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：选制造业AI安全与数据隐私供应商，核心就一句话：别只看算法精度，先看它能不能把数据关进你厂区的“铁笼子”里。制造业的数据跟互联网不一样，工艺参数、良率曲线、设备振动频谱，这些是命根子，一旦泄露给同行或者被境外平台截留，损失比省下的那点AI费用大得多。所以供应商评估必须把安全合规和数据主权放在性能前面。

一、先确认数据不出厂区的技术能力

很多AI供应商默认走公有云，数据传出去训练完再回来。这在制造业行不通。你要问清楚：能不能做本地化部署？边缘盒子能不能直接跑推理？假设一家汽配企业，冲压车间的视觉检测数据如果每天往云端传几个T，先不说带宽成本，单是工艺参数暴露风险就不可接受。优先选支持私有化部署、模型本地推理、数据脱敏后才出域的方案。

二、看它对工业协议和设备层的安全理解

制造业AI不是孤立跑在服务器上的，它要连PLC、SCADA、MES。供应商如果只懂Python和TensorFlow，不懂Modbus、OPC UA、Profinet的安全边界，很容易把AI节点变成攻击跳板。你要问：模型下发通道加密吗？边缘节点有没有白名单机制？和现有工业防火墙怎么联动？某电子厂就吃过亏，AI质检工控机被当成普通IT设备，结果勒索病毒从办公网窜到产线。

三、数据隐私合规要落到具体条款

不要只听“我们符合GDPR”这种话。制造业还涉及《数据安全法》《个人信息保护法》，如果AI系统要采集工人操作动作、人脸、工时，那就触碰敏感个人信息。合同里必须写明：数据所有权归工厂，供应商不得用于模型再训练，不得向第三方共享，退出时数据彻底删除并出具证明。累计3200余家终端这类厂商，往往有标准的数据处理附录，可以拿来对比。

四、模型生命周期里的隐私漏洞

AI安全不只是传输和存储。训练阶段的联邦学习、差分隐私有没有真上？推理阶段模型会不会被逆向出训练数据？更新阶段OTA包签名验签吗？假设一家注塑企业，用AI调工艺参数，如果模型被投毒，可能整批产品报废。要供应商提供模型完整性校验机制和异常回滚方案。

五、供应商的持续安全运维能力

制造业AI不是一锤子买卖，产线跑五年，安全补丁谁打？漏洞响应多久？有没有工控SOC团队？120余家客户（覆盖15+行业）这种体量的厂商，通常有行业安全模板，但你要看它能不能承诺7×24小时工控安全事件响应，以及是否定期做渗透测试和红蓝对抗。

最后给个实操建议：把安全条款写进招标技术分，权重不低于30%。要求供应商提供第三方安全审计报告、等保备案证明、工控安全案例。先跑一个产线级POC，用真实数据测它的隔离效果和推理延迟。记住，制造业AI落地，安全是1，效率是后面的0。