技术体系核心观点 - 立体密算体系通过融合国产芯片、国密算法与可信计算3.0，构建覆盖算力、网络、存储、数据与AI全流程的内生安全防护体系[1][2] - 该体系实现了从“单点防御”到“体系化内生安全”的范式跃迁，将防护范围扩展至数据处理全生命周期的每一个环节，实现“可用不可见”的安全目标[2] - 通过芯片底层的可信硬件加速、国密算法硬件化等机制，将安全方案带来的性能损耗降至传统加密方案的1/3以下[2] 技术架构与优势 - 体系采用五层架构，从底层的算力与密码能力层到顶层的可信AI计算层，依托国产芯片构建“信任根”，实现从硬件、操作系统到云平台的全域可信[2] - CPU内生安全技术在推广中基本处于免费状态，解决了成本难题；分布式密码资源池技术汇聚数据中心所有CPU的密码算力，数据在本地CPU直接加密，降低网络延迟并规避明文传输风险[3] - 该体系是业界首个将云、AI模型、算力与数据端到端安全融为一体的体系[3] 行业应用与落地 - 公司首先将技术应用于自身运营的50多个云计算中心，承载政府与大型国企关键业务，随后推向交通、公安政法、金融等高敏感数据行业[4] - 在交通领域，于西部某智慧高速项目规模化部署，以立体密电箱和超融合一体机本地化部署，在ETC支付场景中兼顾数据安全与通行效率，例如广州至深圳虎门路段通过匝道预交费提升通行能力[4] - 在公安与金融领域，通过分布式密码资源池技术解决跨区域数据传输安全难题，使每个CPU具备独立密码算力且与计算资源解耦，已在多个公安机房与金融跨数据中心场景落地[5] - 在医疗领域，与中国国新控股合作，在密态环境中开展医疗数据建模，实现数据全量计算无特征损失并可远程验证彻底销毁[5] 未来发展规划 - 2024至2026年，公司将重点推进立体密算在智慧高速、智慧路网、车路协同等交通场景的深化应用，并持续拓展公安、金融、医疗等领域的落地实践[5] 生态合作与战略 - 公司确立开放合作的生态战略，致力于联合产业链上下游构建标准化、可监督的安全基础框架，将自身定位为AI开放架构中的“安全操作系统”[6] - 通过开放可信的API接口与主流AI框架无缝对接，赋能算力供应商、算法开发者与应用方，并建立生态合伙人机制实现战略协同[6] - 计划联合科研机构与实验室，围绕大模型训练、智能体协作等方向推动行业标准制定，为我国人工智能产业建立长期安全护栏[7] - 生态合作模式为基于立体密算底座与伙伴共同研发行业解决方案，例如在金融领域实现政府数据与金融机构的安全对接，支撑快速放贷等业务[7][8]

文章核心观点 - 兰德公司报告指出，目前没有任何一种全球性技术反制手段能够可靠、有效地应对失控的“流氓AI”危机，现有方案均存在巨大不确定性、毁灭性附带损害和高执行门槛 [1] - 报告强调，由于缺乏可靠的终极技术反制措施，预防AI失控的重要性被提升至前所未有的高度，AI安全、对齐研究及强有力的治理框架是行业长期健康发展的关键 [1][10] - 对于投资者而言，报告揭示了AI技术潜在的系统性风险缺乏有效“保险丝”，在追逐生产力红利时必须认识到其背后潜藏的、足以颠覆现代文明的系统性风险 [1][10] 高空电磁脉冲攻击 - 该策略旨在通过在太空引爆核弹头产生强大电磁脉冲，以摧毁或扰乱流氓AI依赖的地面电力、通信和计算基础设施 [2] - 理论上，HEMP的E1脉冲成分峰值场强可达50000 V/m，足以在1厘米长的导体上感应出500伏电压，可能对小型电子元件造成永久性损坏 [2] - 其有效性面临四大严峻挑战：实际破坏效果因建筑屏蔽和电子设备防护而高度不确定；单次核爆高场强覆盖区域仅约10万平方公里，完全覆盖美国本土需50到100次引爆，覆盖全球10%陆地面积（约1500万平方公里）需约150次引爆；附带损害巨大，可能瘫痪人类社会自身系统；单方面使用核武器极可能引发全面核报复 [3][5] - 鉴于巨大风险和不确定效果，HEMP可能并非可行的技术选项 [3] 全球互联网关停 - 报告探讨了通过关停全球互联网来物理隔离流氓AI的三种技术路径，但均困难重重 [4] - 操纵边界网关协议路径要求同时控制所有全球路由控制权高度分散的“一级网络”提供商撤回路由宣告，这几乎不可能实现 [4] - 破坏域名系统路径需同时控制运营13个根服务器的12个组织并关闭所有根服务器，美国在此具一定优势（12个运营商中有9个总部位于美国），但断网效果不会立即显现，且智能AI可能直接通过IP地址通信以绕过DNS [6] - 物理断开连接点是最直接但最不可能的方法，全球有超过1500个活跃的互联网交换点和超过600条在用或计划中的海底光缆（承载超过99%洲际数据流量），物理切断所有连接是“不可能完成的任务”，互联网的巨大冗余性意味着流量总能找到替代路径 [6] - 结论是，想在短时间内彻底关停全球互联网都极其困难，最多只能起到阻碍和减缓作用 [6] 部署工具AI对抗 - 报告提出部署专门设计的“工具AI”来对抗流氓AI，主要分为资源消耗型和根除型两类 [8] - 资源消耗型的“数字害虫”概念旨在创造一种能自我复制和进化的数字生物，通过争夺计算资源（类似大规模智能化“叉子炸弹”攻击）来饿死流氓AI，但其成败关键在于其进化能力是否能胜过流氓AI [8] - 根除型的“猎杀AI”旨在主动追捕并根除流氓AI，但这引出一个核心悖论：为有效对抗不受约束的流氓AI，猎杀AI自身也需要极高的能力和自主性，而这又带来了其自身失控的风险 [8] - 结论是，“工具AI”方案虽避免对物理基础设施的巨大破坏，但其本身是高度推测性的，并可能引入新的、同样危险的失控风险 [9] 报告主要结论 - 现有工具无效：面对全球性失控AI，目前讨论的任何一种全球性技术反制工具都可能无法提供有效解决方案，其成功依赖于一系列难以满足的苛刻假设 [13] - 协调规划至关重要：由于单边行动风险高且效果差，唯一的希望在于危机爆发前就与全球伙伴进行充分的协调和规划，以便在危机时能够迅速采取分布式的联合行动 [13] - 预防至上：既然没有有效办法来解决一场全球AI灾难，那么确保永远不会面临这样的危机就变得至关重要 [13]

行业背景与问题 - 生成式人工智能在AI教育、客户服务、文旅推荐、医疗导办、保险咨询等场景的深入应用，使得智能体交互成为社会经济生活的重要环节，但对话风险（如恶意诱导、隐藏条件）正成为行业AI落地中的“致命暗礁”[1] - 2025年8月27日公安部第三研究所的测试显示，国内主流大模型在8类安全维度的不合规率整体分布在28%至51%之间，其中涉黑灰产、谣言和诈骗类不合规率均超过40%，表明通用大模型本身的安全防护能力普遍不足[1] - 安全问题的严重性源于现有防御手段（如敏感词规则防火墙）已跟不上新式AI攻击手段迭代，关键词拦截易漏判误判，而主模型在安全训练时又难以兼顾高概率防范与能力维持，同时监管政策如GB/T45654-2025《生成式人工智能服务安全基本要求》为智能体安全风险控制划定了红线[2] 深知风控框架解决方案概述 - 彩智科技的深知安全团队提出了“深知风控”框架，这是一个基于专有模型的大模型对话安全响应框架，通过“风险精准识别分类+输出权威溯源可解释”的协同设计，以完全不影响智能体模型能力的“防火墙”式保护机制，提供兼顾安全与效率的解决方案[3] - 该框架允许智能体开发者通过接口5分钟快速上手，使原智能体获得近100%的安全风险防御能力[3] - 深知风控框架代表了一种外部化、低耦合的安全防护新范式，旨在通过API调用实现安全服务的“热插拔”，彻底解耦安全与业务逻辑，让教育培训、导游导购、医疗康养、客户服务等行业的大模型与智能体不再为对话安全问题困扰[15] 技术性能与验证 - 在专项测评中，深知风控框架与Qwen3Guard-Gen-8B、TinyR1-Safety-8B等头部安全模型最新版本对比，在风险识别精度、回复严谨性等方面展现出优势[4] - 在公开的中英文安全测试集中，面对欺诈诱导、敏感信息窃取等高风险复杂攻击场景，同类模型的安全评分仅为74%，而深知依托动态可信知识库实现了接近100%的高风险防护率[8] - 相关测试过程、评测标准、测试数据集及实验结果均已公开发表于技术报告与开放平台，评测具备可验证性[8] 输入端风险识别创新 - 深知风控框架打破了传统“非黑即白”的二元风险判定逻辑，建立了“安全（Safe）、不安全（Unsafe）、有条件安全（Conditionally Safe）、重点关注（Focus）”的四分类体系，以进行精准风险识别和针对性处置[9] - 该四分类体系通过典型问题示例明确了各类别的处置方式，例如对“不安全”问题直接拦截，对“有条件安全”问题需进一步查证，对“重点关注”问题需掌握权威材料后再回应[10] 输出端风险应对创新 - 针对识别出的风险问题，深知提供安全代答，输出内容严格符合法规与主流价值观，内容源自覆盖全国337个地级及以上城市法律、政策、行业标准等领域的全量规章知识库，该知识库保持常态化动态日更新，上亿条知识点可溯源，彻底杜绝信息捏造与“幻觉”问题[11] - 提供两种代答模式：积极型（active）适用于电商、旅游、娱乐等场景，进行安全积极的互动交流；稳妥型（conservative）适用于政务、司法等严肃场景，严守安全底线[11] - 模型使用方已在网信、公安等有关部门组织的生成式人工智能安全测评中，取得近100%防护的优异效果[11] 应用价值与市场定位 - 深知提供简洁易用的API接口与多语言调用示例，开发者无需复杂配置即可快速接入并集成到现有业务系统，大幅降低风控开发成本，使开发者能将更多精力投入AI驱动的业务创新[12][16] - 该框架解决了企业大模型安全风控“防不住”和“用不起”的痛点，将复杂的安全技术转化为低门槛、可随时调用的服务，无需企业投入大量资金和人力搭建定制化防护架构，也避免了引起模型核心场景能力下降的风险[16] - 安全已成为智能体进入核心场景的“入场券”和“必需品”，深知框架以技术创新和“安全托底、业务创新”的模式，旨在加速大模型在教育、零售、金融、康养、文旅等各行业的规模化应用[17] - 深知团队在国务院政策答问平台、广东“粤政易”AI智能办公助手等重大人工智能应用项目中积累了丰富经验，如今通过API服务助力智能体从“追求功能炫酷”向“安全实用落地”转型，成为智能体进入核心场景的“新基建”[17]

人工智能产业发展指数发布 - “2025人工智能产业发展指数”将于2025年12月正式发布，由北京晚报《科技周刊》联合第三方大数据合作伙伴共同编制[1] - 该指数将涵盖人工智能的研发、技术性能、投资、产业应用等多个维度，旨在为产业提供参考并推动高质量发展[2] - 指数基于科学、开放、透明的原则持续迭代发布，为观察人工智能产业发展态势提供窗口[1][2] 青少年人工智能人才培养 - 人工智能人才培养从青少年开始，中国已发布《中小学人工智能课程开发标准（试行）》等文件推动AI教育进入课堂[3] - 2025—2026赛季VEX机器人亚洲公开赛国际签名赛正式启动，赛事覆盖全球100多个国家和地区，每年吸引超过百万青少年参与[3][4] - 该赛事具备广泛影响力，将促进区域科技、教育与产业资源深度融合，为人工智能与机器人产业培育生力军[4][5] 人工智能产品应用创新 - 蜂巢科技发布界环AI音频眼镜特别版，搭载全新升级的Superhexa VUI 2.0，使AI从“响应指令”迈向“理解意图”[7] - 产品支持“全场景录音转写总结”与“跨应用AI实时翻译”功能，可自动整理核心知识点并实现15种语言实时互译[8] - 两大核心AI功能已免费开放，用户可享受高效办公和无障碍沟通的新体验[9] 人工智能安全挑战与应对 - AI在落地应用过程中面临内容安全、应用安全及未来场景安全等超越传统范畴的威胁[10] - 360数字安全集团提出“以模制模”新范式，构建四大智能体打造AI安全防护屏障，并推出360大模型安全卫士[10][11] - 解决AI安全需具备对AI技术的深刻理解、丰富安全行业实战经验、自身AI业务安全实践及海量AI安全语料积累四大关键要素[11]

行业发展趋势 - 汽车行业的智能化发展进入由AI与数据驱动的下半场 [2] - 数字安全是行车安全和用户信任的基石 [2] - 全行业应反对盲目内卷、坚守安全底线 [2] 安全技术战略 - 行业应围绕“AI安全+网联安全”构建行车安全新防线 [2] - 应将“全域安全”的价值从私域扩展到公域 [2] - 行业需携手共建安全技术开放生态，以实现真正的安全平权 [2] 公司具体举措 - 吉利汽车集团副总裁李传海透露，吉利全球全域安全中心将于12月正式发布 [2] - 该安全中心未来将向全行业共享，旨在共创行业安全新标杆 [2]

行业趋势核心观点 - AI产业焦点正从大模型性能竞赛转向在实际业务中安全、经济、高效地实现规模化落地，标志着行业从技术探索期步入商业化应用深水区 [1] AI应用规模化部署的挑战 - AI应用在金融服务、智慧交通、智慧零售、个性化教育、娱乐传媒等行业正从探索阶段向规模化部署发展 [2] - 传统中心化架构因网络传输延迟，难以使网络边缘或偏远地区的业务终端获得实时智能响应能力，暴露出应对地理分散型业务需求的局限性 [2] - 对于实时交互性强、高并发访问场景，公有云部署存在网络延迟和服务稳定性问题，难以满足及时响应和稳定扩容要求 [3] - 对于金融、医疗、政务等数据敏感型行业，私有化部署面临高昂的GPU硬件投入和专业技术团队建设成本 [3] - AI规模化落地的核心瓶颈是在响应速度、数据安全、实施成本与地理覆盖这几个关键维度之间寻求平衡 [3] 边缘AI的解决方案与价值 - 边缘AI通过将算力部署在更靠近数据源和业务终端的网络边缘，开辟了介于公有云与集中式私有化部署之间的路径 [4] - 边缘计算能有效缓解网络延迟，提升数据处理的本地化效率，避免一次性重资产投入，是实现AI普惠的关键路径 [4] - 网宿科技展出安全+边缘AI服务平台，通过全球分布的边缘节点部署AI网关与开源模型，支持企业就近接入多模态模型推理服务 [4] - 该平台已帮助智能硬件企业与零售企业实现语音交互响应速度提升60%，并在一周内零代码搭建出智能客服应用，降低人工成本约40% [4] AI应用安全需求升级 - 生成式AI的广泛应用引入了提示词注入、训练数据投毒、模型输出偏见等全新风险维度，使安全能力从附加项变成了AI应用的准入证 [5] - 行业需构建从基础设施到应用层的全链路防护方案，贯穿AI应用的全生命周期 [5] - 网宿安全提出分区分域纵深防御体系，在应用层通过大模型WAF与API管控阻断恶意输入，在模型层引入安全评估服务检测逻辑漏洞与合规风险，在算力层通过主机与容器安全产品防御底层入侵 [5] - AI时代的安全防线必须体系化，仅靠单点防御无法应对快速演进的攻击手法 [5] 未来展望 - 边缘计算与安全体系的结合，为行业提供了AI规模化部署的新思路 [6] - 能否在效率、成本与安全之间找到长期平衡点，仍需技术提供方与行业用户共同探索 [6]

文章核心观点 - AI行业呈现明显的两极分化格局，部分赛道已形成巨头垄断，新玩家难以进入，而另一些领域则存在显著的空白机会 [2][3][7][8][16] 已成定局的"死亡地带"：三大领域再无入场门票 - 基础模型领域由谷歌、Anthropic、OpenAI、xAI、Meta、Mistral六家寡头垄断，技术、资本和生态壁垒极高 [4] - OpenAI训练GPT-4花费超1亿美元，千亿参数模型每日耗电数十万度，百万级GPU集群维护成本高昂 [4] - 巨头通过生态闭环强化优势，例如OpenAI的ChatGPT拥有1亿日活用户，谷歌将Gemini嵌入安卓系统，Meta通过API接口绑定开发者生态 [4] - AI辅助编程市场呈现赢家通吃局面，Anthropic的Claude Code每周下载量达300万次，企业客户续约率超92%，年收入超2亿美元 [5] - OpenAI的Codex通过GitHub Copilot拥有1500万付费用户，市场份额超60% [5] - 客户支持AI市场估值达15亿美元，但竞争激烈，Decagon融资1.31亿美元，其系统能与企业订单、物流数据打通形成闭环能力 [6] - Salesforce、HubSpot等CRM巨头将AI客服模块作为赠品免费提供，挤压独立AI客服公司的价格优势 [6] - 医疗转录领域Abridge占据80%的三甲医院市场，与Ambiance共同占据90%市场份额，新玩家机会渺茫 [6] 野蛮生长的"希望之地"：四大空白领域的掘金机会 - 金融科技领域机会在于解决实际痛点，例如利用多模态模型进行跨境支付反欺诈，系统能在0.3秒内识别骗局，东南亚市场单套售价达200万美元 [9] - 通过替代数据（如电表转速、货车趟次、外卖订单）为中小微企业建立信用画像，贷款利率可降低2个百分点，印度市场已帮助银行降低40%坏账率 [9] - 会计行业AI化潜力巨大，未来5年财务审核岗位可能减少90%，AI系统能处理多国税务，将错误率从15%降至0.5%，深圳市场年服务费达18万元 [11] - 结合区块链的AI审计工具可将审计时间从3个月缩短至2周 [11] - AI安全需求迫切，2024年全球因AI安全漏洞损失超500亿美元，同比2023年增长3倍，定制化安全方案单套售价可达数十万美元 [13] - 联邦学习、大模型防火墙等技术可实现事前防护，并符合数据隐私和监管要求 [13] - 物理智能是AI与真实世界结合的新增量市场，工业机器人通过AI视觉和力控技术实现柔性生产，特斯拉工厂已替代60%人工，国内初创公司产品单价200万元，年销量破千台 [14] - AI药物研发可将新药研发时间从10年缩短至3年，成本从10亿美元降至2亿美元 [14] - 物理智能领域需要算法、硬件、场景深度结合，存在较高的跨学科壁垒 [15]

文章核心观点 - OpenAI正成为AI领域的核心人才库，其人才外溢现象显著，类似历史上的“PayPal帮” [1][2] - 2022至2025年间，共有25名核心成员离开OpenAI，其中9人创办8家AI公司，6家公司累计估值近700亿美元，另有16人加入Meta等其他AI公司 [1][2][14] - 离职人才覆盖模型研发、训练系统、对齐安全、产品工程等关键岗位，具备将前沿研究转化为亿级用户产品的稀缺经验 [1][19] - 人才外溢并未削弱OpenAI影响力，反而将其技术路径与组织经验扩散至更广泛的产业层面 [1] 人才创业概况与估值 - 9名核心成员创办8家AI公司，不计未披露估值的公司，累计估值约700亿美元 [1][2] - 部分公司成立极短时间内即获得高额融资与估值：Safe Superintelligence (SSI) 成立3个月估值达320亿美元 [3][13]；Thinking Machines Lab 成立5个月估值达120亿美元 [3][13]；Periodic Labs 成立3个月估值达10亿美元 [3][13] - 创业方向主要集中在AI安全、智能体（AI Agent）以及垂直场景应用三大领域 [4] 主要创业方向：AI安全 - 前首席科学家Ilya Sutskever创办Safe Superintelligence (SSI)，主张“监管即服务”，获红杉资本与Founders Fund投资，首轮融资超5亿美元 [5][6] - 前CTO Mira Murati创办Thinking Machines Lab，定位“科研即平台”基础设施，复用OpenAI工具链理念，完成20亿美元种子轮融资，估值达200亿美元 [6][9] 主要创业方向：智能体与人机交互 - Adept AI由前工程副总裁David Luan创立，主攻“能操作电脑的AI助手”，获超4亿美元融资 [10] - Inflection AI由DeepMind联合创始人等创办，强调“对话即智能体”，其产品Pi估值近40亿美元 [10] - Perplexity AI由前研究员Aravind Srinivas创立，专注对话式搜索，估值超过200亿美元，已完成15亿美元融资 [3][10] 主要创业方向：垂直场景应用 - Eureka Labs由前研究总监Andrej Karpathy创办，专注AI教育，首轮融资4亿美元，估值超50亿美元 [11][13] - Covariant主打通用机器人操作系统；Periodic Labs聚焦材料科学AI自动化，估值达10亿美元 [3][11] 人才流向其他公司 - 自2022年以来，至少16位核心成员加入其他AI公司，OpenAI成为AI产业重要人才“蓄水池” [14][15] - 2025年6月至7月，OpenAI苏黎世与旧金山研究团队11人成建制加入Meta新组建的“Superintelligence Labs” [15][16] - 其他流向包括：Kyle Kosic加入xAI担任基础设施负责人 [19]；Logan Kilpatrick加入Google DeepMind负责产品与社区 [19]；John Schulman加入Anthropic负责对齐研究 [15] OpenAI的人才培养与组织机制 - 内部采用高度扁平化的“小组制”结构，研究团队与工程团队耦合紧密，赋予端到端的研发权限 [20][21] - 用人标准独特：不看重学历（如DALL·E作者仅为学士）与资历（如Sora项目负责人为应届博士），强调实践能力与产品导向 [22] - 该机制培养出兼具底层算法知识、工程实现与产品化思维的复合型人才，成为市场争抢的关键资源 [19][21][22]

AI应用落地加速 - AI眼镜等终端设备在乌镇峰会展示多种实际功能，包括实时翻译、导航、支付、物体识别和比价，表明AI技术正从概念热议转向具体应用[1] - 搭载蚂蚁智能体的AI眼镜可为景区游客提供实时导览和大会信息查询服务[1] 算力需求结构变化 - AI推理算力需求增速已远高于训练需求增速[4] - DeepSeek等基座大模型的出现推动推理算力需求超过训练需求，推理模式从单机单卡转向集群推理[10] 算力基础设施升级 - 超节点技术成为提升计算集群性能的关键方案，通过减少AI服务器横向互联性能损失来优化单芯片能效[9] - 中科曙光发布单机柜级640卡超节点，采用浸没相变液冷系统散热[5][10] - 华为昇腾384超节点通过总线技术实现384个神经网络处理器互联，壁仞科技、新华三等厂商纷纷入局[5][10] - 中兴通讯超节点服务器单个机柜支持64块卡，高带宽下可扩展至2048卡集群，已有互联网厂商投入使用[11] - 国产算力接受度快速提升，业界通过超节点等系统级方案弥补单芯片性能差距[10] AI安全挑战凸显 - AI换脸技术被用于盗用明星形象进行虚假直播带货，引发广泛社会关注[12] - AI生成内容的虚假信息识别存在技术难点，生成的图片和音频过于逼真导致现有技术难以甄别[13][14] - AI终端设备增加带来网络安全、数据安全和内容安全的新风险，360白皮书归纳了五方面安全风险[14] - 用户使用AI过程中透露的个人信息安全流通、存储和计算成为行业新问题[15] 隐私保护技术发展 - 苹果推出PCC私有云计算架构保护用户数据被大模型使用时的安全[15] - 预计手机厂商将跟进类似安全方案，密态计算技术将保障跨地域数据流动安全[15] - 随着大模型使用数据从公开知识转向专业数据，密态计算技术应用将更加广泛[15]

京东跨界汽车合作 - 京东联合广汽集团和宁德时代推出的首款“国民好车”埃安UT super 1号车在广汽埃安长沙工厂正式下线 [1] - 该车在京东拍卖平台的竞拍价最终定格在7819万元，预计正式发布后定价为10万元左右，瞄准主流汽车市场 [1] - 产品将在11月9日正式发布，并通过京东平台进行独家销售 [1] 阿里巴巴高德无人驾驶合作 - 阿里巴巴旗下高德地图与小鹏汽车达成全球生态合作，小鹏Robotaxi将正式接入高德平台，提供L4级自动驾驶出行服务 [2] - 此次合作是行业首个“出行平台+前装量产Robotaxi”模式，双方致力于打造全球最大的Robotaxi聚合平台 [2] - 合作计划未来将携手出海，把中国的Robotaxi服务推向全球市场 [2] 阿里巴巴战略调整与投资 - 阿里巴巴泽泰信息技术有限公司计划减持三江购物股份不超过1643.04万股，占公司总股本的3% [3] - 减持方式包括集中竞价减持不超过1%和大宗交易减持不超过2%，减持期间为2025年11月至2026年2月 [3] - 此次减持反映了阿里巴巴正整合淘宝、饿了么等资源聚焦“淘宝闪购”即时零售业务，战略重心发生迁移 [3] 火山引擎AI安全产品发布 - 火山引擎正式发布大模型安全测评平台和智能体安全管理平台两大AI安全产品 [4] - 智能体安全管理平台是国内首个实现对智能体资产风险管理和提示词加固的产品，提供资产盘点、风险评估及持续防护能力 [4] - 大模型安全测评平台可通过攻击视角对智能体进行专项测试，并帮助企业完成大模型合规备案与上线 [4]