网络安全行业长期习惯用“发现—告警—处置”描述自己的价值链：终端、身份、云、邮件和网络设备不断产生遥测数据，安全产品从中寻找异常，再由分析师登录不同控制台确认风险、创建工单、推动修复。
这个流程的根本假设是，机器负责产生信号，人负责理解信号和串联动作。但当攻击者与防守者都开始部署可以自主规划、调用工具和执行多步任务的 AI Agent，这套分工正在失效。
Insight Partners 在近期发布的文章《The Next Stack: The future of AI in cybersecurity》中提出一个值得重视的判断：网络安全不会只是给现有产品增加一个聊天框，而会跟随更广泛的 AI 产业，从“软件自动化”进入“劳动力自动化”。未来的安全团队不再只是管理一组工具，而是管理一组可以持续工作的 Agent。
这意味着，网络安全的下一轮洗牌不会首先发生在模型参数上，而会发生在入口、数据、权限和控制点上。
漏洞窗口从“天”缩短到“机器周期”
过去，企业在漏洞披露后通常还有一个以天甚至月计算的响应窗口。安全团队可以等待厂商公告、评估资产暴露、安排补丁窗口，再分批完成修复。现在，这个节奏越来越不现实。
Insight 援引 Zero Day Clock 等数据称，漏洞被利用的时间可能早于公开披露，部分统计口径下的平均“披露到利用时间”甚至已经成为负数。这里需要强调：不同数据集对零日漏洞、利用事件和披露时间的定义并不一致，不能把某一个百分比机械地套用到所有企业。但方向非常清楚——漏洞信息、PoC、资产扫描与攻击代码之间的转换成本正在被模型迅速压低。
AI 能阅读补丁差异、定位可疑代码、生成测试样例、搜索暴露资产，并把多个原本需要专家参与的步骤串成工作流。攻击者因此可以更快地把“一个技术线索”变成“可规模执行的攻击路径”。防守方若仍依赖工单、人工切换控制台和跨部门排期，就会在节奏上天然落后。
这也是“机器速度安全”真正的含义：不是让模型写一段更漂亮的告警摘要，而是让发现、验证、优先级判断、隔离、修复和复盘形成可以自动运行的闭环。
三股力量正在同时挤压传统安全软件
第一股力量：安全团队开始自己制造 Agent
低代码、自然语言编程和通用 Agent 框架降低了内部工具的开发门槛。Insight 提到，他们接触的一位副 CISO 已经同时使用五个全天候工作的 Agent。无论这个个案能否代表整个行业，它都说明了一种新的采购心理正在形成：如果一个产品功能只是把已有数据重新整理、生成报告或触发固定动作，企业为什么不能自己做？
过去，安全厂商可以把几十个边缘功能打包进平台，以“功能完整度”构建竞争力。现在，企业能够通过模型、API 和内部上下文快速拼装定制工作流，一些过去需要购买的软件功能会变成可以被临时生成的能力。
但这不意味着企业会“自己写一个 CrowdStrike”。终端检测、身份认证、证书基础设施、云工作负载保护等产品，需要深度部署、持续遥测、全球威胁情报和对生产环境的可靠控制。这里的价值不是一个页面或一个工作流，而是长期嵌入环境形成的控制权、数据网络效应和信任。
AI 最先压缩的，将是那些离真实控制点较远、主要依靠展示、汇总和人工流程搬运创造价值的产品。
第二股力量：API正在取代界面
“API is the UI”正在从一句产品口号变成企业软件的新现实。
当 Agent 可以读取数据、调用工具、执行动作并回传结果，用户就不需要为了完成一次调查，分别登录终端安全、云安全、身份、漏洞管理和工单系统。原本由人完成的“切换页面—复制信息—判断下一步—点击按钮”，会被机器调用替代。
Insight 在文章中提到 Notion 安全团队内部构建的 Scruff Agent：它能够通过 API 和 MCP 拉取多个安全系统的数据并执行事件调查。这个案例最重要的部分，不是某个 Agent 的名字，而是工作入口发生了迁移——安全产品仍在提供遥测和控制能力，但分析师不再直接使用它们的浏览器界面。
一旦大量产品转向无界面运行，安全行业会出现一个新的入口争夺战：谁来承载安全团队最终看到的上下文？谁来决定 Agent 可以调用哪些工具？谁来记录决策、处理异常并向人类解释系统刚刚做了什么？
控制台不会完全消失，但几十个彼此割裂的控制台可能会收敛为一个管理界面。
第三股力量：前沿模型正在向安全领域下沉
Anthropic、OpenAI、Google 等前沿模型公司既是安全创业公司的基础设施供应商，也可能成为它们最直接的竞争者。
这种竞争有两条路径。一条是模型公司直接发布代码安全、漏洞发现、威胁分析等垂直能力；另一条更加隐蔽：通用模型不断增强工具调用、长上下文和自主执行能力，使企业内部团队能够更容易地搭建定制安全应用。
当模型成为安全人员的主要工作入口，部分安全软件可能退化为数据接口和动作执行器。平台型厂商则会通过 Agent Builder、插件市场和预置连接器，把这种趋势吸收到自己的生态中。
因此，未来安全公司的竞争对象不再只是同类厂商。它们还要回答一个更尖锐的问题：如果下一代通用模型已经能够完成这项分析或生成这条工作流，客户为什么还需要单独购买你？
下一代安全栈：数据层、管理层与控制层
Insight 将未来的安全架构拆成三个平面。这个框架的价值，在于它把“AI安全产品”从模糊概念还原成了明确的权力结构。
数据层：谁提供可信、可调用的上下文
数据层负责存储、清洗和分析与安全运营有关的数据。它既包括安全数据管道和数据湖，也包括资产、身份、漏洞、配置、威胁情报和业务上下文之间的关联。
在 Agent 时代，数据层的要求远高于“把日志放到一个地方”。Agent 需要知道一个身份属于谁、一台资产承载什么业务、某个漏洞是否暴露在公网、一次处置是否会影响生产。缺少这些上下文，模型只会更快地产生更多不可靠动作。
大型数据湖大概率仍由成熟平台占据，但连接 Agent 与底层数据之间的“数据垫片”会成为创业机会：快速解析异构遥测、建立统一语义、控制数据权限，并向 Agent 提供低延迟、可追溯的查询接口。
谁掌握高质量安全上下文，谁就不只是存储供应商，而可能成为整个 Agent 系统的记忆层。
管理层：下一代安全入口的真正战场
管理层负责编排、汇报和治理。安全运营团队将在这里创建、管理和监督不同 Agent，维护共享上下文，并把企业政策、风险偏好和监管要求转化为可执行规则。
这一层最可能发生剧烈创新，因为它尚未被任何一家厂商完全锁定。传统 SIEM、SOAR、安全 Copilot、通用桌面 Agent 和云平台都可能争夺这个位置。
真正有价值的管理层不会只是“一个可以聊天的安全控制台”。它必须解决五个更困难的问题：
- 身份：每个 Agent 是谁，以谁的名义行动？
- 权限：它在什么条件下可以读取、修改、隔离或删除？
- 编排：多个 Agent 发生冲突时，谁拥有最终决策权？
- 审计：每一次结论和动作能否追溯到数据、策略和模型版本？
- 恢复：错误动作发生后，系统能否暂停、回滚并安全降级？
这五个问题决定管理层究竟是一个演示产品，还是能够进入生产环境的基础设施。
控制层：最难被“生成式软件”取代的地方
控制层位于安全体系最前线，包括 EDR、身份提供商、邮件安全、CNAPP、防火墙、证书和密钥基础设施等。它们负责持续产生遥测，也拥有阻断连接、冻结身份、隔离主机和撤销凭证等真实动作能力。
这一层的界面会弱化，但控制权不会消失。相反，当上层 Agent 能够更频繁地调用动作时，控制层的可靠性、细粒度权限和开放接口会变得更加重要。
未来的赢家未必是拥有最多菜单的安全平台，而是能够同时做到两件事的厂商：在关键环境中保持不可替代的控制点，并让自己的能力可以被各种 Agent 安全调用。
安全团队会从“分析员”变成“Agent工程与治理团队”
AI 对安全岗位的影响，不能简单理解为减少多少分析师。
告警分类、威胁报告摘要、访问审查等重复且分析密集的任务会率先自动化。随后，架构审查、威胁狩猎、攻击面验证和红队测试也会逐步交给 Agent。人的工作将向三类高价值活动迁移：定义策略、训练系统和处理例外。
安全人员需要理解模型为什么得出结论，知道何时允许系统自主行动，也要在自动化失效时接管现场。SOC 团队因此会越来越像一支内部 Agent 工程团队，而 CISO 则要同时管理人类、模型、权限和数字劳动力的行为边界。
这个变化也会抬高人才门槛。会使用安全产品不再足够，团队还需要数据工程、模型评估、Agent 编排、权限治理和软件交付能力。过去负责“操作工具”的岗位，会被重新设计成“塑造安全系统行为”的岗位。
创业公司的机会，不在给旧产品加一个聊天框
AI 安全创业公司可以从三层栈中找到不同机会，但每一层的护城河并不相同。
在控制层，机会来自新的环境和新的控制点。例如 Agent 身份、MCP 工具权限、模型运行时、机器凭证以及自主软件供应链，都需要新的检测和执行能力。创业公司必须证明自己掌握了足够深的技术与遥测，而不仅是包装一个模型接口。
在数据层，机会来自数据管道、语义统一、低延迟检索和私有上下文。数据湖本身未必容易撼动，但让安全数据真正可被 Agent 理解和安全使用，仍有大量基础设施空白。
在管理层，机会最大，风险也最高。编排、评估、可观测、策略执行和人机协同都会产生新公司。但通用模型、云平台和大型安全厂商都在争夺这一入口，单一工作流很容易被平台功能吸收。
因此，创业公司需要建立超越功能的护城河：跨客户积累的数据网络效应、难以复制的领域知识、进入关键流程后的信任，以及能够在多平台之间工作的中立位置。
不能忽略：防守方的 Agent 本身也会成为攻击面
让安全系统获得自主性，也意味着它可能被利用。
如果一个 Agent 能够读取邮件、查询身份系统、调用云平台并隔离终端，那么提示注入、恶意上下文、被污染的工具描述和过宽权限都可能被放大成真实安全事件。Agent 越能完成复杂任务，攻击者越有动力操纵它的计划过程。
下一代安全栈必须默认模型会犯错、工具会返回恶意数据、连接器会失效，甚至多个 Agent 会得出相互矛盾的结论。最成熟的系统不会追求无限自主，而会根据动作风险设置不同级别的授权：读取可以自动，修改需要策略验证，高影响动作需要人类批准，所有过程必须留下可复现的证据链。
这也是为什么身份、策略、审计和回滚可能比“模型更聪明”更有商业价值。企业购买的不是一个永不出错的 Agent，而是一套在 Agent 出错时仍不会失控的系统。
中国市场会形成不同版本的“下一代安全栈”
在中国企业环境中，数据合规、私有部署、供应链可控和本地基础设施会对架构产生更强影响。通用前沿模型可能承担复杂推理和少量高价值任务，小模型、开源模型与规则系统则负责大量本地、低延迟和可审计的执行。
这为本地厂商提供了机会：围绕中文安全语料、国内云与终端生态、等保和行业监管要求，建立更贴近企业现场的上下文和执行能力。但“国产模型”本身不是护城河。真正的差异仍然来自数据质量、控制点覆盖、权限体系和与既有安全设施的深度集成。
对国内创业公司来说，最值得警惕的是把海外产品的聊天界面复制一遍。企业需要的不是另一个可以回答安全问题的机器人，而是一套能在本地环境中持续运行、证明自己做了什么，并对错误负责的生产系统。
结语：界面会消失，控制权会升值
AI Agent 不会让网络安全软件消失，但会重新定义什么值得被称为“产品”。
当工作流可以生成、界面可以定制、报告可以由模型自动完成，功能数量不再等于价值。真正稀缺的将是高质量数据、不可替代的控制点、机器身份、可信编排和企业愿意交付生产权限的品牌。
安全行业过去十年不断增加控制台；下一个十年，可能是在减少控制台，同时增加数字执行者。最终胜出的公司，不是最早把 AI 写进产品介绍的公司，而是最先回答清楚三个问题的公司：Agent 从哪里获得可信上下文？它凭什么获得行动权限？当它做错时，谁能阻止并恢复系统？
控制台消失之后，谁能回答这三个问题，谁就可能掌握下一代网络安全的入口。