绝大多数受访高管（全球82%、中国94%）认同AI安全是供应商、服务商与合作伙伴之间的责任共担。然而，全球40%和中国38%的受访者坦言其当前的责任共担模式“效果甚微”甚至“毫无成效”——认知与执行之间存在巨大鸿沟。IBM与Palo Alto Networks的联合报告揭示了三大核心障碍：多个AI供应商环境带来的复杂性、AI技术的快速迭代、对AI供应商安全控制措施的可见性不足。当AI基础设施与运营日益互联互通，安全管理的边界必须从单一组织扩展至整个生态系统。本文深度解读AI安全责任共担的挑战、模式与中国实践。
责任共担的必要性与认知落差
AI的核心价值源于模型、数据、智能体与工作流的共享与协同。因此，领导者必须以责任共担的视角来审视AI运营。当AI基础设施与运营日益互联互通，安全管理的边界必须从单一组织扩展至整个生态系统，将合作伙伴纳入其中，共同承担风险管理的责任，共同确保问责机制的落地。
绝大多数受访高管认同责任共担：全球82%、中国94%。但关于“谁对AI代理的协同运作与跨职能扩展负主要责任”，各方尚未形成共识。全球29%和中国34%的领导者认为主要责任在于组织自身，全球17%和中国22%认为应由所有参与方共同承担，而全球16%和中国14%表示尚不确定。这一比例本身正是行业格局快速演变的真实写照。
三大核心障碍——为何责任共担效果不佳
全球40%和中国38%受访者坦言当前责任共担模式“效果甚微”甚至“毫无成效”。三大核心障碍为：多个AI供应商环境带来的复杂性（AI供应商数量激增，跨供应商的安全标准与管理要求不统一）、AI技术的快速迭代（智能体能力可能在短时间内涌现，安全管控跟不上技术演进）、对AI供应商安全控制措施的可见性不足（组织难以验证供应商的AI安全实践是否符合自身标准）。
这些障碍凸显了关键命题：选择合适的合作伙伴，并就AI标准与AI代理协议进行清晰、持续的沟通，已成为企业构建生态安全能力的必修课。
中国实践——“本地化、可问责”的合作原则
在中国，“本地化、可问责”已成为企业选择合作伙伴的重要原则。“本地化”意味着合作伙伴需符合国内法律法规要求，支持数据本地存储与处理，能够配合监管审计与合规检查。“可问责”则要求合作伙伴在具备专业技术能力的基础上，还需具备清晰的责任承接能力，包括明确的服务水平协议（SLA）、清晰的安全责任界定以及完善的事件追责机制。
中国AI产业核心聚焦“人工智能+”场景落地，安全体系建设也需紧贴业务实际场景定制适配。在政策引导下，AI技术正深度改造产业与社会治理模式，也要求企业将安全治理内嵌于智能化转型全过程，匹配本土监管规则与发展要求。
构建安全AI生态的四项行动
界定与治理AI资产：对每一项AI资产、服务及事件执行零信任认证机制；将AI代理视为一级身份主体，实施实时认证、授权、监控与监督；遵循国家法规落实AI安全评估与备案制度。
让AI暴露面管理成为连接纽带：统一混合环境中的可见性；与核心提供商、供应商及行业伙伴协同，采用统一的AI风险评分与修复标准；对接国家网络安全威胁情报与应急响应体系（如国家互联网应急中心），实现快速上报与协同修复。
采用一体化架构：不止聚焦工具集成，更要重点推进IT与信息安全的互操作性与统一治理；通过采用AI代理通信与交互标准（如MCP、ACP、A2A等），为规模化扩展做好前瞻性规划。
构建安全的AI生态：决定哪些AI基础设施由自己掌控、哪些可交由外包；选择能够填补关键运营与安全缺口的战略合作伙伴；与关键供应商共同定义关键绩效指标与目标，建立激励机制，鼓励在实践中学习与持续改进。
