总结

2026年上半年，区块链行业在快速发展中面临严峻的安全挑战和不断演变的监管环境。安全威胁呈现“事件分散化、损失集中化”特点，攻击目标从智能合约扩展至开发者生态、终端设备、供应链及用户信任体系，攻击方式向专业化、规模化和持续化演进。

区块链安全态势：

• 安全事件概览：Ethereum受攻击最频繁，DeFi项目仍是主要攻击领域，跨链桥事件造成高额损失。合约/逻辑漏洞和私钥/凭证泄漏是主要攻击原因，但供应链攻击造成的损失最高。
• 攻击手法：
  • 钓鱼攻击：呈现“平台化伪装+多阶段交互+动态投毒”趋势，利用高可信渠道和平台信任体系，通过浏览器扩展、搜索引擎广告、邮件系统等实施攻击，并扩展至终端设备控制。
  • 社会工程攻击：利用真实业务场景和用户信任，通过招聘面试、商务合作、社交互动等方式诱导用户完成危险操作，生成式AI提升攻击真实性和针对性。
  • 供应链投毒：从包管理生态、开发工具、构建发布流程到AI Agent生态，攻击者系统性利用开发者全链路信任关系，通过投毒“被信任的软件组件”实现间接攻击。
  • AI驱动的攻击：利用AI技术增强传统攻击，如Deepfake身份冒充、AI Agent信任链攻击（间接提示注入、记忆污染、工具与MCP/Skill层权限穿透）。
  • 密码学攻击：转向区块链底层信任根基，攻击密码学原语与协议机制的工程实现层面，如密钥管理与TEE暴露、签名算法实现缺陷、阈值签名方案泄漏、零知识证明系统实现与验证逻辑缺陷。

反洗钱态势：

• 全球监管动态：亚洲、中东、欧洲、美洲、非洲、大洋洲多国加强虚拟货币和加密资产监管，围绕稳定币、反洗钱(AML)、虚拟资产服务提供商(VASP)等领域完善制度建设。
• 资金冻结/归还数据：2026上半年18起事件中，近1.18亿美元被盗资金被返还/冻结，慢雾协助追回资金约516万美元。
• 网络犯罪组织及动态：Lazarus Group持续活跃，采用多层次混合策略洗钱；Drainers服务（DaaS）专业化、规模化发展，如Lucifer DaaS、Rublevka Team、StepDrainer。
• 隐私协议：主要隐私协议累计流入资金约9.74亿美元，Tornado Cash仍保持领先，Railgun、Hinkal等协议推动隐私协议向多资产管理、DeFi交互及稳定币应用方向发展，稳定币成为主要流入资产，部分协议开始尝试引入合规机制。

研究结论：

• 区块链安全威胁持续演进，攻击面扩大，攻击方式智能化、持续化，安全防护需从漏洞修复转向全生命周期风险治理。
• AI技术被广泛应用于攻击，提升攻击隐蔽性和成功率，需加强AI Agent安全防护。
• 密码学安全成为关键环节，需从“理论数学正确”转向“工程实现正确”，加强密钥管理和密码学原语实现合规与验证。
• 链上资金转移与洗钱活动依然活跃，全球监管体系持续完善，推动行业治理迈向风险预防与体系化建设。
• 隐私协议发展推动链上资金匿名化，增加安全机构开展资金追踪、反洗钱分析及风险识别的复杂度。

慢雾安全能力：

• 围绕AI Agent安全，构建“五层递进式数字堡垒”综合防护体系，推出SlowMist Agent Security Skill、MistTrack Skills和MistEye Security Gate等安全能力。
• 持续探索人工智能在威胁情报、链上追踪、风险分析及反洗钱等领域的深度应用。

核心观点

• 产业底层迭代：Token成为AI时代的基础计量单位，贯穿算力、基础设施、模型与应用，承载成本计量、吞吐统计、预算管控、生态治理四重经济角色。
• 范式迁移：计量单位上移至智能体作业量和业务成果，定价权移向需求侧与契约层，价值捕获流向掌握归因与数据、提供合规与责任的一方。
• 行业结构性鸿沟：传统计费运营体系存在经济模式、架构代际、数据应用、生态协同四大核心瓶颈。
• 核心方法体系：以契约层价值计费与Token资产运营方法论破解鸿沟，包含计费支柱（价值度量、契约层结算、责任分级）和运营支柱（Token资产运营闭环）。

关键数据

• Token规模：中国Token日均调用量2026年3月达约140万亿次/日，较2024年初增长超千倍；机构预测2030年全球Token消耗将出现数量级增长。
• 等效智能成本：2025~2026年累计下降约九成，推理成本每年降低到约1/10。
• 企业降本：软件企业AI精细化运营方案综合降本30%以上。
• 平台降本：日均Token调用量达亿级的平台，每年成本节约数百万至千万级别。
• 异常调用治理：异常调用发现从滞后30天缩短至5分钟以内；异常Token调用占比下降约60%。
• 平台计费模式：从单一用量计费扩展为用量/混合/成果三模式并存。
• 运营商成本降低：异构算力统一调度、智能路由等协同压降单位成本。

研究结论

• 度量结论：通过VPT等手段，将“按效果付费”落成可签约的责任承接。
• 架构结论：从后置账务到事中治理，实现业务日志、运行证据与运营动作的全链路可追溯。
• 工程可信结论：电信级底座支撑规模化流通，跨模型误差<3%、多方同步对账≥99%。
• 经营结论：三方主体（企业、平台、运营商）降本、增收与担责的统一。
• 定价权结论：护城河在合规/责任/绑定的契约层，掌握契约层与归因方法的掌控，以及对责任的可信承接，是定价权的真正来源。

展望

• 产业八维迁移：从Bit时代到Token时代，单价趋势由市场结构决定。
• 产业确定性：三大运营商战略重心转向Token经营。
• 生态演进：以联邦结算构建Token价值网络。
• 商业落地：四路并进，各角色定位互补、收入模式各异。
• 智能体互联网：从B2B到去中心化C2C，逐步衔接。

核心观点

• AI算力攀升与PUE约束趋严，液冷成为高密度算力场景必选项。随着AI芯片算力持续突破，芯片热设计功耗大幅上行，国家限制大型数据中心PUE在1.3以下，液冷技术凭借高导热、高传热特性及优异的电力使用效率，经济性显现，正加速替代传统风冷。
• 液冷分为冷板式和浸没式两种技术路线，目前冷板式为主流，浸没式凭借极高的散热效率、无热点及适配超高密度算力的优势增长潜力突出。浸没式液冷核心耗材冷却液又分为氟系和硅系两大主流路线。
• 需求端：AI服务器扩张有望带动冷却液需求增长。全球液冷相关市场空间广阔，预计2034年全球数据中心液冷市场规模将增至365.89亿美元，2025-2034年CAGR达32.6%。浸没式液冷潜力突出，冷却液增量空间广阔。
• 供给端：国际巨头退出释放市场空间，国内企业加速布局。全球电子氟化液市场长期被3M、索尔维等欧美企业占据，但3M已宣布于2025年底前全面退出PFAS产品线，为国产替代打开窗口。国内企业加快布局液冷行业，氟系冷却液代表公司巨化股份、新宙邦、永和股份等正加速产能落地，东阳光通过投资并购打通了“材料-设备-运营”的液冷算力全产业链闭环。
• 投资建议：随着AI服务器扩张及对制冷性能要求提升，浸没式液冷渗透率将持续提升，供给端海外3M逐步退出市场，国内企业迎来加速替代期，看好具备浸没式冷却液相关产品布局企业。

关键数据

• 英伟达数据中心旗舰GPU功耗：2017年V100 300W，2022年H100 700W，2025年B300 1400W。
• 全球数据中心液冷市场规模：2025年达28.87亿美元，预计2034年增至365.89亿美元，2025-2034年CAGR达32.6%。
• 全球电子氟化液市场规模：2025年约105.6亿元，预计2032年达159.2亿元，2026-2032年复合年增长率为6.1%。
• 全球硅油冷却液市场规模：2024年约0.63亿美元，预计2031年达1.1亿美元，2025-2031年均复合增速达6.8%。

研究结论

• 液冷技术已成为高密度算力场景的必选项，市场需求广阔，国内企业加速布局，迎来全面加速的发展期。
• 浸没式液冷凭借其优异性能，市场份额有望进一步提升，氟系和硅系冷却液各有优势，市场空间逐步拓展。
• 国内企业在液冷领域布局全面，氟系冷却液和硅系冷却液均有多家国内企业布局，国产替代赛道已有多家国内企业布局。

核心观点

企业AI建设推动数据基础设施系统性升级，模型、算力和应用率先成为投入重点，但AI能否理解业务语义成为影响应用效果的关键。爱分析测算，2025年中国AI数据基础设施市场规模约450亿元，预计2029年达1984亿元，CAGR约45%，主要增长动力来自存量平台升级、本体平台建设、多模态数据资产化、高质量数据集供给及Agent数据调用需求释放。

爱分析认为，AI数据基础设施竞争核心是争夺“企业AI数据入口”，即统一完成数据访问、语义理解、工具调用、权限控制和过程审计的入口。未来价值将集中体现在对数据入口、语义入口和Agent调用入口的统一承载能力。

本体平台成为企业沉淀语义资产、支撑AI理解业务的关键，通过结构化流程、指标口径和业务规则等知识，形成可被AI识别、调用和复用的语义资产。AI应用从问答走向分析、协同和执行时，本体平台成为核心能力层。

整体来看，企业AI数据基础设施建设重心转向本体平台，带动多模态数据管理等AI原生能力建设加速，未来增量投入将更多指向业务语义建模、非结构化数据资产化、高质量数据集和Agent数据调用。

中国AI数据基础设施当前进展

数据消费及使用方式是核心变化

AI数据基础设施面向大模型应用、智能体系统和AI原生业务流程，覆盖数据存储计算、数据开发治理、语义建模、多模态数据管理、高质量数据供给、Agent数据调用和数据安全治理等能力，是企业AI应用从试点验证走向生产级落地的关键支撑。与传统数据基础设施相比，核心变化在于数据消费者（增加Agent）和使用方式（Agent需理解业务对象、指标口径、规则约束和上下文关系，并调用工具、触发流程和参与业务执行）。

七个细分市场值得关注

• AI数据库：覆盖数据库、数据仓库、数据湖、湖仓一体、图数据库、向量数据库、混合检索、知识库和RAG检索等能力。
• 多模态数据管理：覆盖文档、图片、音视频、图纸、日志、邮件、知识文件等非结构化数据的解析、治理、索引和资产化。
• DataOps：覆盖数据采集、集成、开发、调度、质量、主数据、元数据、数据资产管理和数据服务化等能力。
• 本体平台：覆盖指标体系、业务语义层、知识图谱、本体建模、业务对象建模、规则约束建模和语义映射等能力。
• Agent数据调用：覆盖数据API、工具调用、上下文管理、权限编排、调用链追踪、调用审计和运行监控等能力。
• 高质量数据集：覆盖面向模型训练、微调、评测、知识增强和行业智能体应用的数据集、行业数据集、可复用数据服务和数据API。
• 数据安全：覆盖数据分类分级、权限控制、身份认证、脱敏、加密、水印、访问审计和合规治理等能力。

潜在市场空间近2000亿元

爱分析测算显示，中国AI数据基础设施市场规模将从2025年的450亿元，增长至2029年的1984亿元，CAGR约44.9%。增长动力将从一次性平台建设转向存量数据体系的持续升级，以及语义建模、非结构化数据管理和智能检索等能力补强。早期投入具有较强的一次性平台建设特征，后续投入将更多表现为持续升级。

本体平台与多模态数据管理增长最快

AI数据库仍是规模最大的细分市场，2029年市场规模预计达到810亿元（占整体市场的40.8%）。多模态数据管理、本体平台和DataOps市场规模分别达到390亿元、285亿元和280亿元。本体平台是增速最快的细分市场，2025-2029年市场规模将从28亿元增长至285亿元，CAGR达到78.6%。AI数据库仍将保持较大市场体量，但差异化空间将更多取决于能否与上层语义、本体、知识组织和Agent调用体系形成协同。

中国AI数据基础设施未来趋势

企业AI数据入口是竞争关键

企业AI应用规模化落地后，数据基础设施竞争焦点从单一平台能力延伸到企业AI数据入口的争夺。AI数据入口主要体现在三个层面：面向业务人员的智能问数、指标分析和知识检索入口；面向大模型和Agent的数据API、工具调用和上下文管理入口；面向企业治理体系的权限、安全、审计和可信治理入口。

本体平台沉淀企业语义资产

企业AI应用进入经营分析、流程协同和Agent执行等场景后，数据基础设施需要承载业务语义识别、关系推理和规则约束表达。本体平台将企业分散的知识转化为可被AI理解、调用和复用的语义资产，包括业务对象、实体关系、指标体系、规则约束、业务术语、语义映射和执行上下文等，是企业AI从“调用数据”走向“理解业务”的基础。随着Agent数量增加，本体平台还将承担更重要的上下文组织能力。

工程化治理转向AI原生能力建设

企业数据基础设施建设正在从以数据中台为代表的工程化治理，转向以本体平台、多模态数据管理、高质量数据集和Agent数据调用为代表的AI原生能力建设。数据中台仍是重要基础，但本体平台更贴近AI应用需求，成为升级的重要方向。多模态数据管理与本体平台形成协同，非结构化数据通过解析、治理、索引和资产化，与业务对象、指标口径和流程规则建立关联。