价值定位，AIAgent可划分为应用服务型、开发使能型、端侧内嵌型、具身实体型四大类。基础大模型的多模态理解、长段上下文处理、复杂逻辑推理能力持续升级，为AIAgent的目标拆解、路径规划提供可靠的认知中枢，模型量化、推理加速、分布式调度等优化技术同步成熟，大幅降低AIAgent规模化部署的门槛，分层记忆机制、反思式推理框架、多工具自动编排能力逐步达到生产级标准，AIAgent的任务完成率、异常场景容错能力显著提升。MCP模型上下文协议与A2AAgent间通信协议等行业共识性规范快速普及，打破不同厂商、不同架构AIAgent的信息壁垒与协作瓶颈，实现Agent间的任务分发、信息共享、能力互补，推动AIAgent从单点能力输出向网络化协同体系升级。同时B端降本刚需与C端体验升级共振，打开市场空间，据OpenAI数据，截至2026年8月以中位数计算其研究部门的AIAgent使用规模较2025年末增长124倍，且越来越多的研究员会同时运行4个甚至更多的AIAgent会话，以标准的8小时工作日计算AIAgent工作量已达人类的3.1倍，个人用户对AI的使用从基础信息检索向事务化、代办式服务升级，涵盖日程管理、生活服务、学习辅助等多场景。在此背景下，据IDC、Gartner数据，预计2026年全球企业级AIAgent市场规模同比大幅增长，到2026年末40%的企业应用将嵌入任务型Agent，据IDC、艾瑞咨询数据，2025年国内AIAgent市场规模318亿元/123.9%，预计到2028年将达1,520亿元，三年CAGR=68.5%。但安全建设让位于市场扩张的情况屡见不鲜，为抢占细分赛道，不少AI企业持续压缩全流程安全测试、多场景风险评估周期，甚至将安全管控视为技术创新、产品出货的约束条件，落地Agent时未配套全链路行为审计、分级权限隔离、实时应急熔断机制，常态化运行监测缺位，而开源生态又进一步放大供应链传导风险，海量二次开发模型、第三方Agent插件依托开源体系快速流通，目前全球尚未建立统一通用的AI供应链安全标准，针对AIAgent全流程动态监测、实时熔断干预的完整技术方案仍处于试点阶段，底层模型的安全缺陷可快速传导至千万终端应用，风险跨主体扩散速度远超行业排查的处置效率。
AIAgent失控倒逼安全升级，硬件侧具备较大增量空间。据谷歌数据，有83%的企业认为现有基础设施需开展升级方能支撑生产级别的AI智能体系统，有48%的企业认为供应链安全是AI安全的首要关注点，其中多租户环境下的数据泄露风险与模型被未授权访问提取的风险排名靠前。单次高等级的AI失控，不仅会造成直接经济损失，还会削弱公众对该领域AI技术应用的信任度，甚至引发一刀切式的监管收紧。以往AIGC的风险集中于文本与图像的内容输出，依靠关键词审核、模型对齐、内容溯源即可管控，而AIAgent可自主调用网络接口、系统底层权限、物理设备控制指令，风险传导覆盖数字空间与实体产业。过去AI大模型更多地作为业务系统之外的一项能力，出问题往往能够被阻断在软件侧，现在AIAgent会接入知识库、数据库、插件、外部工具，深刻参与业务流程，部分场景还会进一步靠近生产控制，硬件侧也逐步进入安全视野，AI安全不只要管“模型说了什么、谁能调用模型”，还要管“数据在哪里算、谁能看到计算过程、运行环境能不能被信任”。硬件侧的AI安全风险主要涉及四大核心环节：（1）硬件底座的内生可信与架构漏洞风险。芯片或服务器可能存在生产环节植入的恶意固件或硬件后门，GPU、NPU等专用AI芯片的微架构漏洞，易被侧信道攻击利用，导致模型关键参数泄露、决策逻辑偏移；（2）计算环境的内生防御能力与隔离风险。AI应用对机密计算的部署率及适配性不足，同时虚拟化与边界逃逸风险突出，多云架构下配置一致性缺失；（3）云端架构的共享资源与接口攻击风险。云端共享存储与计算资源存在多租户交叉污染隐患，攻击者可利用云服务弹性扩展特性，通过恶意调用AI接口触发DDoS攻击，导致资源耗尽、业务停滞；（4）全链路供应链的隐蔽篡改与资产污染风险。AI应用高度依赖开源框架与第三方预训练模型，缺乏标准化的物料清单审计，易遭受供应链投毒攻击，同时硬件运输、软件更新包分发环节的物理/数字复合攻击，也会成为影响AI系统可靠性的致命因素。据Gartner数据，预计2026年全球AI相关CAPEX规模将达2.52万亿美元/44%，但其中专门分配给AI安全的部分仅513亿美元，占比2%，硬件侧具备较大增量空间。
投资建议：我们认为AI安全领域的投资逻辑正转向实际投入的兑现，头部AI大模型公司率先重视安全问题有望带动硬件侧CAPEX增速，国内尤其是企业级AI安全CAPEX表现超预期，2026Q4可能有更为明确的政策红利，建议关注在网络设备环节搭建AI安全防护体系，打造智能流量监测、AI攻防识别、异常行为预警等解决方案的锐捷网络/紫光股份，转型边缘AI原生安全的网宿科技，WAPI技术保障无线网络安全的东土科技，深耕工业互联网与轨道交通领域设备控制与智能化的三旺通信。
风险提示：AI安全需求释放缓慢的风险；下游AI安全CAPEX增速不及预期的风险；AI安全技术送代过快的风险；AI安全行业竞争加剧的风险等。
