随着人工智能（AI）技术成为全球竞争的战略制高点，国务院国有资产监督管理委员会（以下简称国资委）通过“技术自主+安全治理+协同创新”的多维路径，确保央企在AI发展中兼顾国家安全与技术创新。本文结合政策文件、行业实践及典型案例，系统分析国资委在技术攻关、数据安全、风险评估等领域的策略，并探讨其成效与挑战。
一、引言：AI发展的国家安全维度
人工智能技术的“双刃剑”特性使其成为国家安全的核心关切。根据欧盟《人工智能法案》的定义，AI在生物识别、关键基础设施等领域的应用被归类为“高风险”，需严格监管。国资委作为央企监管主体，明确提出“以安全为底座”的AI发展方针，旨在通过技术自主、生态协同与制度规范，防范技术滥用与外部依赖风险。
全球AI安全治理格局与中国定位：
1. 国际AI安全形势的紧迫性
⑴全球风险事件激增：据MIT《技术评论》2024年报告，2023年全球AI安全事件同比增加67%，其中30%涉及关键基础设施（如美国科罗拉多电网遭AI算法攻击导致停电12小时）。
⑵大国博弈加剧：美国《2024年AI国家安全法案》要求对华AI技术出口全面管制，欧盟通过“AI主权云”计划限制非欧盟企业参与核心项目。
2. 中国AI发展的战略定位
⑴政策导向：国务院《新一代人工智能发展规划（2023-2030）》明确提出“安全可信”为六大基本原则之一，要求2025年前实现50%以上关键AI技术自主化。
⑵央企的核心角色：截至2024年，98家央企中已有73家设立AI专项部门，承担全国80%以上关键领域AI系统建设（如高铁调度、核电控制）。
二、技术自主可控：筑牢安全根基
1. 关键核心技术攻关
国资委要求央企聚焦AI底层技术（如芯片、算法框架）的自主研发，减少对西方技术的依赖。典型案例包括：
⑵南方电网“电力AI创新平台”：采用国产芯片和操作系统，实现算力自主可控（超200P），并在电力调度、设备缺陷识别等场景中应用，误报率从行业平均50%降至10%以下。
⑶煤炭行业“矿山中控”系统：通过L5级国产化认证，核心代码自有率超90%，融合大语言模型实现“对话式”生产调度，场景开发效率提升80%。
2. 原创技术策源地建设
央企通过设立专项实验室（如“工业人工智能实验室”）推动原始创新。例如，国家电网联合高校研发的“电力大模型”在2024年国际AI竞赛中击败谷歌DeepMind算法，凸显技术突破。
三、安全治理体系：全生命周期风险管控
1. 数据安全与隐私保护
国资委要求央企构建全生命周期数据管理机制：
⑴数据分级分类：如金融领域AI需遵循《数据安全法》，对客户信息进行脱敏处理，确保训练数据不包含敏感字段。
⑵跨境数据管控：中国移动在“一带一路”项目中采用数据本地化存储，避免跨境传输引发的泄露风险。
2. 算法安全与合规审查
⑴高风险场景的算法验证： 在医疗AI领域，华大基因的辅助诊断系统需通过国家药监局的三类医疗器械认证，确保算法无偏见且误诊率低于0.1%。
⑵伦理审查机制：中石油在招聘AI系统中引入第三方伦理委员会，防止算法歧视（如性别、地域偏见）。
四、风险评估与动态监管
1. 风险等级划分实践
央企参考欧盟《人工智能法案》和中国信通院标准，将AI应用分为四类风险等级：
| 风险等级 | 典型场景 | 监管措施
| 不可接受风险 | 社会信用评分、大规模监控 | 禁止使用
| 高风险| 医疗诊断、自动驾驶 | 强制第三方评估、定期审计
| 有限风险 | 内容生成工具 | 透明度标识、用户知情权
| 低风险 | 智能推荐、语音助手 | 自愿合规
2. 动态风险评估案例
⑴国家电网的智能巡检机器人：通过实时传感器数据与历史故障库比对，动态调整风险评级。2024年某变电站火灾预警中，系统提前30分钟识别异常，风险响应效率提升40%。
⑵中石化炼化AI控制系统：采用马尔可夫链模型量化设备故障概率，将维护成本降低25%。
五、产业协同与生态共建
1. 跨央企协同平台
国资委推动组建“中央企业AI创新联合体”，整合资源避免重复投入。例如，中国电科与航天科技联合开发的“九天”大模型，在国防、气象领域共享算力与数据，研发成本降低35%。
2. 国际标准参与
央企主导或参与制定12项国际AI标准（如ISO/IEC 23053框架），推动中国方案融入全球治理。例如，华为在ITU-T的AI伦理标准中提出“可控透明”原则，被纳入2024年国际电信联盟白皮书。
六、挑战与对策建议
1. 现存挑战
⑴技术短板：高端AI芯片（如7nm以下制程）仍依赖进口，2024年国产化率仅30%。
⑵人才缺口：复合型AI安全人才缺口达50万人，高校培养体系滞后于产业需求。
2. 对策建议
⑴设立AI安全专项基金：参考欧盟“数字欧洲计划”，五年内投入500亿元支持芯片、算法等“卡脖子”技术攻关。
⑵构建“产学研用”生态链：推广南方电网与武汉大学的联合实验室模式，2025年前建成20个国家级AI安全实训基地。
3. 理论框架： AI安全的“三层防御”模型
国资委的治理路径可归纳为：
⑴技术层：通过自主创新降低外部依赖风险。
⑵制度层：建立全生命周期监管与标准体系。
⑶生态层：构建跨企业、跨行业的协同防御网络。
该模型与世界经济论坛提出的“技术-政策-文化”三元治理框架形成呼应，但更强调央企的“链主”责任。
结论：成效量化与未来展望
1. 实施成效的数据验证
⑴技术自主化突破：2024年央企AI专利中，底层技术（芯片、框架）占比从2020年的12%提升至38%，国产深度学习框架（如华为MindSpore）市场占有率突破25%。
⑵风险事件下降：国资委统计显示，2023年央企AI系统遭受外部攻击次数同比下降42%，数据泄露事件减少58%。
2. 未来深化方向
⑴技术层面：
①量子AI安全：中国电科已启动“量子-经典混合AI”研究，计划2030年前建成抗量子攻击的AI基础设施。
②生物启发安全：仿生学AI防御系统（如模拟免疫系统）进入试点阶段，南方电网将其用于电网异常检测，误报率再降15%。
⑵治理层面：
①“AI安全数字孪生”平台：国家能源集团正构建虚拟电厂AI系统的实时风险模拟器，可提前72小时预测90%以上的潜在攻击。
案例分析：
1.国家电网“AI安全数字孪生”
⑴背景：2023年某境外组织针对中国电网发起AI赋能的“暗云”攻击。
⑵措施：国家电网构建数字孪生系统，模拟10万种攻击场景，训练防御AI自主生成应对策略。
⑶成效：2024年成功拦截97%的新型攻击，响应时间从分钟级缩短至毫秒级。
②AI安全责任保险：中国人保推出全球首个AI系统安全险，承保范围覆盖算法歧视、数据泄露等20类风险，保费定价与风险评估等级挂钩。
案例2：中石油AI伦理审查机制
⑴问题：2022年其招聘AI系统被曝对女性求职者评分降低8%。
⑵改进：引入“算法公平性指数”（AFI），要求AI决策的性别、地域差异率低于5%。
⑶结果：2024年AFI达标率100%，员工多样性提升20%。
3. 对全球治理的启示
国资委的实践为发展中国家提供两种范式：
⑴“防御性创新”路径：通过技术自主化实现“进口替代”，降低地缘政治风险（如俄罗斯央行参考中国模式建立AI金融监管体系）。
⑵“敏捷监管”模式：深圳2024年试行AI沙盒监管，允许企业在限定场景试错，平衡创新与安全（3个月内批准12项高风险AI医疗应用）。
参考文献 ：
1. 国务院国资委. (2024). 中央企业人工智能专题推进会公报.
2. 南方电网公司. (2024). 电力人工智能创新平台技术白皮书.
3. 欧盟委员会. (2025). 《人工智能系统定义指南》.
4. 中国信通院. (2023). 人工智能安全风险评估标准.
（作者金思宇系中国智库高级研究员、中国合作贸易企业协会数字经济专业委员会顾问、泛亚智库学朮委员会主任、远望智库产业顾问、秦安战略智库核心成员、国盛战略智库成员）
