随着企业加速引入本地AI，AI工厂安全的起点再次被强调为‘硬件’而非软件。随着代理型AI的普及，数据处理路径变得更长、更复杂，企业面临着更大的压力，必须从服务器和芯片层面就开始确保信任。
英特尔平台安全与完整性业务部门负责人迈克·费隆-琼斯最近在接受SiliconAngle媒体TheCUBE采访时表示：“CPU是整个安全栈的根本性硬件信任基础”，“选择哪种CPU实际上就是企业的第一个安全决策。”此类讨论预计将在本月底举行的戴尔科技集团（$DELL）年度活动中成为核心议题。
CPU在整体AI系统中的作用日益增强
费隆-琼斯指出，AI系统并非仅由GPU上的学习或推理构成。数据收集与清洗、存储、学习、推理、结果处理等多个阶段相互关联，而这些过程中的相当一部分是在CPU与GPU协作的基础上运行的。
这意味着，AI基础设施的安全并非仅仅保护某一种特定加速器就能解决的问题。实际上，英特尔在其2026平台安全报告中，将阻断启动阶段攻击、通过机密计算保护数据、基于硬件的软件控制、以及将性能损耗降至最低的加密加速这四大支柱，列为数据中心安全的核心领域。其主张是，若要软件控制有效运行，其底层的芯片本身必须首先值得信赖。
机密计算：成为本地AI普及的核心技术
英特尔战略的核心在于‘机密计算’。通过英特尔软件保护扩展和信任域扩展等技术，在硬件层面强制创建可信执行环境，并以密码学方式验证敏感任务在何处、以何种状态执行。
这种方法在监管严格的行业中尤其意义重大。金融、公共、医疗保健等重视数据主权和合规的领域，往往更倾向于本地AI而非云服务，这时内部基础设施自身的可靠性就变得更为重要。费隆-琼斯解释说：“数据仅在用户控制的加密密钥下才能进入机密执行环境”，“这是一种从合规、数据主权到传统网络安全，钥匙都由企业自己掌控的结构。”
英特尔已与英伟达（$NVDA）合作，准备了能够保护GPU加速工作负载的机密AI参考架构。这意味着AI工厂的安全不再局限于CPU领域，而是扩展到CPU和GPU协同运作的整个基础设施。
迁移至抗量子密码成为AI安全新课题
从长远来看，‘迁移至抗量子密码’也被视为一项重要课题。这是在预判未来量子计算机可能破解当前密码体系的前提下，提前迁移到更安全算法的行动。戴尔科技首席技术官约翰·罗兹今年早些时候也曾警告，量子计算最终能够破解当前用于保护数据的密码。
作为当下值得担忧的场景，费隆-琼斯指出，相比实时量子攻击，更应警惕‘现在收集、以后解密’的威胁方式。攻击者会预先窃取并保存当前无法破解的加密数据，等到未来量子计算机性能足够强大时再进行解密。随着AI和代理型AI所处理的数据价值日益增长，这种风险也必然随之增大。
英特尔已从至强6处理器开始推进量子安全密码的迁移，计划到2029年将其整个平台的密码运算转换为抗量子技术。费隆-琼斯强调，从现在起应用AES-256这类量子安全级别的静态数据加密，就能提前应对未来的‘先收集后解密’威胁。他还补充道，当前至强CPU已包含加速这类高级密码运算的指令，可以减轻性能负担。
AI工厂安全或将成为基础设施投资决策的评判标准
此次讨论表明，AI竞争正从以模型性能为中心，扩展到关注基础设施可靠性和数据保护能力。尤其是随着企业自行在其数据中心内直接运营AI的趋势持续，包含服务器、CPU、GPU及加密体系在内的‘硬件层’的安全水平，极有可能成为引入决策的核心评判标准。
最终，AI工厂安全已不再仅仅是技术选项，而是被评估为决定企业能否安全利用敏感数据并扩展AI的基础性条件。业界关注的焦点正从软件防线转向确保芯片层面的信任，其原因也正在于此。
TP AI注意事项 本文基于TokenPost.ai的语言模型进行摘要。正文的主要内容可能被遗漏或与事实不符。