AICon深圳站全明星讲师阵容，早鸟票8折+AI好文推荐

最近几个月，Anthropic推出的Mythos模型在全球网络安全行业引发了广泛关注，这款主打编码与智能体任务的前沿AI工具，正在重新定义网络安全领域的漏洞挖掘逻辑。

今年4月，该公司启动Project Glasswing项目，将Claude Mythos Preview作为核心能力开放给一批关键软件与基础设施合作伙伴，用于提前发现并修复底层软件中的安全漏洞。根据项目介绍，Mythos Preview是Anthropic在编码和智能体任务上能力最强的前沿模型，已经识别出大量关键基础设施中的零日漏洞，并以受控研究预览的形式向合作方开放。到了6月，Project Glasswing的合作范围进一步扩大：早期约50家合作伙伴通过该工具扫描代码库，累计发现超过1万个高危或严重安全缺陷；随后Anthropic将合作规模拓展到约150家新组织，但要求相关机构必须满足严格的安全准入标准。

就在Mythos进入更大范围试用的同时，它也很快进入了全球监管视野。6月12日，Anthropic发布声明称，美国政府基于出口管制指令，要求暂停所有外国国民访问Fable 5和Mythos 5两款模型。由于无法实时核验每个用户的国籍，Anthropic最终选择临时关闭所有用户对这两款模型的访问权限。路透社后续报道指出，这一限制与美国的国家安全担忧直接相关。不过到6月30日，美国商务部解除了对这两款模型的出口限制，不过Mythos 5在此前已经被允许优先向部分“可信”的美国本土组织开放。

从公开信息来看，Mythos的定位已经远超普通的安全工具范畴。它一方面能够帮助关键基础设施和基础软件厂商提前发现潜在漏洞，另一方面也因为其潜在的滥用风险，受到了严格的访问控制与政府监管。这意味着，AI驱动的漏洞挖掘能力，正在从传统安全厂商的专属技术能力，转变为一种需要被审慎管理的战略性资源。而这一变化，也正是国内安全厂商近期强调“打造中国人自己的Mythos”的核心背景。

在ISC.AI 2026第十四届互联网安全大会上，360集团创始人周鸿祎正式发布了AI安全“倚天屠龙”两大能力：面向漏洞自动化挖掘的智能体“图龙锋”，以及面向网络安全自动化防御的“仪天阵”。与此同时，360还联合飞腾、麒麟等信创、安全、云计算、大模型和算力领域的产业伙伴，发起了“磐石之盾”安全协作计划。

周鸿祎在会后的采访中多次谈到Mythos带来的行业震动。在他看来，Mythos的真正影响力不在于刷新了某个模型能力排行榜，而在于它将网络安全领域最稀缺、最昂贵、最依赖专家经验的漏洞发现环节，推向了自动化与规模化的落地路径。

在很长一段时间里，网络攻防的平衡建立在一个核心前提之上：高价值漏洞的获取门槛极高。攻击方即便具备相关能力，也会受到专家数量、时间成本与验证成本的限制；而防御方虽然处于被动地位，但仍可以通过监测、溯源、专家研判与补丁响应来逐步追赶攻防差距。但AI智能体的介入，正在松动这个长期存在的平衡前提。

周鸿祎进一步解释，Mythos本质上是大模型基础之上叠加智能体技术的产物。单纯的大模型能力存在稳定性不足的问题，必须依靠大模型之上的智能体 harness（也就是“缰绳系统”），才能充分释放模型的实际效用。真正的风险在于，当漏洞挖掘、漏洞验证与攻击代码生成被整合成一套自动化智能体流程后，过去依赖“天才黑客”的稀缺能力，可以被复制到多个黑客智能体中，形成批量发起攻击的规模化能力。这也是他提出“第二次单向透明”概念的由来。

第一次单向透明，是传统APT攻防中的“敌暗我明”——攻击者长期潜伏，防守方很难知晓自己被谁盯上、哪些节点已经被突破；而第二次单向透明则更像是“敌快我慢、敌众我寡”：攻击方可以利用智能体并行扫描与验证漏洞，而防守方却仍然依赖少数专家进行排队分析与研判。

虽然这个判断带有一定的发布会宣传色彩，但背后的产业逻辑值得行业认真审视：如果漏洞从稀缺资源转变为高频、低成本、可规模化生产的资源，那么网络安全行业长期以来的产品形态、服务模式与成本结构，都将受到根本性的冲击。

因此，360此次发布“图龙锋”与“仪天阵”，并非简单打造一款安全大模型，而是试图将自身积累多年的安全能力迁移到智能体架构之中。根据360披露的信息，“图龙锋”面向漏洞发现与风险前置环节，目前已经累计挖掘漏洞3432个，其中105个高价值漏洞获得监管机构确认，多个漏洞被国家漏洞库定义为高危漏洞，覆盖开源代码、操作系统、办公软件、AI智能体平台等多个场景。360将“图龙锋”定位为中国版的Mythos，目标是将漏洞挖掘从专家驱动模式，转变为智能体驱动模式。

而“仪天阵”则面向安全运营与自动化防御场景，能够基于真实的网络环境自主规划任务、研判告警并联动处置。与“图龙锋”负责主动发现漏洞不同，“仪天阵”更接近一套自动化安全运营系统，旨在解决当攻击数量、频率与自动化程度上升后，传统人工值守、安全专家排队分析、工单式处置已经无法跟上攻防节奏的痛点。这两大能力共同构成了360“倚天屠龙”的核心逻辑：一端是主动发现漏洞，另一端是自动化防御响应，前者解决“自己的漏洞自己先发现”的问题，后者解决“发现漏洞后能否快速自动化响应”的问题。

这也恰好解释了360在AI时代的生态定位。作为一家传统安全厂商，360并非一家专注于打造最强基础模型的公司。周鸿祎在群访中也承认，国内打造中国版Mythos不能照搬美国的路线，国产基础模型在底层能力上与最顶尖的国际模型仍存在一定差距，但通过智能体打造更强的harness平台，可以充分发挥现有模型的效用。换句话说，360选择的并非纯模型路线，而是聚焦于安全场景的工程化智能体路线。

这一区别至关重要。以OpenAI、Anthropic为代表的通用模型公司，是从通用模型能力外溢进入安全领域：当编码能力得到增强后，模型自然具备了代码理解、漏洞发现与补丁生成的能力。而360这类传统安全厂商，则是从安全场景反向拥抱模型技术：拥有漏洞库、攻防知识、政企安全运营经验与关键基础设施客户资源，但需要通过智能体将这些资产重新组织整合起来。这也是周鸿祎反复强调“不能简单照搬国外‘大力出奇迹’路线”的核心原因。

在算力与模型能力不占绝对优势的情况下，国内安全厂商更现实的路径，是将基础模型、安全专家经验、漏洞知识库、工具链与客户现场数据，整合成一套可控、可审计、可协同的智能体系统。这一路线听起来不如“打造最强基础模型”那样具有吸引力，但对于政企安全场景而言，反而更具现实可行性。

企业安全并非一个单纯依赖模型能力的任务。漏洞挖掘需要代码、二进制文件、依赖库、运行环境、历史漏洞知识与验证环境；而安全运营则需要资产画像、网络拓扑、日志数据、告警规则、处置权限与业务优先级。模型只是整个安全体系中的一个“大脑”，真正决定落地效果的，是配套的工具、数据、权限与流程。

周鸿祎在群访中谈到智能体安全时，给出了一个极具代表性的判断：“智能体最大的安全问题，我认为是不确定性问题。”他认为，智能体不能再被简单视为普通的软件工具，而更像是“一个新的物种”。传统软件的代码是固定写死的，行为相对可预测；但开放式推理智能体可以自行规划路径、调用工具、安装技能并调整策略。对于个人用户而言，这可能意味着智能体越用越聪明；但对于企业而言，这意味着一个功能会自我变化、拥有极高权限、行为难以预测的系统进入了内部网络。他还打了一个形象的比喻：如果一个智能体“为了达到目的不择手段，可以使用任何工具，并且需要所有的权限”，就像“一个不守规则又被赋予无限权限的员工”，将其引入企业内部必然会引发安全问题。

这也解释了为什么360在打造安全智能体时，不仅追求更强的能力，同时也强调“可管理性”。周鸿祎将智能体分为两类：一类是按照预先设定的有限步骤、企业认定的流程、指定的工具与技能工作的“工作流型智能体”；另一类是给定目标后自行寻找路径的开放式推理智能体。他认为，后者可以在受限环境中使用，但如果在企业内网中不加限制地任意使用，“必然会带来不安全的问题”。这其实也是企业智能体落地的核心矛盾：越开放，能力越强；能力越强，越不可控。而对于安全行业而言，这一矛盾更加尖锐：安全智能体既需要拥有足够的权限去扫描、验证与处置问题，又必须被严格约束，避免越权操作、误删误封、误报漏报，甚至被外部诱导利用。因此，周鸿祎提到的隔离机制、虚拟机环境、云上办公室、工具与技能审批等措施，本质上都是安全智能体的运行边界。智能体不能像普通个人工具一样直接放入企业内网随意运行，而必须被放置在可隔离、可审计、可回滚的受控环境中。

这种对可控性的重视，也体现在Token成本的管理上。过去一年，很多企业内部都经历过“人人用AI、人人烧Token”的阶段，但单纯消耗Token并不等于直接提升生产力。周鸿祎在采访中提到，360内部也经历了两个阶段：最初为了让员工养成使用AI的习惯，可以先关注Token的消耗量；但当员工普遍开始使用AI后，就必须转而关注Token的消耗效率。他表示：“消耗Token并不可怕，消耗1亿个Token总要说明做了什么——要么提交了代码，要么产出了产品方案，要么完成了一份精美的PPT设计，或者开发了一个Agent，必须将Token消耗与实际产出结合起来看待。”这一观点同样适用于安全智能体场景：开放式智能体之所以能力强大，是因为它可以反复推理、拆解任务、尝试各种路径与工具，但这也意味着更高的成本与更高的不确定性。周鸿祎提到，360在纳米WORK项目中没有简单沿用开放式Agent模式，原因有两个：一是安全不确定性过高，二是Token消耗过于浪费，“基本做一个PPT就要消耗上亿Token”。这并非单纯吐槽某一款产品，而是指向一个更底层的行业问题：在智能体时代，企业真正需要的不一定是最自由的Agent，而是能够融入业务流程、可控执行、成本可算、结果可验的Agent。安全场景尤其如此，因为漏洞挖掘、防御处置与关键基础设施保护，都不能依赖一个“聪明但不可预测”的系统自由发挥。

从这个角度来看，“磐石之盾”安全协作计划是360此次发布中最值得关注的内容。该计划率先向信创企业与关键基础设施单位开放相关能力，根据公开信息，统信、麒麟、山石网科、海光、飞腾、金蝶、壁仞、移动云、宝兰德、达梦等企业成为首批加入的成员。周鸿祎在群访中表示，美国推出Glasswing项目，是因为关键基础设施与基础软件需要先自行修复内部漏洞；中国借鉴这一做法，邀请软件、硬件、芯片、操作系统、数据库等国产信创关键厂商使用“中国版Mythos”，帮助其挖掘自身的安全漏洞。这也说明，“图龙锋”的首批应用场景并非完全开放，而是聚焦于产业链内部的受控协作。这一点至关重要：AI漏洞挖掘能力天然具有双重用途，既可以帮助防守方提前发现并修补漏洞，也可能被攻击方用来批量寻找目标。周鸿祎也承认，如果这类技术大面积向所有用户开放，攻击行为会变得“平民化”“普及化”，甚至可能引发大规模的网络安全风暴。因此，360明确表示，相关能力将通过授权认证的方式，提供给ToB合作伙伴以及芯片、服务器、数据库、操作系统等重点产业链企业与关键基础设施厂商使用，而非完全自由开放。换言之，中国版Mythos面临的挑战，不仅在于“有没有”，还包括“给谁用、怎么用、谁来审计、出了问题谁负责”。这也是AI安全能力走向产业化时，无法绕开的治理问题。

更进一步来看，360的布局也折射出传统网络安全公司在AI时代面临的整体转型命题。周鸿祎在群访中有一句非常尖锐的话：“如果网络安全厂商自己不进化，不利用智能体技术提升自动化漏洞挖掘与自动防御的能力，传统网络安全厂商会被大模型厂商无情地干掉，干掉你的往往不是同行。”他举了一个口香糖的例子：口香糖过去在超市收银台销量很好，是因为人们结账找零钱时会顺手买一包；但移动支付普及后，找零钱的场景消失了，口香糖的销量也受到了直接影响。或许这个类比并不严谨，但它提醒了一个真实的行业风险：传统安全厂商未必会被另一家安全厂商替代，反而可能被模型公司、云平台、开发工具与智能体平台从场景入口处截流。例如，如果AI Coding工具能够在代码编写阶段就完成安全审计与漏洞修复，那么传统代码审计、安全测试与漏洞扫描的价值链将会前移；如果云厂商将AI安全检测嵌入CI/CD流程、云原生平台与运行时环境，那么传统的盒子式安全产品将会被边缘化；如果大模型厂商能够为每个开发者配备一个“专属安全专家”，那么安全能力将会成为编码工具的内置功能，而非需要单独采购的产品。这也是360此次强调“AI+安全”战略的核心原因。周鸿祎在采访中表示，360的公开战略就是AI+安全，如果传统安全业务不通过AI进行赋能，“再去做传统安全已经没有任何意义”。在他看来，360的传统安全能力最终会被改造为两件核心事：自动化漏洞挖掘与自动化网络防御。这句话其实比“发布中国版Mythos”更能体现360的战略变化。过去的360，入口是安全卫士、浏览器、杀毒软件与企业安全产品；而现在，它正试图将这些软件能力拆解为智能体可调用的工具，将安全专家的经验转化为可复用的技能，将安全运营系统转变为智能体可以执行的任务流。

但这条转型之路并不轻松。周鸿祎在群访中谈到企业智能体落地时表示，很多公司的员工都在使用Claude Code，虽然消耗了大量Token，个人的代码提交量也有所增加，但整个组织的效率并没有得到提升。问题的核心在于，AI只是提升了单点的工作效率，但组织架构、岗位定义与业务流程并没有随之改变，就像“把最先进的发动机装在了马车上”。这也是安全行业必须面对的现实：仅仅将一个漏洞挖掘Agent接入原有流程，并不会自动实现“自动驾驶式安全”。如果漏洞发现的速度提升了100倍，但漏洞验证、优先级排序、责任归属、补丁开发、灰度发布、业务回滚等环节仍然停留在旧流程中，那么防守方只会被更多的告警与漏洞报告淹没。Anthropic对Mythos的描述也印证了这一点：当模型能够发现大量漏洞后，新的瓶颈会转向漏洞验证、漏洞披露与补丁修复环节。对于360而言，“图龙锋”解决的是漏洞发现侧的问题，“仪天阵”解决的是安全运营侧的问题，但二者之间还需要与企业的研发流程、IT资产管理、补丁管理、应急响应体系进行深度打通。这才是从产品发布走向行业落地的真正难点。

AI解决了旧的安全问题，但也制造了新的挑战。网络安全行业仍然需要继续“推石头”，只是这一次，推动的“石头”已经变成了智能体。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。