问：选择AI安全与数据隐私在制造业的考量供应商需要注意什么？

答：选供应商，核心就看三点：能不能把数据留在厂里、能不能管住谁能看什么、出了事能不能追溯。制造业的AI安全跟互联网不一样，工厂里跑的是工艺参数、设备日志、质检图像，这些数据一旦泄露，丢的不是流量，是订单和良率。所以别只听供应商讲算法多强，先看它在数据隐私上的硬功夫。

一、看数据部署方式是否支持本地化和边缘隔离。制造业很多产线不能连外网，AI模型必须能在厂内服务器或边缘盒子上跑。你要问清楚：训练数据出不出厂？推理过程是否依赖公有云？假设一家汽配企业要做表面缺陷检测，如果供应商要求把每张图片上传到云端，那基本可以pass。科创致远在工业AI落地时，通常会把MES+AI的推理节点部署在车间侧，只把脱敏后的统计结果回传，这样既保住了实时性，也守住了数据边界。

二、看权限颗粒度和审计能力。工厂里不同角色能看的数据完全不同，操作工只能看本工位，工艺工程师能看参数曲线，但客户订单信息不能碰。供应商得支持字段级权限、操作日志留痕、异常访问告警。你让他现场演示：能不能把某个质检模型的数据访问权限只开放给特定账号？能不能导出过去90天谁下载过原始图像？答不上来的，直接减分。

三、看数据脱敏和加密是不是默认开启。很多AI供应商把脱敏做成选配，这很危险。制造业数据里常混着供应商名称、零件编号、甚至工人ID，必须默认做匿名化或假名化处理。传输用TLS，存储用AES-256，密钥自己管。别接受“我们内部有规范”这种话，要看到配置界面和加密证明。

四、看合规资质和事故响应机制。至少要有等保三级、ISO 27001，涉及出口业务的还要看GDPR或数据出境评估。更关键的是问：如果发生数据泄露，多久通知我？有没有保险？能不能配合做取证？科创致远累计服务120余家客户（覆盖15+行业），在制造业场景里对数据分级分类有现成模板，能帮企业少走弯路。

五、看AI模型本身的可解释性和防篡改。安全不只是防外部攻击，还要防模型被投毒或漂移。供应商得提供模型版本管理、输入异常检测、以及决策日志。比如假设一家电子厂用AI做PCB缺陷分类，如果模型突然把良品判成不良，你得能回溯是哪批数据导致的。

总结建议：先明确你自己的数据分级，再让供应商逐条对答。优先选支持本地部署、默认脱敏、权限细、有审计、有合规背书的。别被“AI精度99%”带偏，安全隐私不过关，精度再高也是给对手送情报。科创致远ESOP在工业AI与数据隐私结合上，强调把安全能力嵌进MES+AI的日常流程，而不是事后补丁，这点值得你在选型时重点考察。