AI 全景情报 0714：运行清单、安全 Agent 和车载数据层开始接管交付

今天最清楚的信号不在模型榜单，而在控制面。Google Cloud 同一天把 AI 运行态清单、安全运营 Agent、车载数据层三条线推到台前；Helsing 拿到欧洲国防 AI 的大额资本背书；Samsung 则把韩国 Yongin 芯片厂投产时间往前挪。AI 竞争正在从「谁的模型更强」转成「谁能证明 AI 在哪里运行、谁能在攻击链压缩到秒级时响应、谁能把 Agent 接进真实设备、谁能锁住上游产能」。

对 AI 从业者来说，这意味着下一阶段的预算会更贴近生产系统：AI BOM、SecOps Agent、车载遥测、国防自治系统、内存与先进制程产能，都会成为模型能力之外的关键采购项。

Google Cloud 这次开源的 k8s-aibom，抓住了企业 AI 治理里一个很现实的问题：很多 AI workload 是开发团队自己部署的，安全团队未必知道，传统扫描又常常要求特权 DaemonSet、kernel-level access 或改 pod spec。Google 的方案是用一个无需特权的 controller 观察 Kubernetes 集群状态，尽量不打断开发流程。1

它的识别范围很宽：推理运行时包括 vLLM、Triton Inference Server、TGI、Ollama；Agent 框架包括 LangChain、AutoGen、CrewAI；RAG 和向量存储包括 Milvus、Qdrant、pgvector。它会把结果编译成 OWASP CycloneDX 1.6 Machine Learning Bill of Materials，并输出到 AIBOM Custom Resource、Google Cloud Storage bucket 或外部 webhook。1

这里的重点不是「又一个开源小工具」。AI 系统越来越像供应链：模型权重、推理框架、Agent 工具、向量库、评测 harness 都会进入合规审查。如果企业只靠项目上线前填表，影子 Agent 和临时部署会把治理打穿。k8s-aibom 把证据源移到运行态，适合接进 GitOps diff、审计日志和变更告警。

对从业者的判断： 平台团队可以先把 AI inventory 当作基础设施能力来做，而不是等法务或安全团队来催。未来半年，Kubernetes 上的 AI workload 发现、ML-BOM 生成、模型版本漂移告警，会成为企业 AI 平台的默认模块。

Google Cloud 的公共部门 M-Trends 文章给了一个很硬的数字：Mandiant 基于 2025 年超过 500,000 小时一线事件调查，观察到初始访问代理建立 foothold 后，交给勒索软件操作者的中位时间是 22 秒。这个速度下，传统人工 triage 的问题不是效率低，而是来不及。2

报告还列出几类公共部门正在被打的边界：攻击者通过虚拟化管理平面做 snapshot mounting，绕过 guest-level 安全工具；SaaS 集成和 OAuth token 让一个 compromise 串到多个系统；vishing 占全球感染的 11%，政府 help desk 和管理员信任链成为入口。2

这解释了为什么 Google 要把 autonomous agents 放进 Security Operations。它在 Cloud Next '26 宣布的三个 Agent 分别负责主动威胁狩猎、自动补检测规则覆盖缺口、给分析师工作流补第三方上下文。2 这类 Agent 的价值不在炫模型，而在能不能实时吃下遥测、身份、云配置、威胁情报和工单上下文。

对从业者的判断： 安全 Agent 会先在高噪声、高时效场景落地。产品团队要少讲「自动化 SOC」大词，多给出三类可测指标：平均检测延迟、规则覆盖缺口关闭时间、误报压降幅度。买方也会越来越关心 Agent 的权限边界和行动回滚，而不是只看 demo 里生成了多少摘要。

Google Cloud 与 Valtech 介绍的 Nexus SDV，把车载 Agent 的问题讲得更接近工程现场。AAOS SDV 把气候控制、照明、诊断等非安全域抽象成可复用服务，让车辆能发现哪些服务在运行以及状态如何；Android Cuttlefish emulator 则让工程团队在云端用数字孪生模拟高频传感器流，在物理芯片准备好之前验证服务行为。3

云端部分由 Bigtable 承接高频车队遥测，Google 说 Bigtable 适合 petabyte-scale automotive and manufacturing telemetry，并用 Continuous Materialized Views 预计算电池温度、扭矩分布等指标；Agent Development Kit 则把这些数据接给 Agent，用于实时告警、OTA 调整或备件预订。3

这和「车机里塞一个聊天助手」不是一回事。车载 Agent 如果能调空调、查诊断、安排保养、下 OTA 动作，它就必须知道车的当前状态、历史异常、驾驶计划、服务网络和权限边界。Nexus SDV 用 mTLS、Google Cloud Certificate Authority Service、Private GKE clusters 和 SAIF 把安全层也写进架构，说明车厂真正要买的是一套可审计的行动系统。3

对从业者的判断： 物理 AI 的机会会落在数据层和控制层。机器人、汽车、工业设备都需要同一类底座：服务发现、遥测存储、事件流、权限、审计、仿真验证。只做一个会说话的端侧助手，很难拿到 OEM 的核心预算。

Helsing 的 18 亿美元 Series E，把欧洲国防 AI 的融资强度又往上推了一格。Reuters 经 Yahoo Finance 报道称，这轮融资让 Munich-based Helsing 估值达到 180 亿美元。4 Defense News 写到，Helsing 的产品包括 HX-2 strike drone、Altra AI-enabled battlefield-operations software，以及 CA-1 autonomous fighter jet concept；公司还与 Rheinmetall、Kongsberg、Saab 等防务企业合作。5

这轮融资的背景也重要。Defense News 统计了欧洲今年多起国防科技融资：Quantum Systems 本月完成 12 亿美元融资、估值 80 亿美元，Kraken Technology 完成 1.75 亿美元 Series B、估值 10 亿美元，Stark 6 月完成 5 亿欧元融资，ICEYE 上月完成 4.5 亿欧元 Series F。5

对 AI 公司来说，国防不是普通 vertical SaaS。模型、无人系统、战场软件和传感器融合一旦进入采购，问题会立刻变成出口管制、数据主权、可解释性、授权链和作战责任。资本愿意给 Helsing 这样的平台公司高估值，说明欧洲正在用私人资本补国防 AI 的产品化速度。

对从业者的判断： 双用途 AI 的商业机会会继续增多，但进入门槛也会更硬。做边缘推理、自治控制、遥感识别、仿真评测和安全红队的团队，如果想吃这部分预算，早期就要把合规和部署边界做进产品，而不是等销售阶段再补文件。

Samsung 的 Yongin 消息没有 Meta 自研芯片那样吸睛，但它更接近 AI 基建的供给侧。Yahoo Finance 转引 GuruFocus / Reuters 称，Samsung 计划把 Yongin 首座芯片厂投产时间提前到 2029 年，而不是此前预计的 2030 或 2031 年；Samsung 发言人称，投产时间将比原计划提前 1 到 2 年。6

韩国政府的目标更大：未来 5 年把本国存储芯片产能翻倍，Yongin semiconductor cluster 会同时承接存储、foundry、先进封装、设备供应商和 AI 基础设施。6 这背后是 SK Hynix 在 HBM 上的压力，也是各国把半导体产能当作 AI 基础设施的延续。

对从业者的判断： AI 成本模型不能只盯 GPU 租金。HBM 供应、先进封装良率、CPU 与存储配比、厂区电力和用水，都会进到推理成本曲线里。对云厂商和大模型团队来说，未来一年的采购谈判会更像供应链工程，而不是单纯比价。

第一，看 k8s-aibom 是否被 GKE 之外的 Kubernetes 平台采用。它如果能被接进多云 GitOps、云安全态势管理和审计工具，AI BOM 会从合规文件变成运行时控制面。

第二，看 Google Security Operations 的三个 autonomous agents 是否给出可复核指标。22 秒攻击交接是一个强约束，安全产品不能只给摘要能力，必须证明它能在真实遥测里更快发现、关联和处置。

第三，看 Nexus SDV 能不能拿到车厂试点或生态伙伴。车载 Agent 的难点不是说话，而是读写真实车辆服务时不出错；服务发现、仿真验证、证书和权限会比前端体验更关键。

第四，看 Helsing 这类国防 AI 融资是否带动更多边缘部署和仿真评测公司。资本进入之后，采购方会要求更清楚的责任边界，尤其是无人系统中的人类授权、数据来源和模型失效处理。

今天的结论很直接：AI 行业的预算正在往「可控、可审计、可部署」移动。模型能力仍是入口，但真正能拿到长期预算的，会是把模型接进集群、SOC、车辆、国防系统和芯片供应链的人。