论坛背景与核心议题 - 第九届南都啄木鸟数据治理论坛将于12月18日在北京举行，主题聚焦“AI安全边界：技术、信任与治理新秩序” [1] - 论坛背景源于2025年AI技术（如DeepSeek、人形机器人、AI眼镜/手机）快速迭代与普及，同时AI造假、版权纠纷、未成年人沉迷等安全风险与治理挑战日益凸显 [1] 论坛核心发布内容 - 论坛上将重磅发布一份4万余字的最新研究成果——《生成式AI落地应用：透明度测评与案例分析报告》 [3] - 该报告聚焦AI造假、AI版权纠纷、AI情感依赖等公众关心议题，基于上百起真实案例分析当前治理痛点并提出建议 [3] - 报告回测了15款大模型产品，从数据及个人信息处理、知识产权、内容安全、交互设计等方面进行透明度测评 [3] - 发布机构南都数字经济治理研究中心已连续7年发布AI年度观察报告，今年是连续第3年发布生成式AI观察报告 [3] 论坛参与嘉宾与环节设置 - 论坛将邀请十余位重磅嘉宾，包括法律专家、互联网法院法官、高校学者、网络安全技术专家、标准起草者、律师及行业协会代表 [4] - 论坛特别设计了互动环节，邀请网络安全专家进行物理AI安全展示，揭示具身智能、AI眼镜的安全风险与挑战 [5] - 现场设有抽奖环节，参会者有机会获得惊喜礼品 [5]

文章核心观点 - AI产业已从“概念炒作”阶段进入“价值兑现”期，企业为降本增效而购买AI服务，创造了真实价值，反驳了“AI是泡沫”的论调[5][6][7][64][65][66] - 通过Snowflake、MongoDB、CrowdStrike三家海外巨头的强劲财报，证实了数据处理、平台适配、安全防护三条AI应用赛道已实现商业化成功，成为“印钞机”[5][6][67] - 投资AI的关键在于抓住解决真实问题的“硬需求赛道”，即数据基础设施AI化、AI原生平台崛起和AI安全刚需爆发，这些领域的龙头企业能长期享受赛道红利[7][69][73][74][76] 数据基础设施AI化：AI落地的“地基工程” - **Snowflake业绩表现强劲**：FY26Q3总营收达12.1亿美元，同比增长29%；核心产品营收11.6亿美元，增速一致；AI业务年化收入突破1亿美元，比原计划提前一个季度[10][11] - **客户基础坚实**：拥有福布斯2000强中776家客户，平均每年消费230万美元，证明了其服务的刚需属性[12] - **核心产品与战略**：推出“Snowflake Intelligence”AI代理，业务人员可通过自然语言分析数据，已吸引1200家客户，成为公司史上最抢手产品[16][17][18]；通过CortexAI套件和OpenFlow工具，能处理结构化和非结构化数据[20]；生态合作广泛，与AWS合作年销售额达20亿美元，与SAP、Salesforce实现“零拷贝数据共享”，埃森哲计划培训5000名专家帮助客户落地[22][23] - **增长前景与韧性**：尽管Q4营收增速指引27%略低于市场预期的30%，营业利润率7%低于预期的8.5%，但与Anthropic达成的2亿美元合作展现了后续想象空间，核心赛道的韧性不受短期波动影响[24][25][26] AI原生平台崛起：AI时代的“专用工具箱” - **MongoDB业绩超预期**：FY26Q3总营收6.283亿美元，同比增长19%；调整后EPS为1.32美元，超出预期；核心云服务Atlas营收增长30%，占总营收75%，且连续三个季度加速增长[30][31][32] - **技术优势契合AI需求**：其文档模型（JSON）能高效处理图片、音频、文本等非结构化数据，完美匹配AI应用需求[33][34]；通过Atlas Vector Search和Voyage AI模型，能提升大模型输出的准确性[35]；有全球媒体公司案例显示，迁移后延迟降低90%，运营成本节省65%，点击率提升35%[36] - **客户增长迅猛**：总客户数达6.25万，本季度新增2600家[40]；年消费超10万美元的大客户达2694家，同比增长16%；年度净增客户8000家，同比多增65%[41] - **市场地位与增长逻辑**：连续四年位居Gartner魔力象限“领导者”[46]；增长依靠企业上云、AI规模化、AI初创替代传统数据库三大支柱[43]；行业仍处早期红利期，企业从试点到生产级规模化应用还需3-5年，市场空间巨大[44][45] AI安全刚需爆发：智能时代的“防盗门” - **CrowdStrike业绩创纪录**：FY26Q3总营收12.3亿美元，同比增长22%；非GAAP每股收益0.96美元，超预期[51][52]；核心指标期末年度经常性收入（ARR）达49.2亿美元，同比增长23%；新增净ARR为2.65亿美元，同比飙升73%，创三季度纪录并超出预期逾10%[52][53] - **核心打法“用AI防AI”**：其CharlotteAI能自动溯源分析攻击路径，将原本需3小时的人工调查缩短至5分钟[57][58]；已获得Fed RAMP High认证，服务于美国政府客户，目标打造“无人值守安全中心”[59] - **产品矩阵与生态强大**：下一代SIEM成为AWS Security Hub默认工具，触达数百万客户[60]；Falcon Flex模式ARR超13.5亿美元，同比增长200%[60]；近一半客户使用6个以上模块，客户粘性高；云安全、身份保护业务新增ARR均创纪录[60]；据Canalys报告，Falcon平台每产生1美元产品收入，能为生态伙伴带来7美元服务机会，已构建“安全生态帝国”[60][61] - **赛道前景广阔**：AI降低了攻击成本与门槛，使得安全防护成为“必买保险”，需求刚性且将随AI普及呈几何级增长[49][50][63] AI产业趋势与投资逻辑 - **三条赛道逻辑闭环**：数据基建（如Snowflake）是AI落地的“前提”，原生平台（如MongoDB）是“载体”，安全防护（如CrowdStrike）是“底线”，三者共同解决企业真实问题[68][69][70] - **增长空间巨大**：传统数据仓库云迁移仅完成15%-20%，AI将加速此进程；金融、医疗等强监管行业的AI应用尚未爆发；未来每人可能管理多达90个AI代理，将驱动安全需求几何级增长[72] - **竞争格局清晰**：Snowflake凭借生态成为“基建话事人”，MongoDB凭借架构优势抢占“平台地盘”，CrowdStrike利用技术守护“安全大门”，它们是能长期享受赛道红利的龙头[73][74]

英伟达研究生奖学金项目概况 - 英伟达研究生奖学金项目是一项已持续25年的学术荣誉项目，旨在挖掘并支持全球顶尖博士研究生在计算创新前沿领域的研究[1] - 该项目为获奖者提供高达60,000美元的科研经费，并提供在英伟达实验室进行暑期实习的机会，使其能接触最先进的技术资源与行业专家[1] - 2026-2027年度共有10位最高奖学金获得者及5位最终入围者[4] 获奖者研究方向与趋势 - 研究方向呈现从虚拟到物理、从模型到安全的趋势，具身智能和AI安全成为焦点[58] - **具身智能与机器人学**：多位获奖者致力于此领域，例如Jiageng Mao研究利用互联网规模数据解决物理人工智能问题，为现实世界中的具身智能体实现稳健且可泛化的智能[5]；Yunfan Jiang通过融合现实世界全身操控数据、大规模仿真与互联网级多模态监督数据，开发可扩展的方法来构建适用于日常任务的通用机器人[26]；Chen Geng利用可扩展的数据驱动算法和物理启发原理建模四维物理世界，推进面向机器人与科学应用的物理基础三维与四维世界模型[50] - **AI安全**：Sizhe Chen的研究聚焦于通过通用且实用的防御手段保护大语言模型和智能体免受提示注入攻击，同时确保其功能完整性，反映了行业对AI安全的高度重视[18][58] - **计算机图形学与渲染**：Liwen Wu通过神经材质与神经渲染技术，提升基于物理渲染的真实感与效率[9] - **计算机系统与架构**：多位获奖者致力于优化AI计算的基础设施，例如Manya Bansal为现代硬件加速器设计新型编程语言和编译器[13]；Shvetank Prakash为AI智能体构建针对边缘设备优化的基础设施[42]；Irene Wang开发集成加速器架构、网络拓扑与运行时调度的协同设计框架，以实现大规模、高能效且可持续的AI训练[44] - **自然语言处理与人机交互**：Yijia Shao致力于开发能在任务执行过程中与人类沟通协作的AI智能体，并设计新型人机交互界面[30]；Shangbin Feng推动“模型协作”，旨在构建一个开放、去中心化且协同化的AI生态系统[36] 获奖者院校分布 - 斯坦福大学在10位最高奖学金获得者中占据3席，展现了其在AI领域的领先地位[59][61] - 加州系高校（加州大学圣地亚哥分校、南加州大学、加州大学伯克利分校）共占3席[61] - 麻省理工学院、哈佛大学、华盛顿大学、佐治亚理工学院各占1席[61] - 最终入围者来自北京大学、麻省理工学院、马克斯·普朗克信息学研究所、斯坦福大学、达姆施塔特工业大学等全球知名院校[56] 获奖者背景与导师 - 获奖者中不乏名师高徒，例如Yunfan Jiang的导师是李飞飞教授[28] - 华人学者表现突出，在10位最高奖学金获得者中占据了8席[1]

公司战略与业务布局 - 公司以“3+3+X+Y”战略为指引，聚焦AI安全与数据安全双轮驱动，形成差异化竞争力 [1] - 公司积极布局新兴安全场景，包括APT追踪取证、云上攻防、无人机新型对抗及车联网靶场等领域，并取得技术突破 [1] - 在深化云原生安全、隐私计算等研究，完善产品矩阵以满足多元化云上安全需求 [1] AI安全业务进展 - 在AI安全领域，公司通过迭代风云卫AI安全能力平台，构建多智能体安全应用中心，针对AI模型研判难题提出创新解决方案 [1] - 公司推出的AI-Scan大模型风险评估产品，利用AI技术提升漏洞检测与威胁研判效率 [1] - AI-Scan产品已在政府、金融等领域落地标杆项目，技术赋能显著提升产品效能，为业务增长夯实基础 [1] 新兴场景与增长潜力 - 公司在车联网靶场业务已完成关键技术验证，为未来规模化应用奠定基础 [1] - 新兴领域的持续突破有望为公司打开了新的增长空间，形成长期发展潜力 [1] 财务估值与评级 - 考虑到目前已处于25年底，参考可比公司给予公司26年3倍PS，对应目标价为9.42元 [1] - 维持“买入”评级 [1]

英伟达研究生奖学金项目概况 - 英伟达研究生奖学金项目是一项致力于挖掘并支持全球顶尖博士研究生的学术荣誉项目，已持续25年[3][44] - 该项目为获奖者提供高达60,000美元（6万美金）的科研经费，并提供在英伟达实验室进行暑期实习的机会，使其能接触最先进的技术资源与行业专家[3][44] - 2026-2027年度共有10位最高奖学金获得者（Recipients）和5位最终入围者（Finalists）[6][39][47] 获奖者构成与趋势 - 在10位最高奖学金获得者中，华人学者占据了8席，表现出显著优势[2][43] - 获奖者来自全球顶尖学府，包括斯坦福大学、麻省理工学院、加州大学伯克利分校、哈佛大学等[7][13][15][19][23][29][30][32][35] - 最终入围者（Finalists）虽未获得6万美元奖金，但进入选拔最后一轮被视为很高的荣誉（Honorable Mention），代表其研究实力获得英伟达官方高度认可[40][85] 研究方向与行业技术风向 - **具身智能与物理AI**：成为本年度关注焦点，多位获奖者致力于让AI理解并交互物理世界，控制机器人执行任务[41][45][86] - Jiageng Mao（南加州大学）：研究物理人工智能与具身智能，旨在为现实世界中的具身智能体开发稳健且可泛化的智能系统，应用涵盖自动驾驶[8][10][48][50] - Yunfan Jiang（斯坦福大学，师从李飞飞）：研究机器人学与具身智能，目标是通过融合现实世界数据、大规模仿真与互联网级多模态数据，构建能执行日常任务的通用机器人[19][21][64][66] - Chen Geng（斯坦福大学）：研究3D/4D计算机视觉与生成式模型，致力于利用数据驱动算法和物理原理建模四维物理世界，推进面向机器人的物理基础世界模型[35][37][80][82] - **AI安全**：随着大模型落地，安全问题日益凸显，相关研究受到高度重视[41][45][86] - Sizhe Chen（加州大学伯克利分校）：专注于AI安全与对抗性机器学习，当前研究聚焦于通过通用且实用的防御手段保护大语言模型和智能体免受提示注入攻击[15][17][60][62] - **计算图形学与渲染**：持续关注前沿视觉技术 - Liwen Wu（加州大学圣地亚哥分校）：研究神经渲染、计算机图形学与3D视觉，旨在通过神经材质与神经渲染技术提升基于物理渲染的真实感与效率[12][52][54] - **计算系统与架构**：关注底层硬件与系统优化，以支撑AI发展 - Manya Bansal（麻省理工学院）：为现代硬件加速器设计新型编程语言和编译器，旨在解决异构计算系统的编程复杂性，同时实现峰值性能[13][15][57][59] - Shvetank Prakash（哈佛大学）：研究计算机系统与边缘计算，专注于为AI智能体构建针对资源受限边缘设备优化的基础设施[30][75] - Irene Wang（佐治亚理工学院）：研究计算机架构与机器学习系统，开发集成加速器架构、网络拓扑与运行时调度的协同设计框架，以优化大规模AI训练的能效与可持续性[32][34][77][79] - **人机交互与模型协作**：探索AI与人类及AI模型之间的协同 - Yijia Shao（斯坦福大学）：研究人机交互与自然语言处理，致力于开发能在任务执行中与人类沟通协作的AI智能体，并设计新型人机交互界面[23][25][68] - Shangbin Feng（华盛顿大学）：研究自然语言处理与模型协作，愿景是推动多个在不同数据上训练的模型相互协作、组合与互补，构建开放、去中心化的AI生态系统[29][74]

投资评级 - 报告对绿盟科技维持“买入”投资评级 [6] - 目标价格为9.42元，当前股价（2025年12月04日）为7.72元，存在上行空间 [6] 核心观点与盈利预测 - 调整了公司收入增速、毛利率和费用率水平，预测2025-2027年收入分别为24.02亿元、25.46亿元和28.57亿元（原预测2025-2026年收入为21.69亿元、23.95亿元）[3][11] - 参考可比公司估值，给予公司2026年3倍市销率（PS）作为估值依据 [3][11] - 公司前三季度实现营收12.80亿元（同比增长0.47%），归母净利润为-1.96亿元（同比改善39.85%），费用端管控成效显著，前三季度费用率为80.95%（同比下降7.5个百分点）[10] - 预计公司业绩将持续改善，2027年有望实现归属母公司净利润2.31亿元，扭亏为盈 [5][10] 财务表现与预测 - 2024年营业收入为23.58亿元，同比增长40.3%；预计2025年收入增速为1.9%，2026年和2027年增速将提升至6.0%和12.2% [5] - 毛利率从2023年的46.1%提升至2024年的53.8%，并预计将维持在53%以上的水平 [5] - 净亏损显著收窄，归属母公司净利润从2023年的-9.77亿元改善至2024年的-3.65亿元，预计2027年将实现净利润2.31亿元 [5] - 净资产收益率（ROE）从2023年的-30.5%改善至2024年的-13.8%，预计2027年将转正至10.0% [5] 战略发展与竞争优势 - 公司战略聚焦AI安全与数据安全，以“3+3+X+Y”战略为指引，形成差异化竞争力 [10] - 在AI安全领域，迭代风云卫AI安全能力平台，构建多智能体安全应用中心，并推出AI-Scan大模型风险评估产品，技术赋能提升产品效能，已在政府、金融等领域落地标杆项目 [10] - 积极布局新兴安全场景，包括APT追踪取证、云上攻防、无人机新型对抗及车联网靶场等领域，其中车联网靶场业务已完成关键技术验证 [10] - 深化云原生安全、隐私计算等研究，完善产品矩阵以满足多元化云上安全需求，培育未来营收增长点 [10] 行业与可比公司 - 所属行业为计算机 [6] - 可比公司包括启明星辰、深信服、安恒信息、天融信、亚信安全等 [11] - 可比公司2026年预测市销率（PS）最大值为5.02，最小值为0.75，调整后平均值为3.49 [11]

投资评级 - 报告对安恒信息维持“增持”评级，目标价为59.87元 [3][6] 核心观点 - AI技术提升公司竞争力，新兴业务发展态势良好 [2] - 业绩改善主要得益于费用端的有效控制，2025年前三季度期间费用率降至77.73%，同比下降12.1个百分点 [9] - AI安全作为战略核心已实现全面突破，将于2025年上半年发布国内首款安全AI智能体“恒脑3.0”，该平台基于混合专家模型，已集成于多个安全场景，使效能提升数十倍 [9] - 数据安全合同额同比增长近25%，其中管控平台与API网关等“尖刀产品”增速分别高达200%和300% [9] - MSS服务通过智能化升级，上半年营收同比增长近70%，市场领导地位得到巩固 [9] 盈利预测与财务信息 - 调整后预测公司2025-2027年营业收入分别为21.26亿元、23.06亿元、25.38亿元（原2025-2026年预测分别为24.66亿元、27.17亿元） [3][5] - 预计2025-2027年营业收入同比增长率分别为4.1%、8.5%、10.1% [5] - 预计归属母公司净利润将于2026年扭亏为盈，达到0.46亿元，2027年增长至1.11亿元 [5] - 预计毛利率将保持在58%以上，净利率由2024年的-9.7%改善至2027年的4.4% [5] - 估值参考可比公司给予2026年2.65倍市销率（PS） [3][10] 业务表现与前景 - 2025年第三季度单季度实现营收4.72亿元，同比增长5.53%；归母净利润为-0.12亿元，同比大幅改善80.02% [9] - 公司费用控制成效显著，2025年前三季度销售、管理、研发费用率分别为41.17%、8.33%、26.09%，同比分别下降5.2、1.19、5.5个百分点 [9] - AI安全业务已从政府、金融领域成功拓展至教育、医疗等10个新行业，大模型安全产品实现响应速度提升50%与误报率低于1% [9] - 数据安全与MSS服务等新兴业务有望成为公司未来营收增长的重要支撑 [9]

论坛背景与核心议题 - 2025企业家博鳌论坛系列活动于12月2日至5日在海南博鳌举办，期间举行了“2025AI生态共建论坛暨《睿德数字经济创新发展大数据平台》发布会” [1] - 论坛核心圆桌对话主题为“数据驱动产业革命，垂直领域的智能体化实践”，聚焦于垂直领域AI落地的实际问题、场景及安全 [1][6] AI行业发展阶段与挑战 - AI发展正从通用普惠阶段深化至垂直行业应用阶段 [3] - 规模化落地面临数据治理、算力成本、安全可信及复合型人才短缺等挑战 [3] - 传统企业特别是中小型制造企业在推进AI转型过程中面临突出挑战，研发垂直大模型需要强大的数据治理能力、高额算力投入和跨领域专业团队，对许多企业而言成本过高 [3] 数据质量与治理的关键性 - 数据质量是人工智能深入发展的重要支撑，如果投喂给AI的数据本身不真实、权属不清晰，再先进的算法和算力也可能输出“有毒”结果并误导决策 [4] - 数据源头的可信性已成为AI能否真正落地的基础前提 [4] - 构建源头可信机制能显著降低后续AI数据治理成本，为分析决策构建扎实可靠的基础 [4] - 公司实践：矩网科技通过自主研发的动码印章技术，为文件绑定不可篡改、可溯源的可信标识，为产业数据附加“数字身份证” [4] AI落地与业务融合 - AI落地须深入业务场景、理解行业运行逻辑 [4] - 公司实践：小哆智能科技通过长期驻点服务方式，全程参与从数据采集、清洗到使用的业务环节，以深入理解客户需求 [4] - 只有真正理解业务，才能设计出可交付实际成效的AI系统，推动AI从“可用”走向“好用”，最终实现“结果化” [4] 安全可信与风险防范 - 完全防止AI安全漏洞是不现实的，但可以通过技术加固、备案管理、人才培育等多重手段提升整体防护水平 [3] - 公司实践：北大法宝基于二十余年积累，建立了严谨的数据采集、标注与审核流程，并通过为AI回答提供法条原文链接等方式，确保结果可溯源、可验证，有效维护信息准确性 [5][6] 人才培养与产学研协同 - 当前兼具专业技术与行业洞察能力的复合型人才较为稀缺 [5] - 高校与产业间在人才培养与供需对接方面存在一定脱节 [3] - 公司实践：北大法宝与多所高校合作，共同开设法律大数据、法律AI等课程，着力推进产学研协同育人 [5] - 人工智能的未来需要在数据可信、安全可控、人才充沛的前提下，持续推动技术与行业的深度融合 [3] - 在AI技术不断演进的背景下，需要产学研用协同发力，突破关键瓶颈，共同推动智能化在实践中扎根生长 [6]

AI与数据安全融合趋势 - AI与数据安全融合进入白热化阶段，行业从被动防御转向主动治理[1] - 谷歌推出AI Protection全生命周期防护方案，OpenAI发布开源模型GPT-OSS-Safeguard-20B将合规落地周期从月级缩短至小时级[1] - 到2028年，60%部署AI技术的中国企业将采用协作式AI防御策略，目前比例仅为5%[1] 数据质量与AI模型关系 - 数据质量决定AI模型上限，高质量知识库输入是降低AI幻觉的核心[1] - 大模型与数据的关系被比喻为"火箭引擎与燃料"[2] - AI大模型进化依赖于高质量数据支撑，同时AI也优化数据安全保护体系[2] AI赋能数据安全技术应用 - AI技术使数据安全分类分级效率提升超3倍，准确率稳定在95%以上[2] - API安全智能体通过要素解构和聚类分析，能过滤非API资产并输出高纯度资产清单[2] - 智能体通过大模型计算实现自动化风险降噪，并提供智能化解读与处置建议[3] 新兴风险与应对方案 - 大模型增长带来提示词注入攻击、输出内容不当等新风险[5] - 通过语义识别与风险拦截技术搭建"电子围栏/大模型安全防火墙"，实时监测并拦截敏感信息[5] - 大模型的"幻觉"风险不容忽视，需注意技术落地中的认知偏差[7] 数据要素市场化与隐私保护 - 隐私保护计算技术通过"数据可用不可见"特性解决企业间数据共享信任难题[6] - 欧洲提案放松GDPR对大模型训练数据的限制，将高风险AI法规实施推迟18个月[8] - 数据水印可实现交易后溯源，模型指纹能识别备案与实际使用不符的违规行为[9] 行业实践与效率提升 - AI与数据融合解决方案已转化为面向金融、政务等行业的成熟方案[4] - 上海市大数据中心用大模型训练专用审计模型，将部分场景审计效率提升30%[7] - 传统代码审计依赖人工效率低下，大模型能破解代码审计的"高成本困局"[7] 产业生态与协同防御 - 普陀区形成"安全服务+数字应用"完整产业生态，安全企业与数字应用双向赋能[9] - 建立政府、企业、研究院三位一体的情报共享生态，强调协同防御重要性[9] - 中小安全企业集群效应构成独特竞争力，在数据要素流通中发挥优势[9]

收购交易概述 - ServiceNow正深入谈判以超过10亿美元收购成立五年的安全初创公司Veza [1] - 交易最快可能于下周宣布但尚未最终敲定 [2] - ServiceNow是一家市值达1650亿美元的软件公司 [2] 收购战略动机 - ServiceNow旨在加强其AI Agent相关产品以自动化客户服务和IT帮助台请求等任务 [1] - 收购可能帮助ServiceNow向其客户销售更多AI工具并使服务在竞争中脱颖而出 [2] - 当前软件行业面临AI Agent产品同质化竞争包括微软等巨头和OpenAI等初创公司 [2] 目标公司Veza业务与技术 - Veza的订阅软件帮助企业了解员工和AI Agent对特定客户或公司数据的访问权限及操作能力 [1] - Veza通过帮助客户将访问权限限制在授权人员和AI Agent范围内以降低黑客渗透风险 [2] - Veza指出AI Agent激增使企业更需要管理系统访问权限并能对凭证泄露或恶意行为即时预警并阻断访问 [2] 目标公司Veza财务与运营 - Veza通过亚马逊云服务销售的年度服务合同价格为10万美元 [3] - 公开客户包括黑石集团、Instacart以及Snowflake [3] - Veza拥有数百名员工过去一年员工人数增长超过50% [3] - Veza在4月份完成融资后估值达8.08亿美元累计融资总额2.35亿美元 [3] 公司近期并购活动 - ServiceNow于今年3月同意以28.5亿美元收购IT服务台自动化应答初创公司Moveworks [4] - Moveworks交易目前正接受美国司法部反垄断审评仍处待决状态 [4]