在数字化浪潮的席卷之下，工业领域正经历着前所未有的智能化升级，而大模型的兴起更是为这一变革注入了强劲动力。 奇安信集团总裁吴云坤指出，奇安信推出的Q-GPT安全大模型在安全运营、事件响应、攻防演练等多个场景中已展现出强大的实践能力，显著提升了安全能力和效率。在安全运营方面，Q-GPT大模型惊人地实现了每分钟研判16条告警，是安全专家平均水平的16倍，整体运营效率更是达到人工运营的70倍。

从人工到全自动：大模型重塑安全运营的未来

 腾讯安全周荃认为，安全大模型的持续进化将驱动安全运营从传统的人工时代迈入全自动运营时代。 尽管目前工业领域的安全交互产品仍主要停留在信息交换层面，侧重于提升信息反馈的及时性、准确性和丰富度，以辅助安全运营人员做出决策。但未来，将安全大模型深度应用于产品交互、安全能力建设以及安全服务等各个环节，将极大地释放安全运营的效率潜力。

• 更便捷的用户交互： 用户将能够通过更简单的操作，甚至对话的方式直接使用安全产品，降低了安全工具的使用门槛。

• 提升漏洞检出率： 利用大模型对安全规则进行泛化和变种，能够更有效地提升安全漏洞的检出率。

• 终极目标：安全智能体

 最终，安全大模型将演化为一个真正的安全智能体。届时，安全运营人员只需针对确定性任务提出明确目标，AI即可独立完成余下的所有工作，实现效率的质的飞跃。

工业级大模型：机遇与挑战并存，安全是核心命脉

工业场景的特殊性决定了工业级大模型的发展必须遵循严格的安全原则。

• 国计民生的基石： 工业制造业关系到国计民生，是经济和产业发展的基本盘，其安全的重要性不言而喻。

• 复杂性与多样性： 中国拥有超过40万家规模以上工业企业，覆盖41个工业大类，细分行业众多，场景和业务痛点极其复杂且分散。

• 加速上云带来的新风险： 随着工业企业加速上云并完成智能化升级，大模型为行业带来机遇的同时，也带来了更严峻的安全挑战。

 奇安信集团总裁吴云坤强调，工业级大模型应用能够缓解安全生产力短缺的问题，但这必须以“大模型应用安全”作为生产力输出的前提和基础。 然而，当前大多数大模型应用仍未能真正解决网络安全生产力问题。

打造工业级大模型的关键要素及应对策略

为使安全大模型真正达到工业级应用水平，吴云坤提出了三个关键条件：

1. 高质量的输入： 需要高质量的知识数据、经验丰富的专家队伍、扎实的实战经验和充足的场景支撑。

2. 精密的训练方法： 必须基于多种安全任务的强化学习以及顶尖专家的反馈训练。

3. 实战能力强化： 必须面向安全生产场景中的实际任务和应用，不断强化实战能力。

 奇安信推出的**“大模型卫士”便是应对大模型安全挑战的具体解决方案。它能够有效防范大模型应用中的数据投喂造成的敏感数据泄露、避免触碰数据跨境安全监管红线，并建立身份识别与溯源机制**，从而对企业的大模型应用进行有效的安全管控。

专业化与场景化：构建安全大模型的必由之路

 360创始人周鸿祎认为，大模型代表着一次工业革命的机会，将大幅提升生产力和生产效率。但在构建企业级大模型时，“安全原则”必须是底线，也是未来核心竞争力所在。

 腾讯安全科恩实验室高级安全研究员唐祺壹指出，制造业是一个高度专业化的领域，不能简单地将通用大模型直接应用于生产环境。 即使是GPT-4等前沿模型，也因缺乏特定行业知识，无法准确回答制造行业问题、识别工业缺陷或生成业务流程。

 因此，在工业安全场景中，必须将全面的工业知识与安全知识深度融合。这需要：

• 场景数据微调： 通过场景数据微调，以更低的训练适配成本和插件化的灵活性，将大模型应用到不同的场景中，从而发挥其真正的价值。

 总而言之，大模型为工业安全带来了前所未有的机遇，能够极大地提升安全运营效率和智能化水平。然而，其发展必须以安全为基石，通过专业化、场景化的训练以及严格的安全管控，方能成为企业安全生产力的强大引擎，驱动工业迈向更安全的未来。