反间谍法

今天，韩国一项扩大后的反间谍法律正式生效。

过去我们听到“间谍”这个词，首先想到的通常是：

军事情报。

武器。

政府文件。

情报人员。

但韩国这次修改法律，一个非常重要的背景却是：

半导体和关键工业技术。

新的法律扩大了间谍犯罪适用范围，不再只针对与朝鲜有关的活动，而是覆盖为外国获取敏感信息的行为。

为什么一个以三星、SK海力士、现代这些企业闻名的制造业国家，会越来越认真地用国家安全的方式保护工业技术？

我觉得这件事情背后，其实反映了全球产业竞争一个非常重要的变化。

以前国家争的是资源，现在越来越开始争知识

工业时代，一个国家最重要的战略资源可能是：

石油。

煤炭。

铁矿石。

港口。

土地。

这些东西非常直观。

矿山在哪里，就在哪里。

油田在哪里，也搬不走。

但现代工业最有价值的一部分东西，已经变得越来越看不见。

比如：

芯片制造工艺。

电池配方。

航空发动机材料。

先进制造参数。

人工智能算法。

设备控制软件。

材料数据库。

甚至一家企业几十年积累下来的经验。

这些东西可能只存在于：

一个服务器。

一份报告。

一个Git repository。

或者某几个工程师的脑子里。

于是国家安全的概念也开始发生变化。

一座工厂最值钱的，可能不是那座工厂

假设花几十亿美元建了一座先进半导体工厂。

里面有昂贵的设备。

洁净室。

自动化系统。

检测仪器。

这些当然都很值钱。

但如果只有设备，没有工艺知识，工厂未必能够生产出合格芯片。

温度是多少？

时间是多少？

良率为什么突然下降？

某个缺陷来自哪个工序？

一个参数改变0.5%，会不会影响后面的性能？

这些东西不是买来机器以后自动就知道的。

它们来自几十年的：

实验。

失败。

优化。

生产经验。

所以现代制造业真正的壁垒，经常不是：

“我有什么机器。”

而是：

“我知道怎样把这些机器真正用好。”

这就是Know-how的价值。

工程师因此变成了科技竞争中非常特殊的人

一家公司最核心的知识，很多时候并不完整地写在专利里面。

专利本来就是公开的。

真正决定竞争力的，可能是大量没有公开的细节。

而这些细节往往掌握在工程师手里。

一个工作了十五年的工艺工程师离职，

带走的并不仅仅是一个员工。

他可能知道：

哪种材料最容易出问题。

哪个供应商的数据最可靠。

哪些参数表面上不重要，其实非常关键。

哪一次失败后来改变了整个工艺。

这些经验很难全部写进文件。

所以先进制造业的竞争，本质上也是人才竞争。

这也是为什么技术人员跳槽、跨国招聘、企业知识产权保护，现在越来越容易和国家安全联系起来。

但这里马上出现一个非常困难的问题

工程师当然有权换工作。

人也不是公司的财产。

一个韩国工程师为什么不能去美国工作？

一个英国研究人员为什么不能去新加坡？

一个中国工程师为什么不能加入欧洲企业？

人才自由流动，本来就是现代科技进步的重要原因。

科学之所以发展得快，很大程度上就是因为知识能够传播。

大学发表论文。

国际会议交流。

工程师跨企业流动。

不同国家共同研发。

如果所有技术都被定义成“国家安全”，

结果可能是：

合作越来越困难。

研究越来越封闭。

人才越来越难流动。

最终反而降低创新速度。

所以真正困难的地方不是：

“要不要保护技术？”

而是：

什么技术应该保护到什么程度？

专利、商业秘密和国家机密，其实是三个完全不同的东西

这几个概念经常被混在一起。

专利的逻辑是：

我公开技术，社会给我一定期限的独占权。

商业秘密则相反：

我不公开。

比如某种配方、工艺参数、算法或者内部数据库。

只要能够长期保密，它就可能一直具有商业价值。

国家安全层面的敏感技术又进一步。

这时候保护它的原因已经不只是：

“这家公司会不会少赚钱？”

而可能变成：

“这项能力会不会改变国家之间的技术和安全平衡？”

半导体就是非常典型的例子。

它既是商业产品，

又被用于：

AI。

通信。

汽车。

卫星。

武器。

数据中心。

几乎所有现代工业系统。

于是芯片技术自然开始具有双重身份：

既是商品，也是战略资源。

AI可能让这个问题变得更加复杂

过去窃取工业知识并不是一件特别容易的事情。

你需要拿到文件。

找到专家。

理解数据。

知道哪些内容真正重要。

但AI可能降低其中一些门槛。

假设获得了：

几千份技术报告。

实验记录。

代码。

会议纪要。

质量数据。

以前需要很多专家花几个月才能整理。

未来AI可能很快就能：

总结。

建立知识图谱。

寻找参数关系。

识别关键技术路线。

甚至重新生成工艺建议。

这意味着一个新的现实：

过去看起来零散、价值不高的数据，放到AI里面以后可能突然变得很有价值。

所以未来企业保护知识，可能不能只保护那几份标着“Confidential”的报告。

还需要保护整个数据体系。

这对制造业数字化尤其值得警惕

现在很多制造企业都在做：

Digital Twin。

Industrial AI。

Cloud platform。

Data lake。

数字线程。

把过去分散在设备、Excel、工程师电脑和纸质记录里的数据集中起来。

这当然有巨大的好处。

AI可以学习。

模型可以验证。

工艺可以优化。

不同项目之间可以复用知识。

但这里也有一个经常被忽略的问题：

当你把知识整理得越来越好，它同时也变得越来越容易被复制。

以前一个工艺的知识散落在十个人脑子里。

想拿走很困难。

后来我们把它整理成数据库。

从工程效率来看，这是巨大进步。

从信息安全来看，却意味着风险也集中起来了。

数字化不仅创造价值，

也会集中价值。

所以未来的工业竞争，可能越来越像“知识基础设施”的竞争

企业过去投资工厂。

以后不仅要投资工厂，

还需要投资：

数据治理。

网络安全。

权限管理。

模型管理。

知识产权管理。

人员培训。

审计记录。

甚至需要知道：

谁访问过什么数据？

下载了什么？

AI模型训练使用了哪些数据？

模型本身是否包含企业敏感知识？

这些事情以前可能被认为只是IT部门的问题。

未来很可能成为工程管理本身的一部分。

因为如果数据已经成为生产能力，

保护数据其实就是保护生产能力。

但我仍然不认为世界会因此走向完全技术封锁

原因也很简单。

现代技术实在太复杂了。

没有任何一个国家能够完全独立完成所有东西。

一块先进芯片背后可能涉及：

美国的软件。

荷兰的光刻设备。

日本的材料。

韩国和台湾的制造能力。

欧洲的工业设备。

全球的研究人员。

真正把所有供应链彻底分开，成本会非常高。

所以未来更可能出现的状态不是：

完全开放。

也不是完全封闭。

而是把技术分层。

普通技术继续全球合作。

关键技术加强限制。

最敏感的技术严格保护。

这可能会成为越来越多国家的选择。

工程师也需要重新理解自己工作的价值

以前很多技术人员可能觉得：

我只是做simulation。

我只是调整几个工艺参数。

我只是写代码。

我只是整理实验数据。

这些事情似乎距离“国家安全”非常遥远。

但先进制造发展到今天以后，

一些非常具体的工程知识，可能已经成为一家企业甚至一个国家竞争力的一部分。

真正有价值的技术，也未必总是一项惊天动地的发明。