2022年成为生成式人工智能发展的分水岭。在此之前，人工智能安全问题主要集中在机器学习与深度学习模型本身，防护重点围绕模型可用性、完整性与机密性展开，对应传统网络安全的核心要素。当时的威胁边界相对清晰：框架漏洞可能引发服务中断，对抗样本攻击会误导模型判断，成员推理攻击则可能泄露训练数据隐私。那一阶段，人工智能系统更像需要重点看护的软件资产，安全工作主要落在模型结构、参数与数据集的保护上。
智能技术的安全治理像在发展与风险之间走钢丝：既不能因担忧风险而压制创新，也不能盲目加速而留下隐患。只有建立与技术演进同步的动态防护体系，才能让智能技术更稳定、可控地服务社会。这场面向未来的安全竞赛，考验的是各方的判断与长期投入。