AI供应链的三层风险，来自1.8万家企业的安全观察
供应链星球
企业AI应用普及速度远超安全尽调节奏。Menlo Ventures调研显示，76%的企业AI场景采购自外部供应商，较上年增长显著。当企业将数据与权限移交AI服务商时，也同步继承了其技术供应链的安全风险。这些隐患往往潜伏于基础设施、依赖组件及系统集成中，而非模型本身。
网络安全机构Black Kite发布《2026年AI供应链报告》，对全球18160家AI企业进行外部安全评估，从供应商自身、底层组件、系统集成三个维度揭示真实风险面貌。
第一层风险：AI服务商自身的安全短板
公众常误以为AI企业具备高超的技术安全性，但数据揭示了另一番景象。在18160家样本企业中，34.2%存在至少一个严重级未修补漏洞，可能导致远程代码执行、服务中断或数据窃取；其中9.8%的漏洞已被CISA列入“已知被利用”目录，意味着攻击者已在实战中使用。
基础防护缺失同样严峻。作为防钓鱼基石的邮件认证配置普遍薄弱：61.7%的企业DMARC配置缺失或未强制执行，37.3%的DKIM签名有误，11.2%的SPF记录存在问题。这意味着许多前沿AI公司连基础的防伪造邮件配置都未完善。
头部企业亦非净土。福布斯AI 50榜单企业中，52%存在严重未修补漏洞，26%携带已知被利用漏洞，28%的员工登录凭证出现在恶意软件记录中。由于头部企业公开数字足迹中位数高达22个（全样本为18个），攻击面更广，且32%的企业达到勒索软件易感临界值。
即时风险案例频发。2026年10月PHP环境爆出“PHP2Shell”严重漏洞后仅一周，仍有939家AI企业（占比5.2%）使用受影响版本。这些非核心的底层支撑技术一旦失守，便引发连锁安全应急事件。
第二层风险：共享组件带来的集中风险
AI产品高度依赖开源组件、预训练模型等第三方资源，构成了隐蔽的第二层风险。报告显示，93家AI企业环境中存在n8n工作流平台的严重漏洞CVE-2025-68613。鉴于工作流平台存储大量系统对接凭证，一旦被攻破，攻击者可横向渗透关联系统。
此外，Lang flow和Lite LLM等工具的安全问题也波及多家企业。2026年3月Lite LLM投毒事件尤为典型：攻击者在Python包仓库上传恶意版本仅40分钟，即被AI数据服务商Mercor安装，导致凭证窃取并进一步渗透至Mercor客户。终端企业虽未直接使用该组件，却因供应链传导而受害。
风险根源在于组件的高度集中。学术研究指出，3859个AI应用背后的10.9万个模型中，90.1%可追溯至161个核心模型；近半数AI应用依赖的软件库带有已知漏洞。这种“一损俱损”的集中效应，使得单一组件故障可能波及整个行业。
第三层风险：系统集成的权限敞口
随着AI从内容生成转向系统操作，集成对接引发的权限风险成为第三层关键隐患。以Model Context Protocol（MCP）为代表的标准使AI能标准化对接数据库及业务系统。Black Kite分析1732条M相关安全发现显示，48.8%为高危或严重级别；在77个严重漏洞中，87%属于代码或命令注入，一旦失守，内部系统将直接暴露。
2025年SalesLoft Drift事件印证了这一风险。攻击者入侵供应商开发环境窃取OAuth令牌，进而通过该工具导出了超过700家企业的Salesforce客户数据。此类由供应商侧令牌泄露引发的隐形风险，无法通过传统的外部安全扫描发现，却对采购企业造成直接冲击。
报告还分析了全球不同区域AI产业的结构与安全差异，并针对上述三层风险提出了 actionable 的建议。AI落地进程无需放缓，但安全尽调必须同步提速。唯有看清服务背后的整条供应链，方能在享受技术红利的同时，筑牢安全边界。
