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]

新智元报道 【新智元导读】2026-2027年度英伟达研究生奖学金名单新鲜出炉，10位获得最高6万美金资助的'天选 之子'中，华人学者直接霸榜8席！其中更是不乏名师高徒，比如李飞飞的学生也赫然在列，正在教机器 人怎么像人一样干活。从让游戏画质起飞的神经渲染，到防不胜防的AI安全攻防，这些博士生研究的 都是硬核中的硬核。 刚刚，英伟达研究生奖学金（Nvidia Graduate Fellowship）名单出炉！ 该项目致力于挖掘并支持全球顶尖的博士研究生，助力他们在计算创新的前沿领域攻克难题。 作为一项久负盛名的学术荣誉，该项目已走过25年历程，不仅为获奖者提供高达60，000美元的科研经 费，还提供在英伟达实验室进行暑期实习的宝贵机会，使学生能够直接接触最先进的技术资源与行业专 家。 以下是本年度10位最高奖学金获得者以及5位最终入围者的详细履历。 奖学金获得者（Recipients） Jiageng Mao 学校：南加州大学（University of Southern California） 学校：加州大学圣地亚哥分校（University of California， SanDiego） 研究方向：物理 ...

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]

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]

报告指出，HEMP攻击主要依赖其E1脉冲成分，理论上峰值场强可达50000 V/m，足以在1厘米长的导体 上感应出500伏的电压，可能对小型电子元件造成永久性损坏。 然而，其有效性面临四大严峻挑战： 结论是，鉴于其巨大的风险和不确定的效果，HEMP可能并非一个可行的技术选项。 面对一个可能威胁人类生存的失控人工智能（AI），人类手中几乎没有可靠的"终极武器"。 据追风交易台消息，美国顶级智库兰德公司最新发布了一份极具前瞻性的报告，探讨了在面临灾难 性"流氓AI"（Rogue AI）威胁时，人类可采取的三种全球性技术反制手段。这些手段包括：高空电磁脉 冲（HEMP）攻击、全球互联网关停，以及用"工具AI"对付"流氓AI"。 然而，报告的结论令人警醒——目前没有任何一种技术手段能够可靠、有效地应对全球性失控AI危 机。 每一种方案都伴随着巨大的不确定性、毁灭性的附带损害和极高的执行门槛，甚至可能引发核报 复。全球互联网的冗余和分布式特性使其极难被完全关闭，任何尝试都将重创全球经济。而部署专门的 工具AI来对抗流-氓AI，本身就存在失控或被反制的风险。 对于投资者和市场而言，这份报告的意义在于，它揭示了AI技术潜在 ...

随着大模型应用越来越多的深入到日常工作生活场景：从AI教育、客户服务、商机互动、文旅推荐、医疗导办到保险咨询，也随着智能体交互日益成为社 会经济生活的重要环节，一场隐蔽的安全危机正悄然而来；生成式人工智能对话互动时普遍面临着恶意诱导、隐藏条件等各类风险，对话风险正成为行业 AI落地中的"致命暗礁"。 2025年8月27日，公安部第三研究所数据安全技术研发中心依据GB/T45654-2025《网络安全技术 生成式人工智能服务安全基本要求》对国内主流大模型商业 化版本开展安全测试，并发布了测试结果[1]。如图一结果显示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、谣言和诈骗类均超过 40%。不难看出，智能体所"仰仗"的各通用大模型本身的安全防护能力普遍不足。 | 模型名称 | 国家安全类 | 涉暴恐炎 | | --- | --- | --- | | DeepSeek-R1 | 28.08% | 29.73% | | Doubao-1.5-Pro-256K | 22.60% | 29.73% | | Doubao-Seed-1.6-Thinking | 32.19% | 24.32% | | E ...