top of page

数据安全大趋势

Updated: Apr 28

筆者的人生大致上被3個趨勢及決策所影響,第一次是1998年,我深信互聯網是未來而離開滙控(00005),去了當時的香港電訊做產品經理;第二次是離開MSN去了eBay,因為我認為電子商務是互聯網中最能體現價值的場景;第三次我決定全情投入阿里巴巴(09988)發展大數據。自離開阿里後,筆者一直做兩件事:推動企業數字化轉型,利用數據做到持續增長;如何讓數據流通變得更安全、方便及產生價值。

在政府部門及企業推動的過程中,發現隨着數字經濟加速發展,加強數據治理、保護數據安全,為數字經濟持續健康發展提供保障已經是必然趨勢。也就是說,為構建未來數字經濟的數據安全,這類型產業明顯有大量需求。以下列舉一些至目前為止比較明顯的現象:

1.企業對數據資產進行整個生命周期的安全管控,已成為未來可持續發展的必然要求。在數據資產的產生、存儲、傳輸、使用等所有環節,如何做到數據資產避免洩漏、防篡改、防濫用是所有數字化企業的難題;

2.AI生成數據或數字內容,在未來將成為主流數據來源方式之一,企業必須具備快速判斷及防止因為偽造數據及內容所引發的不良影響;

3.隨着業務寬度和深度的不斷擴展,各類業務系統、管理系統的複雜度日益加大,對各安全級別數據資產自動化檢測工具的需求愈趨迫切;

4.承接着數字轉型成熟度提升,數據安全治理必須提高其細緻度,制定具有成本效益的解決方案,運用AI技術幫助實現數據安全治理,施行自動化操作。

目前在國內外所提供相關服務的上市公司其實也不少,其中筆者比較留意國外的企業有Darktrace、FireEye、Palo Alto Networks及Splunk。至於內地就有深信服(300454.SZ)、天融信(002212.SZ)、奇安信(688561.SH)、啟明星辰(002439.SZ)、衞士通(002268.SZ)、綠盟科技(300369.SZ)和安恒信息(688023.SH)等。

請注意上述所列舉的上市公司,筆者並非完全以它們的股價吸引力而提出,僅是希望表達行業的一個現象。這也是我為大家介紹的第四個大趨勢。至於準確與否,可以拭目以待。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
bottom of page