报告概述
本报告基于Cyberhaven Labs对222家公司数十亿真实数据移动的分析,聚焦企业AI采用的现状、风险与治理缺口。报告覆盖GenAI SaaS、端点AI应用、AI代理三大类别,通过活跃用户数和事件级活动衡量采用深度。研究对象包括工具多样性、行业与部门差异、个人账户使用、敏感数据输入等维度。报告旨在帮助安全与技术领导者理解AI采用的真实规模,并为2026年的安全治理提供数据驱动的参考。
报告的核心结论
企业AI采用呈现显著两极分化
前沿组织平均使用超过200种GenAI工具,部分超过300种,而谨慎企业通常少于15种。员工采用率从2.5%到71.4%不等,中位数仅33.4%,显示创新与风险高度集中在少数激进采用者中。
中国开源模型成为企业端点使用主流,带来独特治理风险
在端点AI使用中,中国开源模型(如Qwen、DeepSeek)占比达50%。这些模型面临监管与法律不确定性、供应链不透明以及数据主权风险,给全球企业的合规与安全带来挑战。
大多数常用GenAI SaaS工具风险评级较高
在Top 100常用GenAI SaaS应用中,82%被标记为中等、高或严重风险,其中60%属于高风险或严重风险。员工却持续向这些工具输入敏感数据,形成巨大的安全缺口。
超过三分之一的员工使用个人账户访问AI工具
以ChatGPT为例,32.3%的使用来自个人账户,Claude和Perplexity分别高达58.2%和60.9%。个人账户使用削弱了企业的可见性与控制力,加剧数据泄露与合规风险。
近四成AI交互涉及敏感数据,风险已成现实
39.7%的AI交互(包括提示和复制粘贴)涉及敏感数据,如代码、财务信息、客户数据和知识产权。平均每三天就有一名员工向AI工具输入敏感数据,数据来源覆盖销售、研发、技术等多个部门。
报告回答的关键问题
企业AI采用为什么出现两极分化?
报告发现,AI采用不均衡主要源于不同组织的风险偏好和创新能力差异。前沿企业积极实验数百种工具,追求创新与增长;而多数企业仍持谨慎态度,导致采用率差距显著。这种分化使得风险也集中在前沿企业,它们需同时承担快速创新带来的安全治理挑战。
中国开源AI模型有哪些企业安全风险?
中国开源模型如DeepSeek、Qwen在企业中广泛使用,但存在多重风险:它们可能受中国国家法律约束,强制配合数据请求;训练数据来源和微调实践不透明;数据可能通过中国基础设施流动,增加泄露风险。企业需评估这些模型的合规与安全影响。
哪些行业AI采用率最高?
科技行业以40.5%的员工采用率领先,其次是制药(33%)和金融服务(28.7%)。制药业受预算、劳动力约束及客户期望驱动,积极采用AI;金融服务业则用于个性化推荐和客户体验优化。这些高采用行业多为强监管行业,加剧了AI治理的复杂性。
员工如何将敏感数据泄露给AI工具?
员工主要通过直接输入敏感数据到AI工具(如聊天、粘贴代码)造成泄露。39.7%的交互涉及敏感数据,包括PII、PHI、财务数据、源代码等。最常见的数据类型是销售数据(近30%的销售团队输入)和研究内容(医疗行业约三分之一)。这些行为通常是为了提高效率而非恶意,但缺乏治理导致严重风险。
报告中的代表性数据
企业采用的GenAI工具数量
2025年,反映了AI采用的两极分化程度,前沿企业工具数量是中位企业的近6倍。
中国开源模型在端点AI使用中的占比
2025年,在Cyberhaven用户所有端点开源模型使用中,中国开源模型占一半,显示其广泛普及。
AI交互涉及敏感数据的比例
2025年,所有与AI工具的交互(包括提示、复制粘贴)中,近四成包含被企业标记为敏感的数据。
以上数据根据报告摘要整理,具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的AI工具采用数据与趋势图表,包括按行业、部门、月份的采用率变化曲线。
- GenAI工具风险评估模型(RiskIQ),涵盖数据敏感性、模型安全、合规、用户认证等五个维度的评估框架。
- 前20大GenAI SaaS应用排名及其风险等级分布,以及2024至2025年市场格局变化分析。
- 个人账户与公司账户使用对比数据,按平台细分展示影子AI的渗透程度。
- 敏感数据类型分类(代码、财务、研发、HR等)及其在AI交互中的占比,按行业分解。
- AI编码助手(如Cursor、GitHub Copilot、Claude Code)的采用率增长曲线及多工具使用趋势。
- 企业构建自定义AI代理的平台采用率,按行业(制药、制造、能源等)排名。
- 针对组织层面的AI安全建议,包括数据安全态势管理(DSPM)和数据血缘追踪等治理方法。
本页内容由川海智库整理,用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限,部分观点、数据、统计口径或表述可能存在偏差,具体内容请以完整报告原文为准。





