加密硬盤現在被偷，五年後也可能被量子計算機破解
IBM和Palo Alto Networks的CEO說，量子計算機預計2030年前後就能破解今天的加密算法，而後量子密碼學方案早已現成，只是企業一直懶得換。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
現在就該換掉不抗量子的基建
這不是等到2030年量子計算機真正成熟才需要行動的問題。Arvind Krishna說，一旦量子計算機能破解今天的加密算法，企業IT系統裡幾乎所有密鑰都會失效；更麻煩的是，如果一塊加密硬盤今天被偷走，攻擊者可以先存著，等五年後量子計算機夠強了再破解。後量子密碼學的算法早就寫好、技術也公開可用，只是大多數企業懶得部署。他估計企業今年的IT預算裡，大概有一半花在了不具備抗量子能力的基礎設施上。
— Arvind KrishnaAI破不了量子密碼，這是物理限制
有人認為AI模型可能比量子計算機更快幫人類破解加密。Arvind不同意，理由來自費曼：你不能在一種架構上模擬另一種架構還指望效率不打折。量子計算機不是按算術規則運行的，GPU和經典計算機都是。AI可以發現新的量子算法，但如果拿經典硬件去跑這個算法，效率會慢上千倍甚至萬倍——證明算法可行不等於能真正拿到量子加速的好處。不過他也承認，如果經典數學（比如對質數分布有更好的預測模型）取得突破，理論上也能用經典算力破解密碼，只是沒人知道要花多久。
— Arvind Krishna開源權重模型將吃掉大部分token
Arvind給出一個具體測算：今天前沿模型大約每百萬token收費20美元（最貴到50美元），如果換成一個8000億參數的中國開源模型，自己上GPU、花一週工程優化，成本能降到每百萬token 1到2美元，便宜十幾到四十倍。除了價格，企業還擔心把完整推理鏈條交給第三方等於洩露自己的IP，而前沿模型公司又不會把模型權重給你。再加上地緣政治——目前最好的開源權重模型來自中國——三股力量疊加，他預測未來75%到90%的token消耗會流向開源權重模型。
— Arvind KrishnaMythos常瞎編，但攻擊方只需贏一次
Nikesh講了Palo Alto Networks的AI安全產品Mythos踩過的坑：模型學會了什麼是好代碼，自然也能學會識別壞代碼，剛上線時對代碼漏洞的判斷有30%是在瞎編。但這不妨礙它有用，因為網絡安全的遊戲規則本來就不對稱：攻擊者只需要找到一個漏洞就能得手，防守方卻必須找出並修補每一個漏洞。現場多數人實測下來，模型報出來的漏洞大概60%到80%是真的，剩下是幻覺——也就是說，用了也必須人工複核，不能直接拿模型生成的補丁上線。
— Nikesh Arora造出來就要負責，不能說不知道怎麼控制
面對「全球都在搞AI軍備競賽、誰都不會主動放慢」的現實，Nikesh認為最終能落地的不是暫停研發，而是產品責任：你造了什麼、放出去了什麼，就要為它負責。他直接反駁「模型自己寫的代碼、自己失控」這種說法——不是軟件自己寫了自己，是你寫的，而且公司是商業主體，收了錢提供服務，就必須承擔相應的責任。他認為現有監管框架已經足夠要求企業對自己放出去的東西負責，但也承認各國不可能齊心協力一起減速，誰慢下來只會讓別人趁機追上。
— Nikesh Arora算力貧富差距是地理問題不是錢的問題
討論AI會不會製造出「有算力的」和「沒算力的」兩個世界時，Nikesh給出一個反直覺的判斷：真正的鴻溝不在於誰付得起錢，而在於誰離算力的「震中」近。他認為技術本身會越做越便宜，普通企業只要能正常經營，大概率負擔得起防護或使用AI所需的開銷；但眼下算力極度稀缺，供給集中在少數一兩個大國，離這個中心越遠的國家和公司，不是因為窮，而是供給根本分不到，天然拿不到足夠的算力去創新和落地。
— Nikesh AroraIBM大型機活65年，因為從沙子做起
聊到縱向整合，Arvind用IBM自己的歷史舉例：大型機這條產品線存活了65年，原因是上世紀60年代IBM把整條供應鏈一路整合到泥土——自己找沙子、自己造晶圓、自己建晶圓廠、自己做芯片，機器外圍的每一個部件都是自研的，這樣做避免了IP外流，也讓整條價值鏈的利潤都留在公司內部。今天IBM已經不再自己做晶圓廠，但芯片設計、工程、系統韌性、大部分軟件仍然自研。他把英偉達也歸為同類——Jensen Huang從硬件一路做到應用層，還反過來資助生態裡的其他公司，防止它們脫離這套縱向整合體系。
— Arvind Krishna企業平均用著上千個軟件供應商
Nikesh先從網絡安全行業切入：客戶現在要買40種不同的安全產品再自己拼起來，而這個行業連自己的東西都未必弄明白，更別說理解別人家的產品還要把十幾個廠商的東西拼在一起。他拿Fidelity早年用23套系統拼成CRM、後來被一體化平臺取代做類比，預測同樣的整合會發生在網絡安全領域。Arvind把這個邏輯推廣到整個企業軟件：普通企業平均要用500到5000個不同的軟件供應商，這本身就是一個巨大的攻擊面；如果能用AI能力替代掉其中490個，只保留5到10個主力平臺，整合就是必然趨勢，只是時間早晚的問題。
— Nikesh Arora原話 · 已逐字校驗
So you should be replacing your IT stack today with quantum safe or quantum proof infrastructure right now.
你現在就應該把IT基礎設施換成抗量子或量子安全的方案。
Arvind Krishna5:14
You cannot simulate something on a different architecture and expect a more efficient result.
你不能在另一種架構上模擬一件事，還指望效率不打折。
Arvind Krishna7:26
The best open weight models today are Chinese.
目前最好的開源權重模型來自中國。
Arvind Krishna13:43
If you teach a model what good code looks like, it also can figure out what bad code looks like.
如果你教會一個模型什麼是好代碼，它也能學會識別什麼是壞代碼。
Nikesh Arora16:47
But the problem is the reason it's perfect for attackers is they just need one vulnerability. They don't need 10 vulnerabilities. If you're a defender, you need to find every vulnerability and patch it.
問題在於，這對攻擊者來說太有利了——他們只需要一個漏洞，不需要十個漏洞。而作為防守方，你必須找到並修補每一個漏洞。
Nikesh Arora16:47
If you build something and unleash it, you can't unleash and say, oops, I don't know how to control it. That argument doesn't work.
如果你造出了什麼又把它放出去，你不能事後說『哦，我不知道怎麼控制它』，這個說法站不住腳。
Nikesh Arora23:17
The IBM mainframe has lasted 65 years. Why? It was vertically integrated.
IBM大型機存活了65年。為什麼？因為它是縱向整合的。
Arvind Krishna30:21
The average enterprise uses anywhere from 500 to 5,000 distinct software vendors.
普通企業平均要使用500到5000個不同的軟件供應商。
Arvind Krishna37:37
數字與實體
| 量子計算機破解現有加密的預估時間 | 約2030年（取區間中點） | 1:03 |
| 物理量子比特與邏輯量子比特比例 | 約10,000個物理比特對應約200個邏輯比特 | 4:11 |
| 前沿模型token成本 | 每百萬token約20美元，最高50美元 | 12:42 |
| 優化後開源模型token成本 | 每百萬token約1-2美元 | 12:42 |
| 預測未來開源權重模型佔token消耗比例 | 75%-90% | 13:43 |
| Mythos代碼審查早期幻覺率 | 30% | 16:47 |
| 模型報出漏洞的真實率 | 約60%-80%為真，其餘為幻覺 | 17:49 |
| IBM大型機存活時長 | 65年 | 30:21 |
| 企業平均使用軟件供應商數量 | 500到5000個 | 37:37 |
術語
- QBI (Quantum Benchmarking Initiative)量子計算基準測評競賽
- DARPA發起的多公司競賽，評估誰能造出真正可用的量子計算機
- logical qubit邏輯量子比特
- 對物理量子比特糾錯後，等效可用的「乾淨」量子比特單元
- post-quantum cryptography後量子密碼學
- 專門設計用來抵禦量子計算機破解的新一代加密算法
- ZDR (zero data retention)零數據留存
- 服務商承諾不保留、不用客戶數據訓練模型的協議條款
- open weight model開放權重模型
- 公開模型參數供下載部署，但未必公開訓練數據和代碼
收聽指南
負責企業安全架構、評估開源與閉源模型選型、或關注SaaS併購整合趨勢的人。
34分鐘附近逐字稿出現重複卡頓，無實質內容，可跳過。