独家 | 从最佳论文到 AI 安全护城河，Virtue AI 被 Meta 收购背后的故事

在上个月的上，我"门"很开心邀请到 UIUC 计算机系副教授、Virtue AI 创始人 & CEO李博老师，分享了她从学术界到下场创业的经历和感受。不久前，Virtue AI的三位联合创始人及核心团队成员宣布加入 Meta Superintelligence Labs。

借此好消息官宣之际，我们再一次邀请李博老师返场，顺着上次闭门会那些意犹未尽的线索，深入聊一聊从创立 Virtue AI到最终选择置身于Meta “超级智能”风暴眼的背后故事。‍

✍️作者：将门编辑部

抉择：要“独立标签”，还是“最大化长期影响”？

去年 4 月，Virtue AI 官宣了 3000 万美元的种子轮与 A 轮融资，粮草充足，发展势头强劲。在过去的一年多里，团队不仅赢得了众多 Fortune 500 企业的信任，为其提供 AI 系统保护，还与多家前沿模型实验室达成了深度合作，进行先进模型与 AI Agent 的安全评估和红队测试。在这个看似“前途无量、正待独立做大”的节点选择加入 Meta MSL，外界不免好奇其背后的考量。对此，李博老师坦言，加入Meta 的决定恰恰是在公司发展非常顺利时做出的。

在与真实客户的碰撞中，Virtue AI 团队敏锐地捕捉到了一个明确的趋势：AI 正在从“模型时代”大步迈入“Agent 时代”，并向着更加通用、强大的智能系统演进。这意味着，AI 安全的重要性正在发生质变。过去，安全防护的重点在于保护单一模型；而未来，行业需要保护的是一个能够长期运行、自主调用工具、访问敏感数据甚至多 Agent 协同的复杂系统。这种量级的安全，仅靠外围修补已是杯水车薪，必须从模型训练、系统设计、运行时保护到治理，形成一套完整的内生体系。

与此同时，Meta 正倾注全力建设“超级智能”，这是当下最具挑战性的技术方向之一。对于深耕 AI 安全研究超过 15 年的李博老师及其团队而言，这是一个将多年研究成果真正植入下一代 AI 基础设施的绝佳契机。

在面临“保持独立商业化”与“加入巨头”的抉择时，创始团队并没有经历外界想象中“拍案而起”的纠结。一直以来，李博老师创立 Virtue AI的初衷都是希望不仅保护已经部署的 AI，更希望帮助未来更强大的 AI 从设计之初就更加安全、更加值得信任。李博老师表示：

创业从来不仅仅是为了维持一种组织形式，“独立”本身也不是最终目的。团队内部经过长期讨论，核心议题只有一个：在哪个平台，能够对 AI 安全产生最大的长期影响？因此，我们希望通过MSL更大的平台把可信AI agents 带给更多人。 基于大家十几年来做 AI 安全研究形成的共同价值观，我们达成了高度共识：如果未来 AI 的能力持续快速提升，安全基础设施的重要性只会呈指数级增长。如果有机会参与构建下一代 AI 安全体系，让未来的强大 AI 从设计之初就更加安全可信，我们愿意去承担这样的责任。

Virtue AI team hosted the first AI security focused conference CTRL + AI in 2026

至于大家好奇的，此次采取的保留部分知识产权和客户、核心团队整体加入的“人才吸纳（Acqui-hire）”模式，李博老师则解释道，这其实已经是如今硅谷颇为标准的合作方式（如早前的 Dreamer、Groq 等），双方的诉求在这一框架下得到了很好的契合。

最近这一年，我们看到很多耀眼的明星初创公司最终以不同的形式汇入了科技巨头的版图，不免会猜测这是否意味着在算力和数据的双重壁垒下，属于AI创业公司“大江大海”的时代已经结束了？寻求巨头并购已成为了当前环境下最现实、甚至是最优的退出路径？对于这样的焦虑，李博老师认为还是要具体问题具体分析。她认为，AI 创业的机会实际上比过去更多，只是要求团队必须找到真正不可替代的价值。基础模型固然向巨头集中，但在 Agent AI 安全、AI 基础设施、评测、治理以及企业级 AI 应用等生态领域，仍有巨大的创新空间和机会。无论是走向 IPO 还是被大型研究机构吸纳，没有哪种路径是天然绝对正确的，关键在于创始人和团队的使命在哪个平台上能释放出最大的影响力。

蜕变：从学术象牙塔的“优雅理论”到下场创业的“脏活累活”

从 UIUC 习惯了发表顶会论文的教授，转身成为对交付版本负责的初创公司 CEO，李博老师在过去一年经历了深刻的“变形记”。

学术界与工业界之间往往存在着一道鸿沟：在实验室里，研究者更关注算法是否具备创新性；但真正下场创业后，李博老师发现，最棘手的往往是那些“写不进论文里的脏活累活” — 如何保证系统每天稳定运行、如何让客户顺利部署、如何处理海量的工程细节（如数据治理、Infra 搭建、监控、CI/CD、部署、性能优化等）。

“这些工作也许不会出现在论文标题里，但它们往往决定了一项技术能否真正落地、真正解决客户的问题。”李博老师总结道，“创业带给我的收获之一，就是更加尊重完整的工程体系。从算法到系统、从产品到部署、从可靠性到用户体验，每一个环节都至关重要。

在商业化落地层面，Virtue AI 成功打破了“安全产品卖不上价”的行业魔咒，拿下了OpenAI, Zoom, Microsoft, Salesforce, Uber 等标杆客户。在李博老师看来，传统的网络安全往往被企业视作“减少损失”的成本项，而 AI 安全则是在“创造价值”。

今天，企业最大的痛点不是“一个模型回答错了一句话”，而是“我到底敢不敢把 AI 放进生产环境”。如果没有坚实的安全底座，企业绝不敢开放内部知识库，不敢让 Agent 调用 ERP，更不敢允许 AI 自动执行核心流程。因此，AI 安全实际上是在大幅降低企业的采用门槛，让他们能够更快速、更大胆地拥抱 AI。李博老师和团队越来越倾向于将AI 安全定位为“AI 采用的赋能者（AI Adoption Enabler）”，而不仅仅是“风险缓解工具（Risk Mitigation）”。

至于如何将硬核的学术论文转化为资本和市场买单的商业故事，李博老师笑称这里面“没有什么魔法”。Virtue AI 跑通早期 MVP 并迅速拿下 3000 万美元融资的关键，就在于“始终和客户站在一起做产品”。

团队最初的一篇大模型安全方向的paper 获得了NeurIPS best paper award & National security agency best scientific paper award，吸引了投资人与潜在客户的目光；在后续深入的交流中，大家共同的痛点就自然而然地促成了商业合作。李博老师深有感触地说：“最好的研究往往源于真实世界的问题，并不是在实验室想到的，而是真实客户每天都会遇到的问题。解决这些问题的过程又反哺回了我们的研究方向，这个过程非常有意思和enjoyable。”

Best paper award for the paper DecodingTrust

探路：Agent 时代的内部叛变与动态评测

随着大模型向自主 Agent 演进，AI 安全技术也步入了深水区。面对能够自主思考、甚至可能绕过护栏调用工具的 Agent，“防系统本身”成了新的技术高地。李博老师指出，未来的 AI 安全评估必须发生范式转移：从传统的“考答案（静态单一 Benchmark）”转向“考行为”。

因为 Agent 的风险不再仅仅来源于一句不当的回答，而是潜伏在一个完整的任务执行链条中。未来的安全评测不仅需要能持续生成新的环境、新工具和新攻击方式，还必须有能力在长时间、多轮交互、多工具协作的场景下观察 Agent 的行为表现。系统是否具备恢复能力、是否能果断拒绝危险操作，将比单一的“任务成功率”更为重要。“安全评测会越来越像一个持续运行的自动驾驶测试场，而不是一次静态的期末考试。”李博老师形容道。

近期，李博老师团队发布的 DecodingTrust for Agent (https://decodingtrust-agent.com) 正是第一个真正提供了真实世界环境和red teaming agent的平台来测试agents，欢迎大家来测试与提建议！

在这个多 Agent 互相协作、长时记忆并能访问企业核心数据的时代，安全问题已经从 NLP（自然语言处理）问题升级为系统级安全问题。李博老师认为，未来不再存在“万能的单一Guardrail”，而是需要模型层、Prompt 层、工具层、记忆层、网络层以及 Runtime Layer 共同构建的多层纵深防护体系。

展望：产学研的共生与“守门人”的未来

面对顶尖学者纷纷涌入大厂引发的“大学计算机系快被薅秃了”的调侃，李博老师显得十分坦然。她认为这是一种正常的行业趋势，因为很多 AI 难题的破解本身就需要依赖真实的系统、海量的算力、庞大的部署规模和真实的数据，而这些正是工业界的优势所在。

但这并不意味着学术界将失去创新力。李博老师强调，那些着眼于长期的核心问题——如价值对齐 (Alignment)、安全理论基础、系统鲁棒性以及可验证 AI 等，依然离不开学术界的持续深耕。“我反而期待看到更多产学界的深度协作 (Academic-Industry Collaboration)，大家都在解决同一个难题，只是切入的视角不同。”

对于那些手握顶会论文、正跃跃欲试想要投身创业的研究员们，作为“过来人”的李博老师给出了四条最实在的避坑建议：

1. 切忌为了创业而创业，必须要瞄准并解决一个真实存在的痛点。 2. 永远不要低估工程的重要性，让客户甘愿花钱买单的往往是完整的产品体验，而非单纯的论文算法。 3. 尽早接触客户，与其在实验室里闭门造车，不如让客户在几个月内直接告诉你答案。 4. 不要给自己设限，不要认为做研究就离商业很远。如今的优秀 VC 和创业者对技术有着极深的理解，关键在于你是否有能力把技术的商业价值讲透彻。

Fireside Chat with Bo Li at Harvard AI Summit 2025

谈及加入 Meta MSL 后的下一步规划，李博老师的目标仍非常清晰：继续深耕 AI 安全。她将把精力倾注于下一代 AI Agent、基础模型以及未来更强大 AI 系统的安全、评估与治理上。

“过去几年，我们一直在研究如何让 AI 更值得信任；未来，我希望能把这些研究真正融入到全球数十亿用户日常使用的 AI 系统中。” 同时，李博老师也承诺将继续保持与学术界的紧密联系，培养优秀的 PhD 学生，推动开源研究，与整个 AI 安全社区并肩前行。

“我始终相信，AI 能否真正改变世界，不仅取决于它有多聪明，更取决于它是否足够安全、可靠且值得信任。我们希望构建能够被社会放心使用的 AI 系统的长期目标，从未改变。” 李博老师坚定地说。

-The End-

立足全球视野，深耕学术沃土，五位青年教授的线上闭门交流

北京时间7月15日(周三) 晚20:00截止报名

详情点击图片跳转

本周上新！

扫码观看！

“AI技术流”原创投稿计划

TechBeat是由将门创投建立的AI学习社区（www.techbeat.net）。社区上线700+期talk视频，3000+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。

投稿内容

// 最新技术解读/系统性知识分享 //

// 前沿资讯解说/心得经历讲述 //

投稿须知

稿件需要为原创文章，并标明作者信息。

我们会选择部分在深度技术解析及科研心得方向，对用户启发更大的文章，做原创性内容奖励

投稿方式

发送邮件到

yimingzhang@thejiangmen.com

或添加工作人员微信（aceyiming）投稿，沟通投稿详情

关于我“门”

将门是一家以专注于数智核心科技领域的新型创投机构，也是北京市标杆型孵化器。 公司致力于通过连接技术与商业，发掘和培育具有全球影响力的科技创新企业，推动企业创新发展与产业升级。

将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”:

bp@thejiangmen.com

点击右上角，把文章分享到朋友圈