在最近一届设计自动化大会（DAC）期间，Semiconductor Engineering 邀请了来自 Arteris、Cadence、Keysight EDA、Rambus、Siemens EDA、Synaptics 和 Synopsys 七家公司的安全领域高管，就"如何在设计早期就把安全构建进芯片"这一话题进行了一场闭门圆桌讨论。几位嘉宾的共识是：芯片安全正在从一个技术议题，变成一个业务生死攸关的问题。
几乎所有与会者都强调了同一件事——现在就要开始，哪怕一开始做得不够完美。Arteris的Michal Siwinski认为，行业目前普遍的状态是，安全团队对"什么是安全"只有一个模糊的高层认知，设计团队只求不出错，验证团队则疲于应付功能正确性，根本无暇顾及安全本身是否被真正嵌入了设计流程。他认为，如果现在还没有把安全意识作为设计核心来推进，那就已经太晚了。
Synopsys的Reed Hinkel补充说，很多客户甚至不清楚自己的产品要卖到某些地区必须满足哪些安全认证门槛，一旦不达标，产品可能根本无法在当地销售。他所在团队常常需要先把客户转介给检测实验室，让对方直观感受到——如果不预先构建好安全基础，日后在功耗、面积、性能（PPA）和安全评估上都可能全面"翻车"，而这些代价往往比提前投入更高。
Synaptics的Mohit Arora则从行业环境变化的角度指出，随着欧盟《网络韧性法案》（Cyber Resilience Act）等监管持续收紧，过去企业只需要说"我们设计了安全的产品"，现在监管者和客户会直接要求"拿出证据"。安全不再只是功能实现问题，而是要能在产品全生命周期内证明其可信度是可以被建立、维持和验证的。
大模型（LLM）和智能体（Agentic）工作流的普及，给芯片和数据中心层面带来了新的威胁面。Cadence的Yathiendra Vunnam提到，比起大众更关注的数据隐私问题，芯片和数据中心层面真正需要警惕的是"完整性"被破坏的风险——一旦攻击者能够操纵提示词或篡改模型权重，就有可能改变整个执行路径，而在反复调用同类数据的LLM场景下，很难保证每一次调用的数据都仍然安全可信。
Keysight EDA的Alexander Petr认为，这背后需要的是一次思维方式的整体转变——就像多物理场问题一样，新技术带来的问题空间正在急剧扩大。他特别提到，当企业越来越多地在软件栈中集成智能体式的Copilot功能，而背后依赖的往往是并非自研的前沿大模型时，如何守住这些"外部大脑"和自身系统之间的通信通道，就成了一项全新的设计课题；一些企业选择把大模型部署在本地或边缘，也是出于对这类风险的规避考虑。
Rambus的Scott Best把这个逻辑往底层继续推：安全服务离不开安全软件，安全软件也离不开安全的硬件基础。他强调，并非所有硬件都生而平等，普通硬件和"防篡改"（tamper-resistant）硬件是两回事，如果企业内部没有具备防篡改能力的硬件团队，最好尽早引入相关合作伙伴，否则所谓的"安全服务"最终都无法追溯到一个真正可信的底层执行环境。
Siemens EDA的Chris Giles则从"规模"的角度提出警示。他认为，当前全球真正理解安全、理解"信任根"（Root of Trust）重要性的人才本就稀缺，而以往行业应对安全问题的方式，基本是"哪里出过问题就去查哪里"，但真正难防的恰恰是那些还没被发现的未知漏洞。他坦言，如果把AI也纳入攻防的天平，好的防御性AI能力是否能跑赢恶意AI，很大程度上取决于知识和算力的规模投入——这和形式化验证面临的困境很像，行业需要借助AI来把安全知识"普及化"、规模化。
多位嘉宾还谈到，芯片层面的安全问题正变得比软件层面更棘手。Siwinski提到，如今的大模型不仅能挖掘软件层面此前未知的漏洞，其能力也已经强到可以一路"打穿"到硬件层面，而硬件一旦在生产部署后出现问题，往往难以像软件那样通过打补丁快速修复——业内至今仍在应对Spectre、Meltdown等硬件级漏洞的各种变种，这些问题已经持续多年。他将当下芯片安全所经历的阶段，类比为功能安全（ISO 26262）走过的历程：曾经不愿被公开讨论的话题，因为监管、客户要求和商业利益，正在变成行业必须正面应对的现实——据他透露，连Arm这样的公司最近也公开表示，正在从硬件到软件全栈层面系统性地考虑安全构建问题。
在客户成熟度方面，Hinkel观察到明显的分层：一些客户配备了规模庞大的专职安全团队，人数甚至超过部分下游客户公司的总人数；也有客户的"安全规范"只是市场部给出的几条笼统要求；而处于中间地带、自认为懂安全却其实一知半解的客户，反而是团队最常遇到的类型。他也指出一个常被忽视的风险点——相比数据窃取，拒绝服务（denial of service）攻击可能是最危险也最容易得手的手段，只需切断关键通信环节就能造成经济损失，而很多此类事件由于缺乏强制披露机制，并未被充分曝光。
Arora呼应了这一观点，提到此前的CrowdStrike事故已经证明，可用性问题足以在全球范围内造成大规模系统性影响。他认为，随着物理攻击门槛因AI辅助而大幅降低——过去动辄百万美元级别的攻击手段，如今第三方实验室就能实现，芯片安全的基础架构必须同时具备两种能力：一是尽快检测和修复问题，二是通过物理攻击检测等硬件级手段进行主动防御。他还提到，随着SoC复杂度提升（例如现代SoC可能拥有数百个电源域），信任根或安全处理器必须对系统状态保持足够的可见性，安全模型也需要从简单的"允许/拒绝"权限判断，演进为更具上下文感知能力的动态防护——比如及时识别"为什么NPU突然要访问蓝牙协议栈内存"这样的异常行为。
几位嘉宾最后的共识可以归纳为一句话：芯片安全不能是流程末端"贴上去"的补丁，而必须成为从架构设计、验证、软件、制造到现场部署全链条贯通的基础要求。随着监管趋严、客户要求提高、攻击门槛因AI而降低，半导体行业正在经历和当年功能安全类似的一次范式转变——不同的是，这一次留给企业适应的时间，可能远比想象中更短。
今日推荐：
