人工智能发展现状与趋势 - 人工智能凭借知识占有、数据处理、强大算力和先进算法四大要素，在高维度抽象、复杂性问题解决等领域展现出超越人脑的能力 [3] - 人工智能存在短板，缺乏想象力、联想力、交叉组合能力及顿悟等快思维，无法主动发现问题 [3] - 当前大模型及深度学习模型遵循输入、处理、输出的单向信息流逻辑，而人脑具备自上而下、自下而上等多重动态处理通道，能根据不同任务调整功能性结构 [5] 具身智能与人形机器人 - 具身智能将数字世界的智能能力嵌入实体设备与真实世界交互，这类应用多以推理为主 [10] - 具身智能无需在完全开放环境中运行，只要能在特定场景胜任一类任务即可实现商业化，前沿技术会“沿途下蛋”逐步渗透各行业 [21][22] - 人形机器人规模化落地分情况：玩具类0.9米以下产品2026年销量有望突破10万台 [26] - 人形机器人规模化发展的核心在于成本下降曲线与智能提升曲线的走势，当成本降至合理区间、智能水平脱离“恐怖谷”时将迎来爆发 [28] - 人形机器人发展需先做好本体基础，例如众擎机器人T800身高1.73米，其体能被称超越了80%至90%的正常男性 [24] 算力与网络基础设施演进 - AI算力需求的重心正从训练向推理转移，推理将消耗相应比例的算力 [10] - 移动通信网络正被AI重塑，需具备更智能、可编排、安全可靠、覆盖广泛、成本低廉的特性 [7] - 此前很多功能需在云端实现，如今在端侧及边缘侧即可完成，AI的介入使移动通信网络资源分配更合理、更安全可靠 [8] - 6G需聚焦两大方向：一是升级传统交互通信，打造沉浸式虚拟场景体验；二是挖掘具身智能体与传统行业的真实需求，例如研究机器人在何种场景下需要6G支撑 [34] AI Agent（智能体）发展与应用 - 2025年是Agent元年，其发展的七大关键指标按优先级排序为：任务完成率、人机协作、精确性、可重复性、成本、速度和安全性 [36] - Agent发展的真正难点在于精准把握能力的当前上限与未来趋势，以及将能力组合成用户体验优良的产品 [36] - 智能体企业落地的三大核心挑战是：对企业业务规则或SOP的遵循能力、准确率要求、性价比问题 [38] - AI Agent的发展需要找准应用场景，挖掘需要提升效率或存在大量重复性工作的领域进行重点突破 [40] - 在跨境电商等具体领域，打造智能体需做到真正的“三懂”：懂生意、懂需求、懂供给，深刻理解海外用户的真实需求与文化习俗 [42] 数字人与AI交互 - 数字人即将进入4.0阶段，不仅拥有世界模型与世界知识、实现持续自主进化，还能支持千人千面的个性化情感互动 [12][13] - 数字人像是不知疲倦的数字永动机，将在更多应用场景上超越真人，带来更大的生产力 [13] 行业影响与市场格局 - 从二级市场看，“七巨头”全面拥抱AI，其中五家是上一个时代平台经济、互联网经济的玩家，英伟达、特斯拉这两家和AI相关，形成了现代的“七巨头” [15] - “七巨头”市值约20万亿美元，相当于标普500指数总市值的1/3，可见AI带来了巨大变化 [15] - 机器具备替代脑力劳动的能力，将引发智力革命，深刻改变企业组织形态与社会分工形态 [17] - 阿里巴巴计划未来几年投入3800亿元聚焦AI发展，钉钉是其中重要组成部分 [17] - AI虽快速发展，但各行各业的运转离不开软件、硬件与数据的支撑，未来从事软件、硬件及数据相关行业的从业者大概率不易被替代 [19]

专题：2025科技风云榜 专题：2025科技风云榜 "2025科技风云榜"年度盛典于2026年1月15日在北京举办，今年活动主题为"启新智，赴新程"。 欧洲科学院院士、西湖大学可信与通用人工智能学院创始人金耀初发表《探路AGI：走向类脑具身智 能》主题演讲，谈及如何让具身智能成为研究或者通向通用人工智能的途径，金耀初认为，需要更多结 合人脑工作的机制。 他表示，人脑有860个神经元，有更多的连接。但是它的功耗才20瓦左右，和现在大模型相比差得非常 大，它的能耗非常低；人的基因数量2万-2万5千个，再加上各种各样的复杂器官，为什么只有2万多个 基因就能够编码这么复杂的系统？从这些角度都值得我们探讨。 金耀初指出，人脑是世界上目前最为先进的智能系统，有很多工作的机制，和我们目前的大模型是不完 全一样的。目前大模型和人工智能的深度学习模型一般是有输入，中间做信息处理，最后输出，只是单 向的信息流动。而人脑至少是有自上而下，自下而上更多信息处理的通道，而且它的功能结构是经常在 发生变化。大模型预训练好之后可能做微调，但是不会出现不同问题的时候会采用不同的结构，人脑有 这个能力。通过基因调控，神经调控很多的机制，不断改 ...

文章核心观点 - 北京大学与DeepSeek-AI联合提出名为“Engram”的全新架构，通过引入“条件记忆”作为与“条件计算”互补的稀疏性维度，旨在解决当前Transformer架构缺乏原生知识查找原语的问题，从而在提升模型推理能力的同时，打破GPU显存对模型规模的物理限制 [2] 技术架构创新 - 研究指出语言建模包含组合推理与知识检索两类子任务，现有Transformer通过昂贵的运行时计算来重建静态查找表，浪费计算深度 [3] - Engram模块复兴并现代化了N-gram概念，通过对文本后缀进行哈希映射，以O(1)时间复杂度直接检索静态嵌入向量，相当于为模型外挂一个可瞬间查询的“知识库” [3] - Engram架构将“记忆”与“计算”解耦，通过在浅层网络直接检索静态知识，将主干网络解放出来以处理复杂的全局上下文和逻辑推理，从而有效地“加深”了网络 [5] 性能与效率发现 - 研究发现“稀疏性分配定律”，在固定总参数和训练计算量下，MoE专家与Engram嵌入的比例存在一条“U型”性能曲线 [4] - 将约20%至25%的稀疏参数预算分配给Engram模块，能在保持计算成本不变的同时显著降低验证集损失 [4] - 训练了一个270亿参数（27B）的Engram模型，在同等参数量和激活开销下，相比纯MoE-27B基线模型，在多项任务上取得全面超越：MMLU（+3.4）、CMMLU（+4.0）、通用推理BBH（+5.0）、代码生成HumanEval（+3.0）、数学解题MATH（+2.4） [4] - 在长文本处理上，Engram-27B在“大海捞针”等多查询检索任务中，准确率从基线模型的84.2%提升至97.0% [8] 系统工程与商业潜力 - Engram的检索机制是确定性的，允许系统在计算前一层网络时，异步地从主机内存（CPU RAM）中预取所需嵌入向量，实现计算与通信的重叠 [6] - 实验成功在少量GPU显存下，将一个1000亿参数（100B）规模的Engram表完全卸载到主机内存，仅带来不到3%的端到端推理延迟 [6] - 该架构可利用N-gram分布的齐普夫定律构建多级缓存层次，将高频知识保留在GPU显存，将长尾低频知识放入海量的CPU内存或SSD，为在有限硬件资源下部署超大规模模型开辟新路径，对降低大模型部署成本具有商业价值 [7] 行业意义与未来展望 - 该研究标志着大语言模型的稀疏性设计从单一的“计算稀疏”（MoE）迈向了“计算-记忆双重稀疏”的新阶段 [9] - 条件记忆有望成为下一代稀疏模型的标准配置，为未来万亿参数级别的模型提供兼具高性能与低成本的解决方案 [9] - 这预示大模型设计哲学可能从“大算力出奇迹”向“算力与记忆协同进化”的深刻转型 [9]

幻方量化业绩表现 - 2025年收益均值达56.55%，在中国管理规模超百亿的量化私募中位列第二[2] - 近三年收益均值为85.15%，近五年收益均值为114.35%[2] - 2025年管理规模已超700亿元人民币，稳居国内私募量化投资领域第一梯队[2] 幻方量化业务与团队 - 公司是一家AI量化交易公司，成立于2015年，持续投入AI算法研究[2] - 创始团队自2008年开始使用机器学习技术探索全自动量化交易[3] - 2016年10月第一份由深度学习生成的交易仓位上线，2017年全面应用深度学习技术进行交易[3] - 策略和开发团队由多学科顶尖人才组成，包括奥赛金牌得主、AI领域专家及各学科博士[2] 幻方量化技术投入与孵化 - 2019年投资建成“萤火一号”AI训练平台，2021年投资建成“萤火二号”AI训练平台[4] - 2023年7月孵化出杭州深度求索人工智能基础技术研究有限公司，正式进军通用人工智能[4] - 公司创始人与大股东梁文锋持有DeepSeek多数股权，并停止为基金引入外部资金[4] 幻方量化收入估算与资金反哺 - 据业内人士估算，基于1%管理费和20%业绩提成，公司去年强劲表现可能带来超过7亿美元收入[6] - 幻方量化的丰厚收益能反哺DeepSeek，为其大模型研发提供资金支持[2][5] DeepSeek大模型业务 - DeepSeek的研究经费来源于幻方量化的研发预算[4] - DeepSeek V3模型的总训练成本预算在557万美元[7] - 计划在2月春节前后发布新一代AI模型DeepSeek V4，内部测试显示其在编程能力上超过Claude和GPT系列[7] 行业研发投入对比 - 智谱截至2025年上半年累计研发投入约44亿元人民币[7] - MiniMax截至2025年第三季度累计研发开支约4.5亿美元[7]

公司上市与创始人背景 - MiniMax于2025年1月9日在港交所正式挂牌上市 [1] - 创始人闫俊杰将公司成功上市归因于坚持技术信仰且未中途放弃 [1] 战略转折与认知转变 - 2024年初公司核心目标是技术达到GPT-4水平、用户规模翻十倍并突破千万日活跃用户 [3] - 2025年春节前竞品DeepSeek-R1发布后，公司认识到大模型性能提升依赖算法迭代和算力投入，而非用户数据，因此放弃单纯追求日活跃用户的战略 [3] 核心技术路线与突破 - 公司自创立起即坚持研发混合专家系统技术路线，期间经历两次失败 [5] - 2025年1月发布的M1模型是国内首个线性注意力千亿参数大模型，能够轻松处理百万字文本 [5] 早期创业与资源分配 - 公司成立于2021年底，当时通用人工智能概念在国内不受投资人青睐 [7] - 早期将80%的算力资源投入混合专家系统研发，曾面临资源紧张，需通过其他方式补贴运营成本 [7] 产品演进与市场应用 - 产品路线从早期的3D数字人转向多模态交互，融合文本、图像和语音 [9] - 当前拥有三个核心产品：Glow主打情感陪伴，星野服务企业客户，海螺AI专攻长文本处理 [9] - 企业客户反馈显示，使用星野系统后质检效率提升40%，并降低了人力成本 [9] 技术优化与核心能力 - 公司在算力受限环境下采取“十倍优化”策略，用100张显卡完成同行需1000张显卡的实验 [11] - 长文本处理是核心技术优势，线性注意力机制使其能处理整本书内容，例如十分钟内从数百页案卷中整理出关键证据链 [11] 公司管理与行业挑战 - 公司采用三层架构的“函数优化式管理”，目标明确且参数透明 [15] - 行业挑战包括算力资源获取困难以及高端人才竞争激烈 [15] - 中国市场机遇在于用户对AI产品接受度高、应用场景丰富，例如海螺AI能根据学生错题本生成个性化讲义 [15] 未来趋势与公司愿景 - 多模态交互是未来趋势，交互方式将扩展至图片、旋律等 [17] - 公司愿景是“Intelligence with everyone”，让普通人也能使用顶级AI能力 [17] - 中国AGI创业公司的独特优势在于既能追赶技术前沿，又擅长本土化落地 [19]

公司股价与市值表现 - 上市第三个交易日股价盘中一度飙升45.34%至230.6港元，再创上市新高 [1] - 公司市值升至1014亿港元 [1] 公司业务与战略合作 - 公司与滴滴宣布达成战略合作，将围绕通用人工智能关键技术及其在出行领域的智能体应用开展前瞻性协同探索 [1] - 合作双方将共同推进Agent场景落地和大模型领域人才培养，深化出行场景的意图对齐与推理能力建设 [1] - 合作旨在推动Agent在更复杂业务场景中的验证与落地 [1] 公司技术地位与产品体系 - 公司是中国最早投身大模型研发的厂商，原创提出了基于自回归填空的通用预训练范式GLM [1] - 公司率先发布了中国首个百亿模型、首个开源千亿模型、首个对话模型、首个多模态模型，以及全球首个设备操控智能体(Agent)，形成了全面的模型体系 [1] - 公司是国内罕有在原创技术路线上与全球顶尖水平保持同步的厂商，被誉为“中国OpenAI” [1] 公司财务与收入结构 - 公司2025年收入超过1亿美元 [1] - 公司收入结构中，本地部署收入占比85%，云端收入占比在过去两年从0提升到15% [1] - 预计今年云端收入占比将持续提升，高性价比代码工具将对云端收入产生更大影响 [1]

天津经开区未来产业培育发展行动计划核心内容 - 天津经济技术开发区发布《未来产业培育发展行动计划（2025-2027）》，目标到2027年基本形成“4+2+X”的未来产业布局态势，建成全国一流的未来产业先导区 [1] 产业发展体系与赛道布局 - 构建“4+2+X”未来产业发展体系，发展主线为“优势产业未来化”和“未来技术产业化” [1] - 着力发展四大基石赛道：核酸类药物、生物制造、通用人工智能、基础和关键材料 [1] - 抢抓布局两大前沿赛道：具身智能、车规级芯片 [1] - 谋划发展X个潜力赛道，包括未来医疗、纳米制造、软件定义互连芯片等 [1] - 积极捕捉量子科技、氢能和核聚变能、脑机接口、第六代移动通信等前沿赛道发展窗口机遇 [1] - 力争在1个~2个赛道形成技术策源和转化应用先发优势 [1] 发展目标与实施策略 - 采取“集中力量、发挥优势、动态调整、滚动培育”的实施策略 [1] - 到2027年，集聚一批未来产业关键技术、标志性产品、典型应用场景、高质量人才及有突出竞争力的未来赛手企业 [1] 具体行动与措施 - 将组织实施十大行动，包括科技创新策源行动、成果转化淘金行动、未来赛手引育行动、场景示范牵引行动等 [2] - 科技创新策源行动将聚焦高能级创新平台建设，推动“存量提级、增量突破”，实现1个赛道布局1个至3个关键策源平台 [2]

文章核心观点 - 马斯克预测通用人工智能(AGI)将在2026年到来，并断言机器人手术技能将在3年内超越人类，4年后完胜任何人类医生，可能导致外科医生失业[1] - 专业医生和行业人士普遍认为，尽管手术机器人技术发展迅速，但短期内完全取代医生不现实，从技术实现到医疗体系变革仍需漫长过程[7][8] - 手术机器人赛道近期成为医疗行业投资热点，但市场容量有限且头部格局已初步形成，同时国家医保政策有望出台新收费框架，推动行业加速商业化应用[9][10][11][12] 马斯克的预测与行业反应 - 马斯克称通用人工智能(AGI)2026年到来，3年内机器人手术技能超越人类，4年后达到“完胜任何人类医生”水平，并认为学医将变得毫无意义[1] - 马斯克旗下脑机接口公司Neuralink已使用手术机器人，其机器人能将单根电极植入时间从17秒降至1.5秒，终极目标是让手术流程缩短到可“利用午休时间完成”[4] - 专业医生认为，5年内实现机器人完全自主手术“根本不可能”，至少还需几代人努力[1]；大部分医生不认同“学医无用”及“外科医生彻底失业”的观点[7] - 有观点认为马斯克的时间表习惯设定在物理极限边缘，用激进承诺倒逼技术进步并吸引资本和人才[1]；其言论可能旨在为其拥有的Neuralink和擎天柱机器人吸引资本加速涌入[9] 手术机器人技术现状与挑战 - Neuralink的手术机器人涉及机械、力控、算法等多学科深度融合，技术研发门槛极高[4]；其自主研发的复合视觉系统整合六套显微镜和OCT技术，实现毫秒级同步与预测[4][5] - 目前Neuralink的每台手术仍需工程师现场监控，机器人无法完全自主决策；长期维护也依赖人工干预，大规模应用需高度自动化维护体系[5] - 即便是已商业化的达芬奇手术机器人，目前也只能实现遥控手术机械臂，距离真正的“自动驾驶”还很遥远[8] - 技术从实验室走向临床应用，真正的工程挑战刚刚开始，大规模应用需将所有判断和决策过程自动化[5] 医生与行业专家观点 - 中国科学院院士葛均波教授认为人工智能一定会成为医生助手，但机器人能否做得比人类更好尚不确定；机器人若具备力反馈、视觉和思考，可能会超过人类，因其更客观、同质化和标准化，但短期内取代医生还看不到苗头[7] - 受访的十位主任级别外科医生均表示使用过手术机器人，并认为其能提升手术效率，但大部分不认同马斯克关于医生失业的观点[7] - 有医生认为，机器人执行力未来可能对人类外科医生形成降维打击，但完全自主的机器系统要改变整个诊疗模式体系，至少需要一二十年的时间[7] - 医疗技术公司创始人指出，马斯克缺乏对医学行业的了解，工程解决不了所有问题；机器人可能替代外科操作人员，但医生的工作将转变为创造工具，医生的社会价值在于结合AI及现代工具关注人的健康[8] - 有投资人表示，技术的实现不一定意味着体系的实现，机器人手术仍需很多跟台环节；手术机器人大规模应用涉及技术、伦理、制度和人性的复杂博弈[8] 手术机器人市场与投资动态 - 2025年年底至今，国内手术机器人几乎成为医疗行业最“吸金”的赛道，融资相当活跃，包括多起规模上亿美元的融资[9] - 有手术机器人公司财务负责人表示，投资人越来越意识到不能只考虑商业化变现，更应有长远目光；中国医疗科技投资正在快速接近国际成功创新模式[9] - 另有医疗投资人认为，国内手术机器人市场容量非常有限，头部几家主导格局已形成，除份额排名第一、第二的公司，其他公司很难再抢占市场；从上市退出看，每个赛道能容纳的公司有限[10] - 以腔镜手术机器人为例，2025年中国公立医院全年中标不到百台，共计90台，中标总金额接近12.7亿元；直观复星的达芬奇机器人中标43台，金额接近8亿元，精锋医疗和微创机器人分别中标16台和11台，金额分别为1.7亿元和1.4亿元[10] - 2025年全年公立医院公示的骨科手术机器人中标累计84台，总金额6.3亿元；天智航中标28台，金额2.2亿元，第一梯队格局巩固，第二梯队呈现“头部稳定，中部持续博弈”格局[11] 政策环境与未来展望 - 国家医保局近期印发《手术和治疗辅助操作类医疗服务价格项目立项指南（征求意见稿）》，将明确手术机器人等前沿辅助操作技术的收费管理框架，推动其加速应用[11] - 最新收费模式预计基于“基础术式价格+专项加收x手术难度系数”；《指南》首次提出手术机械臂的三类收费场景：导航、部分执行和精准执行[11] - 业内人士透露，该《指南》将为手术机器人辅助治疗收费建立顶层设计，预计收费标准会对行业产生积极影响[12] - 随着多款血管介入手术机器人获批上市叠加政策利好，2026年预计其商业化会迎来加速[12]；研究机构预计中国血管介入手术机器人市场规模将于2030年增至58.24亿元人民币，年复合增长率高达90%[12] - 国产新一代介入手术机器人可深度参与绝大部分手术操作，实现精细触觉感知与操控，并配合基于多模态信息的智能决策[12]

文章核心观点 - 马斯克预测通用人工智能(AGI)将在2026年到来，并称机器人将在3年内于手术技能上超越人类，4至5年内全面超越并碾压任何人类外科医生，这可能颠覆医疗行业并引发医生失业担忧 [1] - 医学界和投资界普遍认为马斯克的预测过于激进，承认手术机器人是重要助手且能提升效率，但实现完全自主并取代医生至少需要一二十年，这涉及技术、伦理、制度和体系的多重挑战 [7][8] - 手术机器人赛道近期成为医疗行业吸金热点，融资活跃，但市场容量有限且头部格局已初步形成，同时国家医保收费政策框架有望出台，将积极推动行业商业化加速 [9][11][12] 马斯克的预测与行业震动 - 马斯克预测通用人工智能(AGI)在2026年到来，3年内机器人手术技能超越人类，4年后完胜任何人类医生，5年后完全碾压人类外科医生 [1] - 马斯克认为在其人形机器人擎天柱和AGI引领下，外科医生可能彻底失业，学医将变得毫无意义 [1] - 此言论震动了全球医疗行业，引发广泛关注与讨论 [3] 技术现状与挑战 (以Neuralink为例) - Neuralink已使用手术机器人进行脑机接口植入手术，全球有超过一万人排队等待 [4] - 其手术机器人能将单根柔性电极植入时间从17秒骤降至1.5秒，终极目标是实现“一键执行”，让手术缩短至可利用午休时间完成 [4] - 核心技术包括自主研发的复合视觉系统，整合六套显微镜和OCT技术，实现毫秒级运动同步与路径预测 [4][5] - 当前挑战：手术仍需工程师现场监控，机器人无法完全自主决策；长期维护依赖人工，大规模推广需高度自动化维护体系 [5] 医学界与专业人士的回应 - 医学界普遍认为人工智能和机器人将成为医生的助手，能提升手术精准化、同质化和效率 [7] - 对于机器人取代医生，短期内看不到苗头，改变整个诊疗模式体系至少需要一二十年 [7] - 即便如达芬奇等成熟手术机器人，目前也只能实现遥控机械臂，距离真正的“自动驾驶”还很遥远 [8] - 专业人士指出，工程解决不了所有问题，医生的角色将从使用工具转向创造工具，其关注人类健康并提出解决方案的核心社会价值不会消失 [8] 投资视角与市场格局 - 2025年年底至今，国内手术机器人成为医疗行业最吸金的赛道，融资活跃，包括多起规模上亿美元的融资 [9] - 国内手术机器人市场容量有限，头部企业主导格局已形成，腔镜与骨科领域呈现“头部稳定，中部持续博弈”态势 [10][11] - 2025年腔镜手术机器人公立医院中标90台，总金额近12.7亿元，直观复星(达芬奇)中标43台(金额近8亿元)，精锋医疗和微创机器人分别中标16台和11台 [10] - 2025年骨科手术机器人公立医院中标84台，总金额6.3亿元，天智航中标28台(金额2.2亿元) [11] - 投资人提醒需冷静，市场空间有限，从上市退出角度看每个赛道能容纳的公司不多 [10] 政策环境与未来展望 - 国家医保局近期印发《手术和治疗辅助操作类医疗服务价格项目立项指南（征求意见稿）》，将为手术机器人等辅助操作技术收费建立顶层设计 [11] - 新收费模式预计基于“基础术式价格+专项加收x手术难度系数”，并首次提出导航、部分执行、精准执行三类收费场景 [11] - 政策被业内人士认为将对行业产生积极影响，推动手术机器人加速应用 [11][12] - 随着多款产品获批及政策利好，血管介入手术机器人等领域商业化预计在2026年加速，预计中国该市场规模将于2030年增至58.24亿元人民币，年复合增长率高达90% [12]

文章核心观点 - 新的法规和日益复杂的多芯片封装、边缘计算等技术趋势，使得实现端到端安全变得极其困难且成本高昂，但已成为行业必须面对的主流挑战 [1][4][12] 多芯片封装带来的安全挑战 - 多芯片封装通过集成来自不同代工厂的异构芯片组来提升性能和灵活性，但使得追踪供应链所有组件变得异常困难 [1] - 将最先进的SoC拆分成10个由不同厂商制造的异构芯片组，会使构建软件和硬件物料清单的流程复杂程度增加10倍 [2] - 芯片组在不同工作负载下老化速度不同，可能产生设计时未考虑到的新漏洞，且对于3纳米及以下的新型逻辑组件，缺乏关于潜在问题（如静默数据损坏）的背景信息 [1] 供应链与数据管理的复杂性 - 大型芯片制造商虽能追踪芯片从设计到现场使用的全过程，但各公司系统互不兼容，数据缺乏一致性 [2] - 商用芯片市场概念推进缓慢的关键原因之一是缺乏一致的数据和流程来管理来自多家供应商的芯片 [2] - 对于包含数千个不同组件的安全关键型应用（如汽车），其长达数十年的生命周期内，零部件可能被更换多次，确保其功能正常和安全是一大挑战 [7][8] 实现端到端安全的方法与成本 - 构建端到端安全的基础是将唯一身份信息嵌入芯片，并在此基础上构建多层安全措施 [3] - 安全流程分为两部分：1) 晶圆制造到交付的溯源与质量验证；2) 客户工厂的“准入考试”，验证并锁定安全措施，检查固件 [3][4] - 安全是有代价的，例如，一个售价2.5美元的微控制器若在安全生产车间生产，成本将翻倍至5美元，这在价格敏感市场难以推行 [6] 边缘计算与连接性带来的新维度 - 边缘设备通过互联网与其他安全防护能力不一的设备交互，增加了安全风险，这也是欧盟《网络弹性法案》（CRA）出台的动因 [4] - CRA强制要求客户评估其供应链、运营及产品生命周期内的安全问题，促使整个供应链思考资产的敏感性和未来用途 [5] - 对于向边缘发展的技术（如通用人工智能），需要多模态通信，这对安全性（如PSA 3级认证）和通信效率（低延迟、低能耗）提出了最高要求 [7] 长期生命周期与量子计算的威胁 - 对于使用寿命长达30至40年的设备（如汽车），安全需考虑时间维度，包括未来量子计算机可能大幅缩短破解现有加密方案的时间 [9] - 汽车行业采用威胁分析和风险评估（TARA）来制定长期规格，评估包括量子计算在内的未来风险，权衡经济损失与声誉损失的概率 [10] 人工智能的双重角色 - 人工智能代理擅长发现人类难以察觉的安全漏洞，可分析设计规范、RTL代码、测试平台乃至整个技术栈，有助于构建更完善的系统 [11] - 人工智能代理本身也需要被严格控制，确保在机密计算中隔离通信，相关标准（如机密计算联盟CCC）正在讨论制定中 [11][12]