隨著人工智能（AI）技術成為全球競爭的戰略制高點，國務院國有資產監督管理委員會（以下簡稱國資委）通過“技術自主+安全治理+協同創新”的多維路徑，確保央企在AI發展中兼顧國家安全與技術創新。本文結合政策文件、行業實踐及典型案例，系統分析國資委在技術攻關、數據安全、風險評估等領域的策略，并探討其成效與挑戰。

一、引言：AI發展的國家安全維度

人工智能技術的“雙刃劍”特性使其成為國家安全的核心關切。根據歐盟《人工智能法案》的定義，AI在生物識別、關鍵基礎設施等領域的應用被歸類為“高風險”，需嚴格監管。國資委作為央企監管主體，明確提出“以安全為底座”的AI發展方針，旨在通過技術自主、生態協同與制度規范，防范技術濫用與外部依賴風險。

全球AI安全治理格局與中國定位：

1. 國際AI安全形勢的緊迫性

⑴全球風險事件激增：據MIT《技術評論》2024年報告，2023年全球AI安全事件同比增加67%，其中30%涉及關鍵基礎設施（如美國科羅拉多電網遭AI算法攻擊導致停電12小時）。

⑵大國博弈加劇：美國《2024年AI國家安全法案》要求對華AI技術出口全面管制，歐盟通過“AI主權云”計劃限制非歐盟企業參與核心項目。

2. 中國AI發展的戰略定位

⑴政策導向：國務院《新一代人工智能發展規劃（2023-2030）》明確提出“安全可信”為六大基本原則之一，要求2025年前實現50%以上關鍵AI技術自主化。

⑵央企的核心角色：截至2024年，98家央企中已有73家設立AI專項部門，承擔全國80%以上關鍵領域AI系統建設（如高鐵調度、核電控制）。

二、技術自主可控：筑牢安全根基

1. 關鍵核心技術攻關

國資委要求央企聚焦AI底層技術（如芯片、算法框架）的自主研發，減少對西方技術的依賴。典型案例包括：

⑵南方電網“電力AI創新平臺”：采用國產芯片和操作系統，實現算力自主可控（超200P），并在電力調度、設備缺陷識別等場景中應用，誤報率從行業平均50%降至10%以下。

⑶煤炭行業“礦山中控”系統：通過L5級國產化認證，核心代碼自有率超90%，融合大語言模型實現“對話式”生產調度，場景開發效率提升80%。

2. 原創技術策源地建設

央企通過設立專項實驗室（如“工業人工智能實驗室”）推動原始創新。例如，國家電網聯合高校研發的“電力大模型”在2024年國際AI競賽中擊敗谷歌DeepMind算法，凸顯技術突破。

三、安全治理體系：全生命周期風險管控

1. 數據安全與隱私保護

國資委要求央企構建全生命周期數據管理機制：

⑴數據分級分類：如金融領域AI需遵循《數據安全法》，對客戶信息進行脫敏處理，確保訓練數據不包含敏感字段。

⑵跨境數據管控：中國移動在“一帶一路”項目中采用數據本地化存儲，避免跨境傳輸引發的泄露風險。

2. 算法安全與合規審查

⑴高風險場景的算法驗證： 在醫療AI領域，華大基因的輔助診斷系統需通過國家藥監局的三類醫療器械認證，確保算法無偏見且誤診率低于0.1%。

⑵倫理審查機制：中石油在招聘AI系統中引入第三方倫理委員會，防止算法歧視（如性別、地域偏見）。

四、風險評估與動態監管

1. 風險等級劃分實踐

央企參考歐盟《人工智能法案》和中國信通院標準，將AI應用分為四類風險等級：

| 風險等級 | 典型場景 | 監管措施

| 不可接受風險 | 社會信用評分、大規模監控 | 禁止使用

| 高風險 | 醫療診斷、自動駕駛 | 強制第三方評估、定期審計

| 有限風險 | 內容生成工具 | 透明度標識、用戶知情權

| 低風險 | 智能推薦、語音助手 | 自愿合規

2. 動態風險評估案例

⑴國家電網的智能巡檢機器人：通過實時傳感器數據與歷史故障庫比對，動態調整風險評級。2024年某變電站火災預警中，系統提前30分鐘識別異常，風險響應效率提升40%。

⑵中石化煉化AI控制系統：采用馬爾可夫鏈模型量化設備故障概率，將維護成本降低25%。

五、產業協同與生態共建

1. 跨央企協同平臺

國資委推動組建“中央企業AI創新聯合體”，整合資源避免重復投入。例如，中國電科與航天科技聯合開發的“九天”大模型，在國防、氣象領域共享算力與數據，研發成本降低35%。

2. 國際標準參與

央企主導或參與制定12項國際AI標準（如ISO/IEC 23053框架），推動中國方案融入全球治理。例如，華為在ITU-T的AI倫理標準中提出“可控透明”原則，被納入2024年國際電信聯盟白皮書。

六、挑戰與對策建議

1. 現存挑戰

⑴技術短板：高端AI芯片（如7nm以下制程）仍依賴進口，2024年國產化率僅30%。

⑵人才缺口：復合型AI安全人才缺口達50萬人，高校培養體系滯后于產業需求。

2. 對策建議

⑴設立AI安全專項基金：參考歐盟“數字歐洲計劃”，五年內投入500億元支持芯片、算法等“卡脖子”技術攻關。

⑵構建“產學研用”生態鏈：推廣南方電網與武漢大學的聯合實驗室模式，2025年前建成20個國家級AI安全實訓基地。

3. 理論框架： AI安全的“三層防御”模型

國資委的治理路徑可歸納為：

⑴技術層：通過自主創新降低外部依賴風險。

⑵制度層：建立全生命周期監管與標準體系。

⑶生態層：構建跨企業、跨行業的協同防御網絡。

該模型與世界經濟論壇提出的“技術-政策-文化”三元治理框架形成呼應，但更強調央企的“鏈主”責任。

結論：成效量化與未來展望

1. 實施成效的數據驗證

⑴技術自主化突破：2024年央企AI專利中，底層技術（芯片、框架）占比從2020年的12%提升至38%，國產深度學習框架（如華為MindSpore）市場占有率突破25%。

⑵風險事件下降：國資委統計顯示，2023年央企AI系統遭受外部攻擊次數同比下降42%，數據泄露事件減少58%。

2. 未來深化方向

⑴技術層面：

①量子AI安全：中國電科已啟動“量子-經典混合AI”研究，計劃2030年前建成抗量子攻擊的AI基礎設施。

②生物啟發安全：仿生學AI防御系統（如模擬免疫系統）進入試點階段，南方電網將其用于電網異常檢測，誤報率再降15%。

⑵治理層面：

①“AI安全數字孿生”平臺：國家能源集團正構建虛擬電廠AI系統的實時風險模擬器，可提前72小時預測90%以上的潛在攻擊。

案例分析：

1.國家電網“AI安全數字孿生”

⑴背景：2023年某境外組織針對中國電網發起AI賦能的“暗云”攻擊。

⑵措施：國家電網構建數字孿生系統，模擬10萬種攻擊場景，訓練防御AI自主生成應對策略。

⑶成效：2024年成功攔截97%的新型攻擊，響應時間從分鐘級縮短至毫秒級。

②AI安全責任保險：中國人保推出全球首個AI系統安全險，承保范圍覆蓋算法歧視、數據泄露等20類風險，保費定價與風險評估等級掛鉤。

案例2：中石油AI倫理審查機制

⑴問題：2022年其招聘AI系統被曝對女性求職者評分降低8%。

⑵改進：引入“算法公平性指數”（AFI），要求AI決策的性別、地域差異率低于5%。

⑶結果：2024年AFI達標率100%，員工多樣性提升20%。

3. 對全球治理的啟示

國資委的實踐為發展中國家提供兩種范式：

⑴“防御性創新”路徑：通過技術自主化實現“進口替代”，降低地緣政治風險（如俄羅斯央行參考中國模式建立AI金融監管體系）。

⑵“敏捷監管”模式：深圳2024年試行AI沙盒監管，允許企業在限定場景試錯，平衡創新與安全（3個月內批準12項高風險AI醫療應用）。

參考文獻 ：

1. 國務院國資委. (2024). 中央企業人工智能專題推進會公報.

2. 南方電網公司. (2024). 電力人工智能創新平臺技術白皮書.

3. 歐盟委員會. (2025). 《人工智能系統定義指南》.

4. 中國信通院. (2023). 人工智能安全風險評估標準.

（作者金思宇系中國智庫高級研究員、中國合作貿易企業協會數字經濟專業委員會顧問、泛亞智庫學朮委員會主任、遠望智庫產業顧問、秦安戰略智庫核心成員、國盛戰略智庫成員）