企业数据中心如今正进化为将数据转化为"智能"的"AI工厂"。但与此同时，越来越多的人指出，随着AI引入速度加快，用于控制和保护这些系统的安全体系却相对滞后。
最近，theCUBE Research通过AI工厂安全分析诊断认为，仅靠现有的网络安全模式难以守护新的环境。这是因为数据不再以固定形态存在，而是转变为在云端、本地和边缘之间流动，并实时生成、转换和消耗的结构。其解释称，在这一过程中，需要一个能够同时处理数据、模型和AI代理的新型"控制平面"。
现有安全体系为何不足
传统数据中心侧重于稳定运行应用程序，安全设计是附加在上面的方式。但在AI工厂中，网络、存储和计算资源都围绕着"智能生产"重新构建。因此，数据移动本身变得更加频繁和复杂。
问题在于，这种趋势暴露了现有安全模型的局限性。AI系统会同时从多个存储库拉取数据，自动化的代理会访问多个服务和应用程序。代替人类行动的代理拥有权限并执行指令，但行为追踪却更加困难。此外，由于所有操作都在毫秒级完成，以人为中心的监控和响应体系已难以跟上其速度。
theCUBE Research的Krista Case在其调查中指出，大约四分之三的组织已经进入AI部署的成熟阶段或完全整合阶段。与此同时，大约四分之一的组织将安全暴露列为核心挑战。这意味着AI工厂的扩散与安全担忧正在同步加剧。
戴尔与英特尔：以"设计阶段安全"应对
戴尔科技和英特尔正顺应这一变化，将AI工厂安全视为"核心基础设施"问题，而非单独的解决方案。两家公司专注于构建涵盖整体堆栈的、"从设计阶段就内嵌安全"的AI基础设施。
戴尔将英特尔至强处理器集成到其PowerEdge服务器产品线中，使AI工作负载的部署更加安全。此外，还通过结合PowerScale存储安全协议和PowerProtect数据保护套件，旨在保护存储中的AI模型和数据。
英特尔在PowerEdge服务器上提供机密计算和硬件级别的可信启动验证技术。在攻击面扩大，且威胁行为者同样利用AI工具以"机器速度"行动的环境中，这种基于硬件的保护机制其重要性日益凸显。
AI数据治理成为核心挑战
AI工厂的安全核心最终汇聚于"数据治理"。这意味着必须建立一个体系，用于分类所使用数据的类型、追踪其来源，并应用适当的访问控制。
戴尔于今年3月作为AI基础设施组合更新的一部分，发布了"戴尔数据编排引擎"。该系统基于低代码，可自动化数据探索、准备和治理流程。它还包括将结构化、非结构化和多模态数据大规模转换为AI可利用形式的功能。
这不仅仅是提升运营效率，更与增强韧性相关。根据SentinelOne的数据，到2026年全球网络安全入侵事件增加了40%，物联网恶意软件攻击激增了124%。AI数据治理越不完善，暴露于数据泄露、推理攻击和数据污染等威胁的可能性就越大。
Case认为当前最大的问题是"AI系统的扩展速度与治理水平之间的差距"。她指出，许多组织仍然无法一致地保护或备份AI生成的大部分数据。她强调，应将数据血缘管理、可视性和实时策略执行作为系统的基本内置功能优先考虑。
代理时代，需要可控的AI框架
随着代理在AI工厂中的作用日益增大，安全问题也变得更加复杂。戴尔最近推出了基于"Dell Pro Max" GB10·GB300的桌面级"超级计算机"，旨在让自主型代理能在更安全的环境中运行。英特尔也推出了一个具备中央控制功能的、基于代理的生成式AI聊天机器人平台，以便在可信环境中处理敏感的内部数据。
归根结底，AI工厂安全并非单一安全产品能够解决的问题。它需要在数据层、基础设施、模型乃至代理等多个层面，实时执行策略、观察流程并立即控制异常行为。戴尔和英特尔强调的"控制平面"概念也正是源于此背景。
AI工厂被视为企业技术环境的新转折点。它拓宽了生产力和创新机遇，但同时也滋生了现有方式难以防御的新型风险。业界认为，未来AI竞争力的核心，不在于单纯的模型性能，而在于这些智能建立在何种数据之上，以及能够得到多么可信的管理。
TP AI 注意事项 本文由基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被省略或与事实不符。