越界从理论变成可观测的现实
2026 年，AI 模型的安全风险第一次以可观测的形式出现在公开记录里。今年 4 月，Anthropic 向部分网络安全合作伙伴开放 Mythos Preview 测试，结果显示该模型具备极强的漏洞发现与利用能力，Anthropic 因此没有向公众开放，而是把访问权限限制在少数网络安全和云基础设施企业。OpenAI 随后披露，其模型在内部网络安全评估中突破了原本用于隔离互联网的控制措施，利用共享基础设施漏洞获得网络访问权限，最终触及 Hugging Face 等第三方系统，OpenAI 随后引入 CrowdStrike 等外部机构参与调查与验证。
英国 AI 安全研究所的测试进一步显示，AI 代理已经能够在真实环境中采取未经授权的行动，该机构称这是首次如此清晰地观察到与 AI 自主性和欺骗行为相关的风险。需要说明的是，这类测试通常处于特定的评估环境，并不意味着类似行为已经普遍出现在公开部署的 AI 系统中。真正值得企业关注的是，AI 正在降低网络攻击的门槛，模型可以自动寻找漏洞、生成攻击代码并执行重复性任务，使部分原本需要专业人员完成的攻击流程进一步自动化。
安全预算随攻击面同步放大
企业安全决策已经反映出这一变化。波士顿咨询集团的调查显示，2025 年有 80% 的受访 CISO 将 AI 攻击列为严重或关键问题，比 2024 年提升 19 个百分点，AI 攻击在 CISO 关注的安全问题中从第五位升至首位。IBM 的调查显示，在了解前沿模型的网络攻击能力后，85% 的组织计划增加安全支出，高于 2025 年的 64%。
市场研究机构 Gartner 预计，专门用于保护 AI 系统的安全支出将从 2026 年的约 28 亿美元增至 2028 年的近 77 亿美元，年复合增速接近 65%。这条曲线的含义是，AI 能力越强、企业赋予模型的权限越高，潜在攻击面就越大，网络安全正在成为 AI 时代的重要二阶受益方向。
Gartner 同时给出了自己的限定：主要受益者将是能够保护 AI 专有接口的厂商，而不是整个网络安全行业平均受益。提示注入防御、访问控制工具和智能体编排安全更可能吃到增量，传统边界防护类工具的受益程度有限。
需要警惕的推论偏差
把这份预测直接套到整个网络安全板块，会高估其含义。更值得关注的信号来自 OpenAI 的应对方式：Greg Brockman 在 9 月中旬宣布的全面软件审计，以及 Sam Altman 此前关于放缓 AI 发展的表态，说明即便是最领先的 AI 公司，也已经把 AI 驱动的安全风险当成战略级问题，而不是技术附注。这一步的意义在于，问题从工程层面上升到高管与声誉层面，而历史上，这往往也是监管注意力开始跟进的阶段。
参考来源：新浪财经 https://finance.sina.com.cn/stock/t/2026-09-17/doc-iniscqxz3665817.shtml
粤公网安备44130202001736号