西湖论剑十四年，安恒信息这次想讲的，不只是产品

“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