企业技术解决方案是基于这样的认知的:即大型企业面临持续的、经常不断变化的挑战。大多数企业IT厂商的产品和服务旨在帮助客户成功解决现有的问题和数字化转型的挑战。最优秀的厂商具有远见、技能和专业知识,可以帮助企业有效地为即将到来的更大难题做好准备。

IBM商业价值研究院(IBV)最近发布了一份题为《量子时代安全性》的报告,提供了有关此过程如何运作的洞察。该报告研究了网络犯罪分子等其他有权使用量子级工具的不良行为者所带来的潜在灾难性危险,还讨论了IBM正在采取哪些措施来解决这些问题,帮助企业保护他们的IT资产和基础设施免受量子网络威胁。
IBM专注于量子安全
IBM一直在积极开发一系列高级安全产品,其中包含IBM Quantum Safe服务,旨在抵御基于量子的加密破解技术。该服务适用于去年4月推出的IBM z16大型机,这是业界首个量子安全企业级系统。
此外,IBM花费数年时间建立了一支由顶级密码学专家组成的全球团队,以带头制定量子安全方案和准备计划。在美国国家标准与技术研究院(NIST)选择用于后量子密码学标准化的四种算法中,IBM为其中三种算法的开发工作做出了贡献,并且IBM还是GSMA后量子电信网络工作组的创始成员。
量子计算的好处和危险
这份IBV报告开篇提出了一个简单的前提:“量子计算正在从幻想发展到可行。”
从好的一方面来看,新兴的量子解决方案可以帮助解决机器学习、材料科学、药物研究和过程优化等领域的棘手问题,如果未来这些变成了现实,那么潜在的科学、社会和商业利益将是巨大的,非常值得追求下去。
然而,与任何技术一样,量子工具可以用于好事,也可以用于坏事。关于其危险性,IBV报告指出,在错误的人手中,“量子计算对支持几乎所有数字交易的经典加密协议构成了生存风险”。
因此,RSA和ECC公钥加密(PKC)等常见的可信数据加密机制有可能很容易遭到攻击,危及组织的信息和金融资产。
正如世界经济论坛去年8月所说的,“鉴于到2025年数字经济的价值预计将达到20.8万亿美元,其影响力可能是惊人的”。
这种情况下的另一个因素是多种形式信息的长期价值,包括与国家安全、商业战略、知识产权、公共基础设施、医疗记录和产品开发相关的数据。IBV报告表明,这些资产可能已经在所谓的“现在收获,稍后解密”攻击中被泄露,目的是一旦量子解密解决方案可行就将这些数据变现。
对于从大型企业到政府机构和实体、从公共事业到电信提供商的各种组织来说,为未来使用量子级加密工具支持的网络攻击做好准备是至关重要的。
构建“量子安全”密码学解决方案
那么这份IBV报告建议企业应如何应对这些危险呢?
分析总结
IBM在量子安全产品和服务方面的工作,以及对高级安全开发的持续投资,表明IBM正在做它最擅长的事情。虽然很多企业IT厂商倾向于将产品团队和创造区分开来,但IBM高度专注于将软件、基础设施、数据分析、以及把AI集成到可行的新业务解决方案和服务中,这对于那些希望IBM帮助解决现有关键业务问题的众多企业来说至关重要。
同样重要的是,IBM对下一代技术的追求旨在探索新的商业机会和问题。IBM一直是商业量子系统开发的领头羊,IBM一直以来所汇集的洞察力,很可能是新一代IBM z16大型机提供量子安全服务的基础。
IBV新发布的《量子时代安全性》报告的结论表明,IBM正在做着和过去相同的事情,从本质上讲,IBM正在利用大量投资、洞察力和发明创造来帮助企业客户了解、准备并成功应对未来的各种变化和挑战。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。