AI

深入洞察市场脉搏,精选高价值分析报告

代理网络如何构建 – Melody Koh – Ground Truth AI
May 18, 2026

代理网络如何构建 – Melody Koh – Ground Truth

为什么现有企业会因收费而自我淘汰 来源: https://melodykoh.substack.com/p/how-the-agent-web-gets-built AI 代理正在成为新的发现层,凌驾于 Booking.com、LinkedIn 以及当前掌控消费者需求的平台之上。酒店业花了十五年试图实现的结构性转变,如今任何拥有正确基础设施的初创公司都能做到。哪些类别能奏效,哪些会一触即溃,都写在现有企业眼下最激烈的防御动作中。 上周在旧金山我们(NextView)举办的欢乐时光活动中,我与 Gondola 的一位联合创始人叙旧。Gondola 是我们投资组合中的一家公司,是一家消费者旅游初创企业。他们的卖点很简单:搜索酒店,比较各大连锁品牌的现金和积分价格,一键预订,并像直接在万豪或希尔顿预订一样获得忠诚度积分。 我在自己的工作和生活中大量使用 AI 代理,包括一个个人旅行规划项目,我试图让一个代理比较奖励日历并监控价格。我很快就放弃了尝试,因为旅游网站是消费者互联网上封锁最严密的:机器人检测、指纹检查、会话令牌、验证码墙。 所以我非常好奇 Gondola 是如何做到的。 他描述了消费者界面之下的东西,称之为“后台的一整套架构”。结果在 Gondola 的 MCP 上公开可见:每次预订都直接到达酒店(万豪、希尔顿、凯悦、洲际、雅高、温德姆),保留会员价、忠诚度积分累积、会员等级晚数和信用卡奖励。产品是一键式消费者体验;下面的一切都保持隐形。 那次对话提出的问题不是他们如何做到的。而是:为什么一家消费者旅游初创公司必须构建如此庞大的基础设施,仅仅是为了实现一个预订流程? 底层框架 十年前,Ben Thompson 命名了互联网时代的结构性规则:聚合器掌控需求。一旦数字分发变得免费,竞争就转向了谁控制消费者界面。赢家(谷歌掌控内容,Booking.com 掌控酒店房间,OpenTable 掌控餐厅座位,LinkedIn 掌控职业身份)都遵循相同的模式。他们捕获了需求;供应商按照聚合器的条件进入平台。 Thompson 在 2019 年更新了该理论,承认了一个盲点:在供应集中的地方,聚合器无法将其商品化。在供应分散的地方(酒店、餐厅、个人专业人士),他们可以。 这个框架同样适用于内容、网络和交易市场。2026 年的新情况是,AI 代理正在成为下一个需求侧层。当你的代理搜索酒店时,这个代理就是新的 Booking.com。问题是,在这场新游戏中,哪些席位仍然开放。 酒店无法独自做到的事 以住宿为例。酒店花了十五年试图摆脱 Booking.com 和 Expedia。2016 年,希尔顿推出了其 97 年来最大的营销活动“Stop Clicking Around”。万豪在前一年的九月推出了“It Pays to Book Direct”。各大连锁品牌都为绕过 OTA 的忠诚度会员提供独家更低价格。 这些活动在结构上失败了。从 […]

摩擦点:什么可能减缓AI火箭飞船的速度? AI
May 18, 2026

摩擦点:什么可能减缓AI火箭飞船的速度?

放缓还很遥远,但以下是需要关注的重点 来源:https://investinginai.substack.com/p/friction-points-what-could-slow-the 周日愉快,欢迎来到《投资AI》。如果你是新读者,请查看我们的播客——AI in NYC show,我们会在其中讨论本周AI新闻,并采访在纽约从事AI工作的嘉宾。你也可以访问Neurometric——我经营的公司,它利用SLM和其他优化技术,通过收取固定费用提供无限量token使用,从而降低你的AI成本。我们承担token风险并围绕它进行工程优化,这样你就能获得稳定的账单,比使用前沿实验室AI低90%。 永续增长的神话 每个技术时代都会产生自己看似违背重力的图表。1996年是互联网主机数量。2010年是智能手机出货量。如今是每季度处理的token数量和前沿模型的参数规模,两者都以似乎旨在嘲笑收益递减这一概念的趋势向上弯曲。主流叙事——更多算力带来更好性能,进而带来更多采用,从而证明更多算力的合理性——已成为硅谷的信条,被反复重复,足以冒充分析。 但每一条指数曲线最终都只是S曲线的左下段。有趣的问题不是AI增长是否会放缓,而是拐点在哪里,以及是什么导致了它。预测崩盘是容易的工作;明确那些在某个时刻会将指数级进步转化为线性进步的摩擦点,则更困难也更有用。 两个结构性天花板值得关注。两者都与数据或芯片耗尽无关。它们都关乎智能在边际上的单位经济性。 经济天花板:Token与劳动力 今天AI采用的最深层引擎是套利。美国一名熟练的知识工作者,全部成本约为每小时100美元以上。一百万token的前沿模型推理只需几美元。只要这些token能以合理的保真度替代一部分人类工时,这个差价就巨大,经济逻辑不言自明。 这个差值让采用看起来像是必然。但必然性假设这个差值会持续。它不必如此。 相关变量不是算力的绝对成本。而是下一个单位精度的边际成本。任何任务的前80%都很便宜。接下来的15%更贵。最后的5%——让模型足够可靠、无需人工检查即可部署的部分——是算力成本膨胀、劳动力节省缩水的地方。在某个阈值,获取下一个百分点精度所需的算力成本,超过了它所能替代的劳动力价值。 采用不会在那个点停止。它只是停止加速。前沿模型持续改进,但边际用户没有经济理由升级。我们以前见过这种模式:智能手机每年仍在变快,但大多数人不再注意到。 杰文斯悖论常被引用于此,它只说对了一半。更便宜的token确实会推动更多使用,就像更便宜的煤炭推动了更多蒸汽机。但杰文斯假设基础资源有无限的生产性用途。AI的生产性用途受到杰文斯无需应对的因素限制:输出接收端人类的认知带宽。存在一个饱和点,超过它后更多token不会产生更多价值,因为没有人能足够快地阅读、行动或信任它们以产生影响。 信任天花板:验证鸿沟 第二个摩擦更有趣,因为它是结构性的而非经济性的。 假设明天一个前沿模型生成了一个50页的证明,解决了一个此前未解决的数学猜想。地球上大概有100位数学家有能力验证它。他们的时间有限。即使能达成共识,也需要数年时间。在此期间,这个证明价值几何? 这就是专业验证鸿沟,它出现在模型输出超出用户评估能力的任何地方。生成性任务——起草邮件、写诗、总结会议——基本避开了这个问题,因为用户就是评判者。输出的价值就是用户认为它是什么。基于真相的任务则不同。当模型提出一个承重结构设计、一个肿瘤治疗方案、或一个百万行代码库的非明显重构时,用户不是评判者。用户是一个他们无法独立审计的逻辑链的旁观者。 不可验证效用的部署天花板远低于生成它的技术天花板。我们生产无法信任的输出的速度,快于我们建立所需机构——审计者、形式化验证工具、监管体制——来认证它们的速度。在高风险领域,没有验证的能力不是可部署的能力。它是负债。 人在回路中的瓶颈 这两个天花板汇聚在同一个地方。AI今天的价值与人类监督紧密相连:开发者审查生成的代码,放射科医生确认标记的扫描结果,分析师检查预测的合理性。这种监督的吞吐量决定了部署,而不是模型的吞吐量。 如果模型能力扩展10倍,而人类验证能力只扩展1.2倍,那么每个新能力增益的风险调整后回报就会缩小。超过某个点,没有更多监督的更多能力会产生负期望值,因为未检测错误的尾部风险增长快于平均收益。这种不对称是问题所在:在医疗、金融或基础设施领域,一千个正确输出无法弥补一个错误输出。 这就是为什么未来几年最重要的AI投资可能根本不在生成领域。它们将集中在自动验证——形式化方法、可解释性工具、对抗性评估、运行时监控、大规模模型评分判断——这些将原始能力转化为可信赖效用的不起眼基础设施。这比听起来更难。在许多领域,验证智能至少与产生智能一样困难。我们正在押注,产生不可验证输出的同类系统可以被释放出来验证它,而这个赌注的结构就像让狐狸去审计鸡舍。 新常态 当放缓来临时,它不会是技术失败。它将是市场达到其当前形态所能吸收的边界。能力将继续增长。约束将从供给转向吸收——人类、机构和验证系统代谢模型产出的速度。 我们正在离开所谓的AI魔法阶段,在这个阶段,每个新能力都像是不需要工程部署的礼物,并进入维护阶段。工作从制作下一个演示转向构建无聊的脚手架,让上一个演示在大规模下值得信赖。 对投资者来说,这不是坏消息。只是不同的消息。AI价值创造的未来十年可能更多属于那些构建将模型输出转化为可审计、可部署、可保险产品的乏味机制的人,而非训练最大模型的人。火箭飞船没有耗尽燃料。它正在接近飞行中你开始注意到空气阻力的阶段。 感谢阅读。

推理的一阶导数 | Tomasz Tunguz AI
May 18, 2026

推理的一阶导数 | Tomasz Tunguz

人工智能和软件领域增长最快的公司都有一个共同点。它们要么直接销售 AI,要么转售推理能力。最不济,也是推理的一阶导数。 Source: https://www.tomtunguz.com/first-derivative-of-inference/ 人工智能和软件领域增长最快的公司,要么直接销售 AI,要么转售推理能力。最不济,它们也是推理的一阶导数。 推理是当今科技领域最大且增长最快的市场,已经超越了数据库市场,预计七年内规模将达到其三倍,即 2500 亿美元。1, 2 通过销售推理能力或将业务与之挂钩,这些公司实现了惊人的增长率。 Anthropic 已连续两个月实现 90 亿和 100 亿美元的预订收入。3 Google Cloud 以 800 亿美元的年化营收计算,增长率达 63%。4 大多数销售推理能力的公司都在爆发式增长。 对于在 AI 时代之前就已存在的公有软件和基础设施公司而言,目前有两个突出代表:Twilio 和 Datadog。 这两家公司都受益于作为推理的一阶导数。它们并非主要销售推理能力,但任何构建 AI 系统的公司都需要了解其性能表现,而涉及语音的智能体公司则使用 Twilio。 “发送到我们 LLM 可观测性产品的 spans 数量环比增长了近三倍。”——Datadog CEO Olivier Pomel,2026 财年第一季度财报电话会议 由于 AI 的惊人增长,市场呈现出巨大的幂律动态。 “我们现在有超过 600 家客户为我们的一个或多个 AI 集成发送数据。虽然这仅占客户总数的 20%,但他们贡献了约 80% 的 ARR。”——Datadog CEO […]

AI 分发的架构 AI
May 18, 2026

AI 分发的架构

作者/日期:Jarrod Dicker,2026-05-12 广告技术的未来不取决于谁拥有 AI,而取决于谁的智能能随着每次广告活动、工作流程和结果而不断进化。 市场目前过度聚焦于 AI 界面。每个平台都有副驾驶(copilot)、助手或代理层。但界面正在迅速商品化。真正的差异化正在更底层发生——在上下文层(context layer)。 当智能能够跨工作流持久存在时,AI 分发才真正变得有价值。如果一个平台拥有身份数据、行为信号、广告活动历史、工作流交互和结果数据,系统就会随着每次交互而复合增长。规划改善激活,激活改善优化,优化改善未来的推荐。智能变得更加敏锐,因为反馈循环始终留在平台内部。 没有这一层,大多数 AI 系统就变成了薄薄的编排层——通用的副驾驶和可替换的代理。它们可以自动化任务,但无法发展机构记忆或复合优势,因为它们不拥有驱动决策的底层上下文。 这就是为什么广告技术中最强的 AI 定位是围绕专有数据环境和持久身份系统形成的,而不仅仅是界面。Meta 正在通过 Advantage+ 推动越来越自动化的广告活动系统。Google 正在将 AI 更深入地嵌入媒体购买和搜索工作流中。Amazon 和零售媒体平台正在将商业信号直接连接到激活环节。共同点不是界面本身,而是对其底层数据和反馈循环的所有权。 这种转变很重要,因为 AI 正在向执行层靠近。智能不再局限于报告仪表板或规划工具。它正在直接嵌入创意生成、受众构建、媒体激活、优化和衡量系统中。智能嵌入得越深,持久性和记忆就变得越有价值。 在 AI 时代,没有专有上下文的分发本质上只是用户体验。护城河来自于拥有其底层的智能层——连接身份、行为、工作流和结果的持久系统。赢得竞争的平台将拥有每个营销决策所依赖的智能层。

从”记录系统”到”智能系统” AI
May 18, 2026

从”记录系统”到”智能系统”

位于数据库之上、并日益将数据库视为基础设施的推理层,正是新一代公司正在构建的地方。 来源:https://www.a16z.news/p/from-system-of-record-to-system-of 昨天我们听到了Seema Amble的《软件正在失去”大脑”吗?》,今天我们将继续同一话题,带来Gio、Steph和Alex的这篇文章。祝阅读愉快。- AD 以下是思考记录系统粘性的一种方式: 很长一段时间里,社交媒体业务中最有价值的部分是好友关系图。当你当年打开Facebook时,你与之互动的是人们的个人主页,而跨个人主页的数据关系图则是一项强大且持久的资产。很难预见什么能够颠覆如此明显的网络效应。 然后,信息流出现了。信息流给了我们一个新的去处:”这里是你今天需要了解的内容;这里是你跟进和采取行动的地方,一切尽在掌握。” 起初,这只是好友关系图的一个补充层,但随着时间的推移,关系图变成了”众多输入之一”,服务于为你推送相关内容的算法。虽然它从未消失,但它已不再是重要的那一层——算法才是,而各种信息都会输入其中。可以说,你的社交资料、帖子和点赞主要在”内部API层”被消费;信息流则是它的消费者。 我们认为,这种情况正在企业中最”难以被颠覆”的部分之一——CRM——中发生。CRM不会消失,就像好友关系图从未消失一样——但它正在变成一种输入;众多输入之一,输入到我们用来完成工作的智能系统中。 在全国各地的公司里,典型的客户经理现在早上打开笔记本电脑,会发现有一小批他从未参与编程的软件代理在等着他——一个研究代理,会在当天第一次会议前梳理10-K文件和最近的财报电话会议;一个拨号器,会在通话中实时指导他如何应对异议;一个编排层,会监听他的通话并自动将结构化笔记写回CRM,而他无需动手。这些单独来看,都不算惊天动地。但综合起来,你会意识到这是什么:这就是信息流。它现在是真正有价值的东西。 毫无疑问:拥有记录系统在过去二十年里一直是市场推广软件的成功之道。它粘性高、有价值、难以离开。我们无法想象这些SoR领域的现有巨头会很快消失:Salesforce和HubSpot仍然掌握着行业内一些最有价值的数据集,它们已经意识到这一点的重要性,并迅速推出了以API为先的产品,将AI功能纳入自己的体系。 但我们认为,这一幕我们似曾相识。在未来十年,你希望拥有的是从记录系统中提取信息、成为用户获取上下文和采取行动的一站式平台、并将SoR转变为主要在API层消费的智能系统。位于数据库之上、并日益将数据库视为基础设施的推理层,正是新一代公司正在构建的地方,也是未来十年GTM软件大部分企业价值最终会归属的地方。 过去三十年里,软件公司推出了数量惊人的产品来帮助企业进行自我管理。成千上万的公司成立,旨在帮助销售人员销售;但几乎所有价值最终都集中在两个名字上:Salesforce(目前估值约1400亿美元)和HubSpot(估值约90亿美元)。正如那句老话所说,“一等奖是凯迪拉克,二等奖是一套牛排刀。” 业内所有人都早已明白,原因很简单:Salesforce和HubSpot拥有数据库。而数据库是所有价值所在。每一次通话记录、每一个定价先例、每一个联系人、每一条关于交易为何停滞的零散观察,都被输入到系统中,而离开它的成本变得极其高昂。一旦那个数据库积累了数年的运营上下文,切换成本就会变得足够高,正如我们的同事Alex Rampell所说,用户变成了“人质,而非客户。” Salesforce AppExchange上的每个应用和HubSpot Marketplace中的每个工具,实际上都在为接入别人的数据库而支付”租金”。 然后,Salesforce和HubSpot会做每个时代每个主导平台所有者都会做的事:向外扩张。它们添加营销、服务、分析和商务等功能:每个新模块都建立在相同的数据主干上,并进一步提高了任何离开决策的成本。 Jason ✨👾SaaStr.Ai✨ Lemkin @jasonlk传统软件公司的商业模式是否因AI代理不需要席位而永久衰退? 两个例子: 关于@Salesforce,我们已将席位从10多个减少到2个人类席位和1个API席位。然而,我们现在每年支付22,000美元,比之前的12,000美元上涨了83%。为什么?我们的Jason ✨👾SaaStr.Ai✨ Lemkin @jasonlk这是ServiceNow和Salesforce真正为其客户群部署和拥有代理架构的机会。这正是他们的客户想要的。这也是我们想要的,在Salesforce之上运行20多个代理。 挑战在于初创公司和其他公司行动更快3:36 PM · 2026年4月26日 · 132K次查看46条回复 · 24次转发 · 281个赞 我们从GTM调查中得出的一个反直觉发现是,自AI工具开始大规模采用以来,CRM的使用率实际上有所上升。那些监听通话并将结构化笔记写回系统的代理,暂时给了销售代表重新查阅CRM的新理由,因为其中的数据变得比以往丰富得多。 AI代理代表销售代表并与他们并肩工作,正在接管GTM工作流程中稳步扩大的份额。有时,销售代表直接指示代理:研究这个客户,起草这个外呼序列,筛选这些入站线索,在通话后更新这个交易记录。有时,代理在后台工作,监听会议录音并自动将结构化字段写回CRM。 而代理不需要拖放式的管道视图。它需要的是可以低摩擦读写的数据。从代理的角度来看,CRM就是一个数据库。一个由可信供应商托管、拥有出色集成能力和十年积累客户信任的、经过精心策划的大型数据库;但无论如何,它只是一个数据库。其上的主观工作流程逐渐变成了遗留家具——有点像你Facebook个人主页上精心设计的UI;曾经至关重要,现在却成了事后才想起的东西。 在软件时代,企业软件的引力来自数据积累:也就是说,每一条有价值的销售上下文都必须存在于一个地方,因为处理该上下文的人类一次只能查看一个地方。但在AI时代,引力将来自编排。AI代理可以毫不费力地从CRM、日历、共享收件箱、通话录音、Slack、数据丰富API、计费系统和产品遥测中同时提取数十个信号。它也能在采取任何行动之前,轻松地综合所有这些信息。 系统集成即软件 系统集成即软件 Kabir Nagrecha 阅读全文 Workday的最后一天? Workday的最后一天? Joe Schmidt IV 阅读全文 切换成本也随之转移。”我们所有的客户数据都在Salesforce中”变成了”我们所有的工作流程、推理、积累的机构上下文都存在于我们的AI层中。” […]

Clouded Judgement 5.14.26 – 真正的应用商店机遇 AI
May 18, 2026

Clouded Judgement 5.14.26 – 真正的应用商店机遇

每周我将提供云软件公司最新趋势的更新。 Source: https://cloudedjudgement.substack.com/p/clouded-judgement-51426-the-real Clouded Judgement 5.15.26 – 真正的应用商店机遇 Jamin Ball 每周我将提供云软件公司最新趋势的更新。关注我,保持信息同步! 真正的应用商店机遇 去年十月,我写了一篇文章,称 OpenAI 在发布 Apps SDK 后迎来了他们的“应用商店”时刻。7 个月后,这一预测看起来并不乐观……我认为我们并未看到自定义 ChatGPT 应用的爆发。ChatGPT 尚未成为“超级应用”。希望有一天它能实现! 我认为 Anthropic 可能正在经历另一个“应用商店”时刻。但——这更像是一个 B2B 应用商店时刻,而非 B2C 应用。过去几个月,我观察到 Claude 中“技能”(skills)的大规模采用。技能本质上是一个 AI 代理的“入门文档”——一个指令文件夹(通常只是一个 markdown 文件),Claude 仅在任务需要时才会调用它。公司里的任何人都可以在一个下午内编写一个技能,这就是为什么我认为其分发动态看起来不像消费者应用商店,而更像是自下而上传播的内部工具。在我们自己的公司,我们已经看到大量技能被创建并与团队分享。 真正改变我看法的是 /skill-creator 这个“技能”。构建技能(也许技能是代理的新名称??)来自动化我日常工作中的实际部分变得非常容易。我构建技能时最大的挑战是创意方面的。我知道有 10 倍以上的方式可以使用/构建技能,但我并不总是知道从何入手。因此,我与同事、其他从事类似工作的朋友讨论,试图探索其他人如何利用技能,以便我能做类似的事情。 “应用商店”时刻尚未到来,但我认为我们已接近了。今天,我们可以在组织内部共享技能。但我们还不能在外部共享它们。而且,没有很好的审批流程来确保构建的技能遵循所有安全/合规协议。Anthropic 有自己的预构建技能集(包括来自 Notion、Figma、Atlassian 等合作伙伴的技能),但这些由他们管理(即不是一个市场)。本周我见了一家软件供应商,他们有一些现成的“技能”(界面是他们自己的软件 UI,但他们仍将某些自动化工作流称为“技能”)。 所有这一切都是为了说明——我认为这里的趋势是一套人们可以构建然后发布到某种市场的技能。我认为今天你可以通过导出 markdown 文件并在 GitHub 上发布来做到这一点,但这感觉很不流畅。人们真正想要的是能够找到一个技能,知道它已以某种方式被 Anthropic“认可”(即通过安全审查、在 Claude 内部部署并受其治理等),并快速为其定制自己的集成/权限。 这里还有另一个角度,我认为构建 […]

AI 的公众认知问题 AI
May 12, 2026

AI 的公众认知问题

作者:Tanay Jaipuria (Wing VC) | 来源:SandHill.io #283 围绕 AI 的信息传递错在哪里,以及我们该如何修正。 AI 存在一个公众认知问题,而且关于这一点的相关数据正变得有些令人尴尬。 根据皮尤研究中心 2025 年 6 月的调查,一半的美国人对 AI 在日常生活中的应用感到担忧多于兴奋,这一比例高于 2021 年的 37%。只有大约 10% 的人感到兴奋多于担忧。去年 NBC 的一项民意调查显示,AI 的净积极看法仅为 26%,这使得该技术比 ICE(美国移民海关执法局)更不受欢迎。在过去的 18 个月中,超过 500 亿美元的数据中心项目因当地反对而被阻止或推迟。 一、 抵制浪潮的形状 人们对 AI 的恐惧主要围绕三点: 工作岗位。Dario 的“AI 可能会在 1-5 年内消除一半的入门级白领工作,并将失业率推高至 10-20%”这句话,不幸地成为了过去一年中被引用最多的 AI 名言。 数据中心和环境故事。人们将 AI 与不断上涨的电费、用水量以及家附近嘈杂的工业园区联系在一起。 对 AI 本身更广泛的恐惧。安全、儿童使用聊天机器人、深度伪造、AI 幻觉、自主性,以及更普遍的“未知”。 令人惊讶的是,尽管 ChatGPT […]

机器授权 (Permissioning Machines) AI
May 12, 2026

机器授权 (Permissioning Machines)

作者:Amir Kabir (Overlook Ventures) | 来源:SandHill.io #283 身份验证询问的是身份,而授权询问的是权限。非人类实体的授权基础设施正在成为智能体经济的先决条件。 互联网的建立是为了回答一个问题:你是谁?密码、生物识别技术、双重身份验证 (2FA)。当今世界基于过去四十年设计的安全基础设施,旨在验证请求另一端的人类。 但这个问题已经不够了。当发出请求的实体是重新平衡投资组合、购买 GPU 积分或关闭服务器的 AI 智能体时,身份这个框架完全错了。 现在重要的问题不同了:你目前允许在此时、此背景下、为此目的执行此操作吗? 身份验证 (Authentication) 询问的是身份,而授权 (Authorization) 询问的是权限。它们需要完全不同的基础设施,而我们在构建后者上几乎毫无投入。 仅从身份数据就可以看出这一差距的规模。企业环境中非人类身份(例如 AI 智能体、服务账户、自动化工作负载)的数量现在远远超过了人类用户。目前非人类身份管理市场规模为 35.9 亿美元,预计到 2034 年将达到 221.4 亿美元。超过 60% 的财富 500 强公司在生产环境中至少拥有一个 AI 智能体,高于 2023 年的不到 15%。机器已经进入系统,而管理它们的许可基础设施仍在建设中。 机器授权的架构有三个层次,目前每一个都代表一个开放的市场。 1. 非人类身份 (Non-Human Identity) 与用户名不同,机器身份植根于加密密钥和硬件级证明(例如,证明发起调用的代码的完整性,而不仅仅是其凭据)。35% 的组织实施了“身份攻击路径管理”来可视化受损的机器身份如何提升特权,而一年前这一比例为 21%。剩下的 65% 则处于盲目运行状态。 2. 动态授权 (Dynamic Authorization) 给智能体赋予静态的“管理员”权限是智能体部署的原罪。就像最近看到的一个小小的清理任务如何变成删除基础设施一样。替代架构是即时特权(Just-In-Time privilege):最小可行权限,作用域限于特定任务,完成后立即失效。智能体拥有的权力永远不会超过任务所需的权力,也永远不会超过任务所需的时间。 […]

授权访问不再是关键时刻 AI
May 12, 2026

授权访问不再是关键时刻

作者:Saaya Pal, Aqil Pasha (Jump Capital) | 来源:SandHill.io #283 访问权限仍然在配置时决定,但风险现在出现在执行期间。随着系统变得更加动态和由代理(Agent)驱动,身份安全必须从静态控制转向实时授权。 身份安全是围绕着错误的时刻建立的:在任何事情发生之前。 企业系统被设计为在任何事情发生之前决定访问权限。分配角色,授予权限,颁发凭据,系统假定该决定在很大程度上成立,仅通过定期审查或在发出风险信号后重新审视访问权限。 当主要身份是人类员工且主要控制点是登录时,这种模型是有意义的。但现在它越来越不合时宜。 身份表面增长最快的部分不是企业员工用户。它是他们下方和周围的非人类层:服务帐户、云角色、工作负载身份、OAuth 授权、API 密钥、SaaS 到 SaaS 连接、证书、机密,以及现在的代理(Agents)。这些身份的行为不像员工。它们不完全符合“入职-调岗-离职”的工作流程。它们使用令牌进行身份验证,动态承担角色,持续运行,并且通常在单个链中的多个系统中执行。 这已经足以让传统的安全堆栈不堪重负。AI 驱动的系统使得这种不匹配更加难以忽视。 Anthropic 最近发布的 Mythos 和 Project Glasswing 是正在发生变化的信号之一。头条新闻不仅仅是前沿模型可以发现更多漏洞。而是它们可以发现并利用不同类别的漏洞:深度实现错误、组合弱点以及位于企业今天依赖的许多控制点之下的多步利用链。Anthropic 表示,Mythos 已经发现了数千个高危漏洞,包括在主要操作系统和浏览器中,并自主链接了本来需要专家研究人员花费数周时间构建的利用链。 这压缩了时间并扩展了攻击路径。对身份更重要的含义是结构性的:风险越来越多地在运行时(执行期间)决定,而不是在配置访问的那一刻。 身份堆栈支离破碎,且决定得太早 企业身份堆栈不是一个单一的系统。它是一组在不同时间为不同问题甚至为不同团队构建的层: IAM 在登录时对用户进行身份验证并授予访问权限 IGA 管理审批、认证和可审计性 PAM 保护高风险凭据和特权路径 云 IAM 管理 AWS、Azure 和 GCP 内部的权限 机密和证书系统管理机器身份验证 态势、图谱和 ITDR 工具试图重建整个资产的风险 这些层中的每一层都很重要。但没有一个被设计为现代软件环境的通用运行时控制平面。这很重要,因为大多数有意义的访问决策不再是静态的。 一个工作负载可能会在某一步骤假设一个云角色,从另一个系统检索机密,调用第三方 API,写入数据库,调用内部服务,并将工作移交给另一个进程或代理。每一次跳转都会改变风险概况,并可能依赖不同的身份系统、策略模型和所有权假设。到真正发生操作时,最初的批准或权限通常很少能说明是否应该允许该操作。 这是现代身份安全的核心失败模式:授权仍然固定在身份和配置状态上,而风险是通过操作和执行上下文出现的。 可见性提高了。控制力却没有。 […]