作者声明：该图片由AI生成
“西湖论剑上新硅基员工：安全服务的下一站是什么？
9月23日，第十四届西湖论剑大会如期举办。本届大会主题定为“从辅助到自主——AI时代的数智创新与安全跃迁”，议题本身释放出十分明确的行业转向信号。
过往数届西湖论剑的讨论重心，大多围绕大模型提示词风险、训练数据泄露、基础AI风控、行业监管框架搭建等议题展开，聚焦AI作为辅助工具阶段的各类风险治理难题。而本次主题之中的“自主”二字，意味着整个行业的讨论正式迈入全新阶段。
当AI不再只是人类用来辅助办公、辅助漏洞扫描的工具，智能体拥有独立规划任务、自主调整行动路径、持续迭代对抗策略的能力之后，沿用多年的整套安全治理框架、攻防逻辑、服务交付模式，都迎来系统性重构的契机。
作为国内网络安全赛道持续深耕AI安全赛道的厂商，安恒信息在本届大会集中释放多项新业务布局。硅基数字员工战队、联合共建安全Token工厂、猎影AI诱捕蜜罐、AgentDR能力等一系列产品与共建计划集中亮相，也让这家厂商成为观察国内安全行业应对AI自主变革最直观的产业样本。
新方案发布的背后，是安全行业正在面对的一道新题：当攻击者和防御者都开始使用AI，传统以人和工具为中心的安全服务，是否需要重新组织？当安全能力走向按需调用、按量计费，服务价值的评判标尺、权责划分机制，又该如何重新界定？
安全能力如何计价、智能体能否在真实环境中稳定工作、企业数据如何在可用与安全之间取得平衡，都将影响AI安全产业最终能走多远。
变局：自主Agent改写攻防底层规则自主智能体的崛起，正在从底层逻辑改写网络安全攻防的游戏规则。过去数十年，网络攻防对抗的核心主体始终是人，AI更多只是提升攻防效率的辅助工具。
过去，攻击者需要人工梳理目标资产、手工构造攻击载荷、根据系统返回结果手动调整攻击思路。防守方依靠安全专家梳理攻击特征、编写检测规则、完成事件复盘与策略优化。AI的价值，仅仅是帮助攻防双方把批量扫描、编码转换、简单漏洞验证这类重复性工作提速。整条对抗链路里的决策主体依旧是人。
安恒信息高级副总裁、研究院院长王欣在本次大会群访中提出明确判断，当前攻防已经发生了变化，智能体已经具备独立跑完整套攻击链路的能力。
也就是说，智能体无需人工持续下达分步指令，就可以自主完成资产探测、漏洞筛选、漏洞利用、权限维持等一整套过去只有资深从业者才能落地完成的操作。博弈主体由此发生根本性切换，从“人借助工具开展对抗”，转向智能体和智能体之间的自主博弈，这也是本次大会参会嘉宾达成的第一项核心共识。
这类变化并不意味着所有安全工作都能交给AI，而是攻防两端的工作速度和组织方式正在发生变化。王欣认为，网络安全检测防御正从“面向人”转向“以AI为核心”。当AI能够参与代码生成、漏洞发现和任务执行，安全对象也不再只是传统的软件系统和网络设备，还包括模型、智能体及其调用的数据和工具。
行业由此面临双重压力。一方面，AI可能降低攻击者发现问题、编写脚本和执行任务的门槛；另一方面，防御方也需要借助AI提高检测和响应速度。单靠增加人工巡检，未必能够应对更高频、更自动化的攻击行为。安全服务因此需要从“人使用工具”，逐步转向人设定目标、规则和边界，AI承担部分持续性任务。
探索：硅基员工+Token工厂的产业试验面对攻防层面的根本性变局，行业需要找到与之匹配的交付体系。安恒信息此次发布的X安全数字员工战队，正是对这一变化的产品化尝试。
王欣强调，安恒希望交付的不只是软件，而是以价值、服务和结果为导向的数字员工。
四个数字员工被设计为分工协作的“红蓝队”：安小龙面向攻击验证和渗透测试，安小虎负责代码审计，安小风面向安全运营，安小云则提供安全托管服务。其能力覆盖从发现问题到防护、监测和响应的不同环节，部分服务可以在本地部署，部分则面向云上托管场景。
不过，比赛成绩、项目中的漏洞发现数量，与长期生产环境下的稳定性并不是同一个指标。对于企业客户而言，最终还要看漏洞发现的有效率、误报情况、修复闭环、响应时间，以及数字员工在不同系统和业务流程中的适配能力。
安恒提到了AgentDR能力，用于对企业中的智能体进行检测和响应，包括智能体资产盘点、任务过程监控、异常检测和处置等。随着Agent逐渐获得调用工具和执行操作的权限，企业需要知道它有哪些身份、能访问什么数据、执行了哪些动作，以及出现异常时如何及时阻断。换句话说，安全厂商不仅要用AI做防护，也需要管理AI本身带来的新风险。
安恒信息董事长 范渊
与X安全数字员工同时发布的，还有安恒信息与浙江省数据集团共建的安全Token工厂。按照范渊的介绍，工厂计划以十个高质量安全数据集为基础，构建安全垂域模型，并进一步孵化近百个面向不同行业和场景的智能体。
王欣介绍的建设路径可以概括为：先积累和整理安全数据，再训练或构建安全模型，之后通过智能体执行具体任务，最终以服务方式向客户输出。客户调用代码审计、渗透测试等能力时，系统根据任务消耗的Token计量服务用量。王欣认为，这种方式在一定程度上接近“按结果付费”。
不过，安全Token工厂目前仍处于商业模式设计阶段。王欣在采访中明确表示，计费方式和具体报价尚未完全确定。按Token计量能够描述调用量，却不必然等同于客户认可的价值。安全服务的效果通常还要结合风险降低程度、问题发现质量、处置时效和业务影响来衡量。若用户为大量Token付费，却仍需投入相当的人力复核结果，服务的实际性价比就需要重新计算。
叩问：数据治理与商业协作成为关键卡点安全Token工厂背后还有一个更大的产业问题：AI应用向企业和行业深化时，数据从哪里来，又如何在安全前提下转化为可用能力？
北京交通大学教授张向宏在大会演讲及群访中多次谈到数据工厂。他的判断是，AI应用进入更深阶段后，算力和模型之外，数据正在成为新的关键约束。尤其是企业、政府和个人掌握的私域数据，往往涉及隐私、商业秘密或重要业务信息，不能简单复制到公共环境中使用。
张向宏将数据工厂的工作概括为：把分散、原始的数据采集起来，经过治理和加工，形成能够支持模型训练、推理或具体业务应用的高质量数据集。数据工厂因此不只是存储设施，也不等同于人工标注平台。其价值在于将原始数据转化为可用于AI的生产资料，并在加工和使用过程中解决质量、安全与场景适配问题。
在他看来，这一过程至少面临认知、技术和基础设施等方面的难点。部分数据工作如果只停留在评估、入表或交易层面，可能难以形成实际应用闭环；私域数据既要支持模型和业务使用，又要尽量做到原始数据不出域、数据可用不可见；与此同时，当前还需要相应的数据流通基础设施，支撑数据在受控条件下使用。
张向宏也提醒，传统数据标注业务要升级为数据工厂，不能长期依赖项目制和大量人工重复处理。数据加工需要提高通用性，减少不同项目间重复劳动；同时还要提升智能化水平，让机器承担可自动化的部分，把需要经验判断的环节交给专家，并将专家经验沉淀下来。
这一观点为理解安全Token工厂提供了另一个视角。安恒所说的安全数据集和安全模型，能否形成可复用的安全能力，不仅取决于企业积累了多少数据，也取决于数据是否经过有效治理、是否与具体任务和行业流程相关，以及客户是否允许在相应边界内使用。
安恒信息CTO刘博则将可信数据空间、数据工厂和Token工厂描述为不同环节：先让数据在可信机制下流动，再加工成适合AI使用的数据，之后由模型和智能体承接具体服务。
这套链路的逻辑是清晰的，但其建设通常涉及多个主体。数据持有方、数据运营方、技术服务方和应用方各有不同的责任和收益诉求。安全厂商可以提供可信流通、隐私保护和安全能力，却不能单独决定数据是否开放、如何授权以及业务价值如何分配。因此，数据工厂的成效不仅是技术问题，也是治理机制和商业协作问题。
待考：服务普惠之外效果和责任仍待验证安恒信息对数字员工的一个重要期待，是将原本成本较高的安全服务扩展到中小企业和OPC等过去较难覆盖的客户群体。王欣表示，过去安全服务专家稀缺、成本较高，数字员工有望降低服务边际成本，并扩大服务覆盖面。范渊也将安全Token工厂定位为一种普惠化安全能力输出方式。
这个方向回应了行业长期存在的供需落差：并非所有企业都不需要安全服务，很多中小企业只是难以负担专业团队或完整产品体系。但降低使用门槛，并不自动等于服务普及。企业还要考虑数据是否适合上传或托管、服务是否符合自身合规要求、AI发现的问题由谁判断和处置，以及出现误报、漏报或误操作时由谁承担责任。
因此，数字员工走向规模化交付，至少需要几类可持续验证的指标：任务完成率、有效问题发现率、误报漏报水平、人工复核比例、平均响应时间、服务成本和客户续用情况。对于安全行业，单纯追求自动化比例并不够；如果自动化带来更多误报或无法解释的处置过程，反而会增加客户的运营负担。
另一项需要持续观察的是服务边界。王欣提到，客户既有本地化部署需求，也有云上托管需求。前者通常更强调数据控制和合规边界，后者则可能更关注部署效率与使用成本。不同客户的系统环境、数据敏感程度和安全成熟度并不相同，数字员工能否通过标准化产品覆盖这些差异，还是需要较多定制交付，将影响其商业模式的可复制性。
从行业层面看，AI自主化带来的不只是技术路线调整，更是交付方式和计价逻辑的重新设计。当安全能力可以被拆解为可调用的任务单元，服务价值的衡量标尺、责任边界的划分依据，都需要在真实交付中逐步沉淀，而非由单一厂商单方面定义。
这也正是本届西湖论剑的意义所在。大会以“从辅助到自主”为主题，本身即是对行业阶段转换的一次确认；而西湖论剑自2012年创办至今已举办十四届，本届首次被正式纳入《“十五五”数字浙江建设规划》，并与全球数字贸易博览会、云栖大会形成“三会联动”机制，说明AI安全、数据流通与产业应用正在从安全专业议题，进入更广泛的数字经济讨论之中。
回到安恒信息，AI安全转型对其而言既是产品路线变化，也是服务组织方式的变化。过去以设备、软件和项目为中心的交付，正在尝试扩展为数据、模型、智能体与持续服务的组合。关键不在于发布了多少智能体，而在于这些能力能否在具体业务中持续运行、被客户信任，并以清晰的效果口径和责任边界完成交付。
因此，把安全能力“工厂化”“硅基化”的这条路径，目前更接近一次方向明确的试验。技术标准、数据流通规则与计费机制尚未定型，行业整体仍处在验证期。对安恒而言，这轮布局的价值需要更长的周期来检验；对整个赛道来说，AI自主浪潮既是压力来源，也是重构格局的窗口。
文：几重山月 / 数据猿
责编：凝视深空 / 数据猿
