【产联社】AI与通信的融合正在改变安全产业的边界。6月24日开幕的2026上海世界移动通信大会（MWC）上，全链条AI安全成为贯穿通信、算力、终端产业的核心议题。不同于往年聚焦AI内容合规的浅层防护，本届展会释放出清晰的行业信号：国内AI安全产业正从“单点内容检测”向“芯片硬件-通信网络-模型链路-数据交互”的全维度治理跃迁，一套覆盖软硬件、全业务流程的新型安全防线正在成型。

传统网络安全的核心攻防场景，集中于网络端口、数据存储、系统后台的外部风险抵御。而AI技术的普及，让安全风险的源头与传播路径全面扩散。智能设备身份伪造、大模型训练语料合规漏洞、生成式AI诈骗、跨模型数据流转失控等新型风险频发，倒逼安全防护体系向产业上游、技术底层延伸。

安全芯片卡位终端身份可信关口

终端硬件安全能够从源头杜绝身份伪造、密钥泄露、设备被劫持等基础性风险，底层芯片成为全链条安全治理的首要环节。

华大电子销售总监廖露林对产联社表示，eSIM需要完成终端和用户的身份鉴别，安全芯片是其中的重要硬件基础。与普通芯片相比，安全芯片需要进行专门的安全设计，并接受针对复制、伪造和不同类型攻击的测试，以降低身份信息和密钥被非法获取的风险。

“比如一张银行卡或者SIM卡，如果很容易被复制出来，就不能称为安全。”廖露林说，安全芯片需要让攻击者难以复制和攻破相关身份凭证。

随着联网设备增多，安全芯片的应用边界也在扩大。除身份证、银行卡和SIM卡外，汽车、物联网设备和智能终端均开始成为安全芯片的应用场景。一旦智能汽车或者联网设备的身份认证环节被突破，风险可能从数据泄露进一步扩展至设备被非法操控。

华大电子主要从事智能卡芯片、安全SE芯片和安全MCU芯片及应用解决方案开发。在本届展会上，华大电子展示了适配通信、车联网、物联网场景的安全认证与防伪芯片产品，覆盖设备安全启动、固件防护、身份认证、配件合规校验等核心场景。

廖露林表示，公司也在关注抗量子攻击等新的安全能力。随着计算技术发展，传统密码体系未来可能面对新的攻击方式，安全芯片需要提前进行相应的技术储备。

不过，硬件安全有明确的能力边界。廖露林指出，安全芯片可以防止身份凭证被非法复制，降低终端遭遇被动攻击的风险，但如果用户受到诱导后主动完成授权或者转账，芯片无法代替用户进行判断。

通信场景风控升级

生成式AI的普及，大幅降低了诈骗内容的制作门槛，语音合成、AI换脸、批量生成虚假链接等技术，让传统基于关键词、黑名单的反诈体系备受挑战，通信网络的反诈治理迎来技术迭代刚需。依托大模型的语义理解、异常识别、关联分析能力，智能化反诈成为通信安全的核心落地场景。

国瑞数智在展会上推出的AI智能诈骗防范平台，构建了声纹识别、语义研判、深度伪造检测一体化的反诈体系，精准适配新型AI诈骗场景。该公司副总裁兼技术总监范传庆对产联社表示，该平台主要应用于公安和通信运营商相关业务，通过对运营商短信网关中的疑似涉诈信息进行筛选，对短信内容、链接和应用程序展开进一步研判。

例如，一条短信中如果携带异常短链接，或者同一个快递编号被批量发送给不同用户，相关信息可能被系统进一步提取。平台随后对链接备案情况、网站页面内容以及链接指向的应用程序进行检测，判断其中是否存在涉诈风险。

他表示，系统可以在秒级完成初步研判，并将结果提供给公安或运营商。后续是否进行电话提醒、进一步核查或者处置相关号码，仍由相关部门完成。

他同时强调，该系统并不是对普通生活短信进行普遍检测，而是针对已经由规则筛选出的疑似涉诈数据展开进一步分析。

不过，有业内人士指出，AI反诈并非技术万能。当前行业普遍采用“模型研判+业务规则+人工复核”的复合模式，在提升反诈效率的同时，应严格约束数据采集、风险处置的权限边界，避免智能化风控带来的隐私泄露、误判扰民等合规问题。

大模型安全新痛点：多模型、全交互

除了通信安全场景，随着企业AI应用从“单一模型部署”转向“多模型融合调用”，跨平台、跨区域的大模型接入、数据流转、权限管理，成为企业AI安全的全新治理难点。

云边云科技有限公司解决方案总监常兵涛对产联社介绍，目前一些企业已经开始在内部应用中同时调用国内外多个大模型，但不同模型拥有各自的API、账号和计费体系，企业还可能面临网络链路、访问权限和数据流转等问题。

云边云科技提供的方案是在客户侧部署一台融合AI网关和组网功能的硬件设备。企业完成设备接入后，可以通过统一后台选择和调用不同模型，并对调用和计费进行集中管理。

常兵涛称，该产品主要面向已经拥有开发团队，或者已经建设自有AI应用的企业，并不直接提供面向个人用户的应用界面。其作用更接近企业调用大模型时的中间连接层。

在安全方面，企业可以根据实际需求增加防火墙、网络流量监测等功能，对模型调用过程中产生的访问行为和数据流量进行管理。

这一模式反映出，企业AI安全正在从模型本身向调用链路延伸。当一家企业只使用单一模型时，权限和数据边界相对容易管理；当企业同时调用多个模型，或者不同业务部门共享模型服务后，谁可以调用、调用了什么、数据经过哪些节点，可能成为新的治理问题。

但统一接入多个模型并不意味着安全和合规问题被自动解决。不同模型的部署区域、服务规则和数据处理方式存在差异，企业仍需要结合具体的数据类型、业务场景和权限体系进行判断。

在硬件、网络、链路之外，大模型自身的训练风险、交互漏洞成为AI安全的核心内层短板。提示词攻击、训练语料涉密、模型幻觉输出、敏感信息泄露等问题，制约着大模型在政务、企业核心场景的规模化落地，模型全生命周期安全治理需求持续凸显。

欣诺通信本次展出的大模型安全管家、大模型安全自动化检测平台，前者主要对模型输入输出进行实时防护，后者则用于模型上线前和运行过程中的安全评估。

欣诺通信工作人员对产联社表示，公司大模型安全管家的功能主要分为“拦截”和“扫描”两部分。拦截模块用于检测并阻断有害输入或敏感信息输出，扫描模块则对训练语料、敏感文件和模型交互内容进行检测，并将发现的风险提交给相关人员进一步研判。

目前相关平台主要服务政务方向，以本地部署和数据集测试为主，尚未作为面向普通用户的标准化产品开放，后续计划进一步拓展企业客户。

标准化与商业化仍待破局

纵观本届MWC上海展会，AI安全已形成较为清晰的治理架构：在芯片和终端层，需要保证设备和用户身份可信；在通信应用层，需要利用AI识别诈骗和深度伪造内容；在企业接入层，需要管理模型API、网络链路和数据流向；在模型层，则需要处理训练语料、提示词攻击、敏感信息、模型幻觉和智能体行为风险。

这些环节的产业成熟度并不相同。安全芯片、身份认证和传统网络安全已经形成较为明确的产品和客户体系，AI反诈也在公安和运营商场景中逐步应用。相比之下，大模型安全评估、多模型调用治理和智能体行为检测仍以项目制和定制化部署为主，部分产品尚处在测试和市场验证阶段。

随着模型进一步进入通信网络、政务系统和企业核心业务，AI安全也不再只是为大模型增加一道内容过滤程序，而是需要重新梳理数据从哪里来、通过什么链路传输、模型如何被调用、结果由谁使用，以及终端身份是否可信。

不少业内人士表示，当前全链条AI安全体系已初步搭建，但如何建立统一的评估标准、明确不同主体的责任边界，并形成可复制的商业模式，仍是行业下一步需要解决的问题。