当今的车载AI助手，正在演进为高度自主的智能体AI系统。它们能够代表驾驶者和乘客执行任务，并协调其他AI智能体的功能，有望显著提升出行过程中的效率、安全性与便利性。与此同时，这类系统也带来了前所未有的安全挑战。
可语音唤醒、并与企业系统连接的智能体，很可能成为网络攻击的重点目标。尤其是在威胁行为者越来越多地利用AI工具生成逼真的钓鱼诱饵、复杂恶意软件，或尝试对AI模型进行“越狱”攻击的背景下，这一风险更加突出。与此同时，全球监管机构也在不断提高互联汽车的安全要求，从联合国UNECE WP.29车辆网络安全法规，到即将实施的欧盟《网络弹性法案》（Cyber Resilience Act），均对安全设计、安全默认配置、运行安全以及数据治理提出了更高要求。
与此同时，随着AI助手开始帮助驾驶者在通勤途中处理工作与个人事务，其角色也在不断演变。不久前，车载语音助手大多仍是通用型功能，主要支持基础任务，并不会与特定用户身份深度绑定。如今，这一情况正在改变。随着这些系统接入日历、电子邮件以及其他个人或工作数据，它们开始代表驾驶者执行操作，例如查看消息、提出行动建议，并在某些情况下直接执行。这类交互更加个人化，所涉及的数据也往往更加敏感。而汽车在很多情况下会被多人共享使用，这就带来了有关身份识别、权限控制与访问管理的重要问题。
面对这些趋势，汽车OEM、首席信息安全官（CISO）和IT负责人必须为车载AI采用安全优先的架构，其防护能力不能仅停留在大语言模型（LLM）的安全护栏层面。关键在于将经过验证的零信任架构（Zero Trust Architecture，ZTA）和纵深防御原则贯穿整个系统，并结合平台化安全方案，通过全球威胁情报进一步增强防护能力。
微软与赛轮思AI在开发移动办公智能体过程中的合作，正体现了这一整体性安全策略。赛轮思移动办公智能体是一款语音驱动型车载办公助手，既能够提供车载AI的生产力功能，又能对企业数据、个人数据和驾驶安全提供强有力的保护。驾驶者可以在通勤途中安全地查看日程、协调工作任务，并及时掌握工作进展。
为什么汽车行业需要整体性安全策略
车辆安全与网络安全的风险后果极其重大。汽车制造商处于高度监管的环境中，一旦发生网络攻击，不仅可能危及生命安全，还可能带来严重的法律责任与品牌声誉损害。通过采用面向汽车网络安全定制的、基于平台的综合安全策略，OEM能够更好地对齐ISO/SAE 21434、TISAX等汽车网络安全标准，并通过7×24小时监控和软件更新能力，满足UNECE WP.29和欧盟《网络弹性法案》对安全设计、安全默认配置和运行安全的合规要求。
不能将车载助手仅仅视为一个孤立功能。它应被视为企业数字生态系统的延伸，并像任何接入企业网络或数据的设备及应用一样，例如笔记本电脑或智能手机，接受同等严格的安全原则和监督管理。这种整体性安全策略能够确保安全防护从座舱软件一直延伸到云服务，弥合车辆与企业网络之间可能存在的安全缺口。
零信任与纵深防御：安全优先的基础
在实践中，这意味着每一步都需要严格的身份认证和应用安全控制。移动办公智能体使用Microsoft Entra ID（原Azure Active Directory）实现用户和智能体的安全认证，并通过Microsoft Intune确保车载信息娱乐系统已完成注册，且相关应用符合企业IT要求。多因素认证、双向传输层安全协议（mTLS）以及短有效期OAuth令牌进一步确保，只有合法且符合策略要求的用户和设备，才能访问助手服务。
零信任与纵深防御协同实施。纵深防御通过多层叠加的安全机制实现保护，即便某一安全机制失效，其他防护层仍可继续发挥作用。在车辆、云端后台和远程AI服务之间的每一个环节，都部署了相应的专用安全控制。
移动办公智能体的架构覆盖多个安全层级，包括身份与设备信任、API与网络访问控制、内容策略执行以及持续监控。借助分层防护，即使单个组件遭到入侵，也不会导致整个系统被攻破。
零信任架构与纵深防御，是车载AI安全的基础。通过身份校验、设备信任、网络隔离、持续监控等多层防护机制，车企可以构建起环环相扣的安全屏障，避免单一防护失效导致风险在系统中扩散。
不过，完整的车载AI安全体系并不止于分层防护。要真正推动智能体AI在车辆场景中安全落地，车企还需要回答几个更关键的问题：如何依托一体化安全平台实现动态威胁处置？如何避免将AI安全等同于大模型安全护栏？如何借助专用AI运行环境进一步保护模型、数据与调用链路？
在下篇中，我们将聚焦平台化安全能力、端到端AI安全方案，并结合微软与赛轮思AI的联合实践，进一步解析这套安全体系的落地路径与核心技术优势。
