《绩效》第二十一期（PERFORMANCE 第21期）——迈向AI原生时代

第二十一期|2026 迈向AI原生时代 迈向AI原生时代 被战略性地整合到企业的核心业务中，从而重新定义其产品、服务、流程乃至整个生态系统，重构组织基因，迈向AI原生。未来的生产力，不再是人干机器的活或机器取代人，而是人类与机器在各自优势领域协同作战，形成人机共生的新型经济形态。AI不是替代者，而是放大器；人类不是被边缘化的角色，而是智能系统的指挥官与创意源泉。 在人工智能从技术概念走向商业现实的今天，全球企业正经历一场前所未有的系统性变革。我们已告别AI+的浅层应用阶段，进入以智能体为核心、以AI原生为终极目标的智能新纪元。这不仅是技术的迭代，更是一场关乎企业生存与发展的战略跃迁。 安永大中华区对AI时代企业转型的全景式思考，共同勾勒出企业从智能觉醒到原生进化的商业路径，就如安永全球近期发布的报告How emergingtechnologies are enabling the human-machinehybrid economy中提到的：未来的经济形态，是人类智慧与机器智能深度融合的人机混合经济。 安永坚信，未来属于那些敢于拥抱变化、以价值为导向、以系统性思维驾驭AI浪潮的企业。本期绩效不仅是一份战略蓝图，更是一份行动指南——在智能时代，真正的竞争优势，不在于你拥有多少AI，而在于你能否让AI真正成为企业生命力的组成部分，穿越AI的喧嚣，找到通往智能未来的确定性路径，拥抱一个更智能、更高效、更具韧性的未来。 当前许多企业仍处于AI+的初级阶段，将AI作为一种附加的功能模块，融入现有的传统业务流程中。这种方式虽然能带来一定增量，但本质上是一种修修补补式的改造，无法充分释放AI的巨大潜能。真正的AI不再是外挂，而是企业DNA的一部分，是其商业模式、组织文化和技术架构的灵魂。成功的AI实践需要的是一个以商业价值为核心、跨部门协同、且不断进化的系统性工程。 企业竞争的制高点已经从早期争夺谁拥有最好的通用大模型这一技术层面，转移到了构建能够深入理解特定行业、解决实际问题、创造真实商业价值的垂域AI能力。企业应当从自身的业务痛点出发，寻找最适合的AI技术组合，将其打造成高效的专属作战单元，重塑核心职能，释放运营价值，同时应对AI安全与用AI保安全的双重挑战，构筑智能防线，驾驭双重风险。真正的AI原生竞争力不在于其本身的技术先进性，而在于它如何 吴晓颖Sharry Wu大中华区咨询服务主管合伙人安永（中国）企业咨询有限公司 目录 从成本中心到价值引擎，财务托管服务�从成本中心到价值引擎，财务托管服务�开启智能运营新革命开启智能运营新革命 专栏专栏 信息安全人工智能企业数字化中西合璧 智能跃迁与范式重塑：从数字化治理到智能跃迁与范式重塑：从数字化治理到AIAI原生架构的全栈演进原生架构的全栈演进 How emerging technologies areHow emerging technologies areenabling the human-machine hybridenabling the human-machine hybrideconomyeconomy 执行编辑：执行编辑：叶俊叶俊�安永大中华区咨询服务安永（中国）企业咨询有限公司aaron.ye@cn.ey.com 设计：设计：谷妍谷妍安永中国品牌、市场推广及传讯部�设计高级经理安永华明会计师事务所（特殊普通合伙）sunny.gu@cn.ey.com 总编：总编：吴晓颖吴晓颖安永大中华区咨询服务�主管合伙人安永（中国）企业咨询有限公司sharry.wu@cn.ey.com 主编：主编：谢明发谢明发安永大中华区咨询服务首席运营官安永（中国）企业咨询有限公司eric.chia@hk.ey.com 人工智能时代网络安全体系�人工智能时代网络安全体系�的“智能重构”的“智能重构” ——网络安全从“规则时代”迈入“智能时代”——网络安全从“规则时代”迈入“智能时代” 我们正站在一场由人工智能（AI）驱动的生产力革命浪潮之巅。从自动生成代码、智能客服应答，到赋能产品研发与精准营销，AI技术以前所未有的速度渗透到企业的核心业务流程，改造升级现有的商业模式与竞争格局。然而，在这幅波澜壮阔的技术图景背后，更新式的、更复杂的安全威胁“暗礁区”正在悄然形成。 当企业管理层讨论AI战略时，相关话题也从“它能带来多少效率提升”延伸至“我们如何管控随之而来的新型风险”。传统基于规则和边界的防御体系，在高度智能化、自适应化的新型攻击面前显得力不从心；而企业自身蓬勃发展的AI应用，也成为了充满未知漏洞的新攻击面。 网络安全领域也已进入智能新范式：既要保障AI自身的安全（AI Security），也要利用AI来增强整体安全能力（Securityin AI）。两者相互交织，构成了AI时代安全建设的核心命题。忽视任何一侧，都可能使企业在享受AI技术红利的同时，暴露于无法承受的风险之下。本文旨在简要分析这一新时代下的威胁演进路径，并为企业构建智能化安全框架提供参考。 作者： 高轶峰Kelvin Gao安永大中华区网络安全与隐私保护咨询服务主管合伙人 周旸Yang Zhou安永大中华区网络安全与隐私保护咨询服务合伙人 左超Chao Zuo安永大中华区网络安全与隐私保护咨询服务总监 一、AI时代网络安全的新背景 与此同时，人工智能相关供应链安全议题上升至国家安全高度。围绕先进计算芯片、高端制造设备，乃至顶尖算法人才的技术管制与进出口制裁日益频繁。这不仅影响硬件厂商的供货，更波及云服务商的计算资源供给、开源社区的技术协作乃至整个AI研发的进程。企业，特别是跨国企业，在规划AI战略时，必须将地缘政治与合规要求作为关键变量进行考量，审慎评估技术选型、供应商布局和数据资产的地理分布，避免因合规踩线或供应链断裂导致业务中断。 企业加速转型的急迫需求与安全风险应对一直存着博弈。而企业网络安全工作始终要结合企业的业务、应用和发展趋势，理解这一宏观背景，是应对其安全挑战的前提。 1.1 AI应用加速：从创新试点到核心业务的风险泛化 当前，企业AI应用正迅速跨越“概念验证”与“局部试点”的初级阶段，大步迈向与核心业务流程深度绑定的“全面赋能”新阶段。在研发前线，大模型逐渐成为“思考伙伴”，承担起从代码生成、自动审查到架构建议的职责，将开发效率提升至前所未有的水平。在运营层面，智能客服与“数字员工”已不再满足于简单问答，而是开始处理复杂的客户旅程、完成跨系统流程，重塑服务体验与运营模式。在数据价值挖掘领域，AI模型正穿透传统分析难以触及的海量非结构化数据，实时捕捉市场信号、预测用户行为，成为企业决策中枢不可或缺的组成部分。 1.3安全价值升级：从成本中心到战略赋能者的角色重构 在上述应用深化与监管博弈的双重背景下，企业安全部门自身正经历一场深刻的身份变革与价值重塑。传统意义上，安全常被视为“成本中心”，其价值体现在减少损失。然而，当AI的稳定性、输出结果的公平性与合规性等因素，直接关系到产品竞争力、客户信任乃至品牌声誉时，安全工作的目标就从单纯的“防入侵、保稳定”，升级为保障AI系统的“可信、可靠、可控”。 这种“根植于业务核心”的深度融合，在释放巨大效能的同时，也使得风险敞口以非线性方式急剧扩大。首先，模型自身的安全成为焦点：训练数据可能被投毒导致模型偏见或失效；推理过程可能遭受对抗性攻击，使AI做出错误判断。其次，AI系统引入了全新的软件供应链风险，从预训练模型、开源框架到第三方接口，任何一个环节的污染都可能导致全线崩溃。最后，AI生成内容的滥用，使得内容安全与身份可信的边界变得模糊。企业必须认识到，不同的AI应用场景面临着差异化的威胁环境，需要分而治之。 这种角色的转变体现在几个具体维度：其一，安全必须“左移”，深度参与AI项目的早期设计、数据准备和模型训练阶段，将安全要求内嵌于AI生命周期的起点。其二，安全团队需要与法务、合规、审计及业务部门紧密协作，共同构建横跨技术、管理与伦理的AI治理框架。其三，安全能力的输出形式也在变化，从出具策略和工具转变为提供可集成的安全组件、自动化合规检查能力以及实时风险态势感知，直接赋能业务团队高效、安全地使用AI。企业对AI的核心期望——提升运营效率、赋能产品创新，都必须建造在“安全可信”的基石之上。因此，将安全定位为战略赋能者，不仅是应对威胁的必需，更是把握AI时代机遇、构建长期竞争优势的方向。 1.2治理监管博弈：全球格局波动与供应链重构的合规压力 AI技术已超越纯粹的技术范畴，成为大国战略竞争、经济安全与价值观输出的核心竞技场。全球主要经济体正围绕AI治理展开一场激烈的立法与规则竞赛，试图在鼓励创新与防控风险之间找到平衡，并借此塑造有利于自身的全球技术秩序。欧盟的《人工智能法案》（AIAct）、美国的相关行政令与立法动向、中国的《生成式人工智能服务管理暂行办法》等，勾勒出全球主要经济体在促进创新与防范风险之间的不同权衡与监管路径。算法备案、内容标识、模型安全评估、数据跨境流动合规等，已从可选项变为产品上市或服务提供的强制性准入门槛。 二、AI对网络安全行业的重塑与挑战 安全运营中心（SOC）或陷入“数据过载”与“洞察匮乏”的困境。企业部署的各类安全产品每天产生海量告警，其中绝大部分是噪音或误报。而AI驱动的攻击可以做到“低慢小”——流量低、行为慢、痕迹小，能够巧妙地隐藏在正常的业务噪声之中，传统基于阈值的监控手段极难发现。 AI同时席卷了网络攻击与防御的两端，彻底改变了游戏规则，给企业安全团队带来了前所未有的实战压力。 2.1攻击侧：智能化、拟人化、规模化的威胁演进 攻击者利用AI，完成了一场从“人力密集型”到“智力密集型”，再到“自主化”的质变，使威胁在三个维度上实现了全面升级。 更深层次的危机，在于人才与技能的结构性断层。传统的网络安全专家精于网络协议分析、系统漏洞挖掘和恶意代码逆向，但对机器学习模型的运作机制、训练数据集的偏见、提示词的对抗性攻击等新型风险点却可能知之甚少。企业迫切需要既懂安全又懂AI的复合型人才。 在智能化维度，攻击的“认知”水平被极大提升。AI不仅能自动化执行重复任务，更能进行复杂的分析与决策。例如，攻击者可以利用AI自动扫描和分析目标系统暴露的代码库、技术文档和资产信息，快速绘制出精准的攻击面地图。此外，AI能自动研究公开的漏洞信息，并生成漏洞利用代码，将发现漏洞到实施攻击的时间窗口从数周、数天压缩至数小时，大幅降低攻击技术门槛。 2.3企业内部：AI应用引入的新型风险面 企业在积极拥抱AI的同时，也在内部“孵化”了新的风险源。这些内生风险源于AI系统自身特性，且往往被业务驱动的热情所掩盖。 在拟人化维度，社会工程学攻击的欺骗性进一步升级。例如：攻击者可以轻松利用AI工具，批量分析目标员工在社交媒体、行业论坛中留下的数字足迹，自动合成出高度个性化的邮件内容。更具颠覆性的是深度伪造（Deepfake）技术的武器化。通过一段合成的语音或视频，攻击者可以仿冒员工声音、形象进行诈骗。这类攻击已从概念验证演变为真实的商业欺诈案例，直接威胁企业资金与核心数据安全。 自身开发和部署的AI应用系统本身成为了崭新的攻击面：大语言模型应用面临的新型漏洞，如“提示词注入”，允许攻击者通过精心构造的输入，诱导模型突破预设的安全护栏，执行非授权指令。“数据投毒”则通过在模型训练阶段注入恶意样本，潜移默化地“教坏”模型，使其在特定场景下产生系统性错误或偏见。 AI深度融入业务场景的同时也放大了威胁的破坏力。例如，若用于生成营销文案的AI模型，其训练语料库被植入了偏见性、虚假或恶意信息，可能导致企业无意识地产出并传播违法违规内容，引发严重的品牌与公关危机。在人力资源场景中，用于简历初筛或绩效预测的AI模型，若存在未被审察的算法偏见，可能导致对特定性别、种族或年龄群体的歧视，这不仅违背商业伦理，更将企业置于劳动仲裁与法律诉讼的风险之中。 在规模化维度，攻击的自动化、持续