随着人工智能加速融入各行各业，安全建设的思路也需要随之转变。王安京指出，传统IT时代，安全往往作为后置配套，在系统建设后通过合规检查和被动防御进行补充；而进入AI时代，数据、算力与模型在训练、推理和业务系统之间持续流转，风险也随之沿着整个链路传导。安全不应再是系统出现问题后的补丁，而应成为基础设施建设之初就必须考虑的核心能力。

与此同时，数据正在从静态存储走向全域流转，事务处理、分析、向量检索与算力架构也在加速融合，行业发展则逐渐从应用试点走向规模化、高质量发展。这些变化不仅带来新的技术机会，也在重塑系统架构与安全边界。智能是目标，底座是根基，安全是生命线。只有将安全能力嵌入数据、模型与业务系统的全链路，才能为AI应用的持续创新提供可靠支撑。

结合科蓝软件长期深耕银行业的实践，王安京强调，AI技术的应用需要充分考虑行业特征、业务场景与风险等级，不能简单追求技术部署的速度。

在金融行业，不同业务对安全性的要求存在显著差异。流程管理、数据分析、报表处理等场景，可以根据风险评估逐步探索AI应用；而直接涉及银行实时交易、尤其是互联网实时交易的核心系统，则必须坚持更高等级的安全要求和审慎的应用标准。这意味着，AI并非不能进入高安全要求的行业，而是需要明确应用边界、选择合适场景，并根据技术成熟度与风险承受能力循序渐进地推进。

王安京以金融业的发展经验指出，技术创新与安全治理并非彼此对立。通过合理控制应用节奏、明确不同场景的准入要求，才能在释放技术价值的同时，降低企业运营风险与系统性风险。

中国在数字化应用方面积累了丰富实践，王安京提醒，应用层面的快速发展，并不意味着底层核心技术的安全问题已经解决。数据库、操作系统和芯片等基础技术，是数字基础设施的重要组成部分。随着互联网与人工智能不断深入业务系统，社会运行对数字基础设施的依赖程度持续提高。一旦底层关键能力缺乏自主掌控，应用越广泛、系统连接越紧密，潜在风险就越值得重视。

他还从开源与知识产权的关系出发，提出需要关注开源技术背后的授权主体、知识产权归属和使用规则。在AI时代，大模型的开放方式、模型权重与数据的使用边界等问题，都与技术自主性和安全治理密切相关。

因此，推动基础软件自主可控，不只是技术选型问题，也关系到关键系统的持续运行能力、数据安全和产业发展的主动权。对于金融等关键行业而言，必须将底层技术能力与业务安全需求结合起来，持续提升数字基础设施的可靠性与可控性。

围绕基础设施能力建设，科蓝软件正与清华大学开展合作，依托清华—科蓝先进智能数据库联合研究院，推进面向AI的数据库及相关核心技术研究。相关工作聚焦四个研究发展方向：下一代智能数据库、可信数据空间、端云协同AI和数据安全，旨在推动数据库底层技术攻关、国产基础软件自主可控，以及面向AI应用的可信基础设施建设。

在产品布局上，科蓝围绕AI与数据库融合、端侧AI和AI小蓝等方向展开探索。其中，智能数据库致力于推动数据库能力与AI能力双向融合；端侧AI强调在设备侧完成部分计算与推理，减少敏感数据外流风险；AI小蓝则探索结合端侧风控与云端推理，将AI能力带入具体业务场景，辅助业务人员开展工作。

这些探索体现出一条重要思路：AI能力的落地不能只关注模型本身，还需要统筹数据管理、计算架构、业务流程和安全机制。通过产学研协同，将核心技术研究与实际业务需求相结合，才能推动自主可控从技术理念走向产品与应用实践。

在演讲最后，王安京强调，AI产业发展需要明确不可突破的安全底线。

第一，坚守主权底线。 数据、系统、算力及端侧能力建设应持续提升自主可控水平，不能将关键基础设施的主动权轻易交出。

第二，坚守责任底线。 AI可以辅助业务判断与安全管理，但不能替代人的主体责任。技术能力越强，越需要明确使用边界、责任主体与管理机制。

第三，坚守合规底线。 治理应先行，合规应前置，安全应内嵌于系统建设全过程，而不是等到系统建成后再补救。

三条底线共同指向一个原则：技术迭代再快，也不能脱离安全、责任与合规去谈创新。

从互联网银行到AI银行，从业务应用到基础软件，人工智能正在推动数字基础设施进入新的发展阶段。AI时代的竞争不仅是模型能力与应用速度的竞争，也是底层技术、系统安全与产业协同能力的竞争。科蓝软件依托清华—科蓝先进智能数据库联合研究院，围绕智能数据库、端侧AI与AI小蓝等方向推进技术探索，与产业伙伴共同夯实安全可信的AI基础设施。先筑底座，再谈智能。只有筑牢安全根基，才能让AI创新走得更稳、更远。