最新发布的一项研究对AI供应链的安全现状进行了系统梳理，指出企业在引入大模型、AI应用及智能体工具的过程中，正面临由第三方组件、模型来源和数据流转带来的多重风险。研究显示，AI供应链的复杂性与不透明性正在成为企业安全体系中的新薄弱环节。
与传统软件供应链相比，AI供应链的链条更长，涉及基础模型提供方、算力与云服务商、模型微调与托管平台、插件与工具集成商等多个环节。研究指出，任一环节出现安全缺陷或治理缺失，都可能沿链条向下传导，最终影响使用AI能力的企业客户。模型来源不明、训练数据合规性难以验证、第三方API权限过度开放等问题，是当前较为突出的风险点。
研究同时提到，多数企业在采购和集成AI能力时，仍沿用传统软件供应商的评估框架，对模型版本变更、数据使用边界和下游依赖缺乏持续跟踪机制。这种评估方式与AI系统快速迭代的特性之间存在明显错配，导致风险难以及时发现。
在应对层面，研究建议企业将AI供应链纳入现有供应商风险管理体系，建立模型与组件的清单化记录，明确数据流向与权限边界，并对关键第三方依赖设置持续的监测与审计机制。对于提供AI能力的企业服务厂商而言，能否清晰披露模型来源、数据处理方式和安全治理措施，正在成为企业客户采购决策中的重要考量。
随着AI能力在企业软件中的渗透率持续提升，AI供应链安全正从技术议题转变为企业治理议题。对于SaaS与AI应用厂商来说，供应链透明度与安全可验证性，可能成为下一阶段企业市场竞争的关键差异点。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
