Glow 走出隐身模式并完成 1.8 亿美元 A 轮融资估值 12 亿美元：当 AI 智能体与影子工具入侵终端，前 Meta 高管如何重塑企业安全防线

在生成式 AI 与 AI Agent（智能体）以前所未有的速度接管企业员工电脑、自动编写代码与接入内部 API 的今天，传统企业网络安全的底座正经历着一场前所未有的剧烈震荡。

过去十年，企业安全团队将绝大部分注意力集中在云端（Cloud Security）与 SaaS 软件的防护上。然而，随着开发者与员工大量在个人笔记本与工作终端上安装如 Claude Code、Cursor、自定义 AI Agent 以及第三方开源依赖包，终端设备（Endpoint）瞬间沦为企业最脆弱且最盲目的防御死角。攻击者利用 AI 自动化生成免杀恶意软件、发起精准钓鱼甚至自动化利用漏洞（如 Anthropic 发布的 Mythos 模型所展现的惊人能力），使得传统依靠“事后检测”（EDR）的终端安全产品捉襟见肘。

为了在 AI 时代从源头重构终端安全防线，由前 Meta 与 Snowflake 顶级高管联合创立的网络安全超级独家兽 Glow 于 2026 年 7 月 22 日宣布正式走出隐身模式（Stealth Mode）。

公司同时宣布完成了高达 1.8 亿美元（约合 13.1 亿元人民币）的超大规模 A 轮融资，投后估值一举冲破 12 亿美元（约合 87 亿元人民币），直接跻身全球最年轻的网络安全独角兽阵营。

本轮融资由全球顶级 VC Sequoia Capital（红杉资本）、Cyberstarts、Greenoaks Capital 与 Redpoint Ventures 联合领投，Index Ventures、Swish Ventures、Lux Capital、Operator Collective 及 Holly Ventures 共同参与。在未公开披露营收指标前即获得如此天价估值，彰显了硅谷与全球资本对 Glow 突破性技术路径的强烈震撼。

前 Meta 与 Snowflake 全明星天团：为何顶级 CISO 与 VC 抢着为他们下注

解构 Glow 在隐身模式下即收获 12 亿美元估值的秘密，首先要看其堪称网络安全界“梦之队”的创始人阵容。

Glow 的联合创始人兼首席执行官 Roi Tiger 曾担任 Meta（原 Facebook）工程副总裁，长期领导 Meta 核心基础设施与工程团队。在 Meta 期间，他亲历了数万名工程师如何在终端设备上快速引入 AI 辅助工具，并深刻洞察到传统安全软件在面对高动态 AI 工作流时的彻底瘫痪。

为了打造下一代终端防护，Tiger 组建了一支极其强悍的联合创始人团队：

• Omer Singer：前 Snowflake 细胞级数据安全与安全策略全局负责人；
• Ophir Arie：前 Claroty（工控网络安全巨头）研发副总裁；
• Arnon Joseph：前 Meta 资深工程领袖；
• Emily Heath（首席运营官 COO）：网络安全界的传奇高管，曾任联合航空（United Airlines）与 DocuSign 的 CISO（首席信息安全官）。更引人瞩目的是，她曾作为 Cyberstarts 投资合伙人，全程担任 Wiz（近期被谷歌拟以 320 亿巨资收购的云安全独角兽）的董事会成员。

“过去十年，全行业的安全预算都跟随着工作负载涌向了云端和 SaaS。然而突然之间，AI 以一种前所未见的方式重新降临到了终端设备上。”Roi Tiger 在接受 TechCrunch 专访时表示。“员工和开发者正在自己的设备上自由运行各种 AI 智能体和开源组件，传统 EDR 工具根本看不见这些智能体在干什么。这开辟了一个全新的防护战场。”

正是这种集结了 Meta 大规模工程基因、Snowflake 数据安全视野与 Wiz 商业运营经验的全明星阵容，让红杉资本与 Cyberstarts 在 Glow 还在隐身研发阶段时便毫不犹豫砸下重金。

Glow AI 原生终端安全平台解构：从“事后检测”到“AI 智能体事前拦截”

传统的终端安全防护（EDR/XDR，如 CrowdStrike Falcon、SentinelOne 或 Microsoft Defender）的核心逻辑建立在“事后响应”上：当恶意软件在终端执行、产生异常进程或文件变动时，系统触发告警并隔离终端。

然而，在 AI 时代，这种逻辑宣告失效——一个被赋予终端权限的 AI Agent 可能会在几秒钟内自动下载并执行一个带有后门的 npm 依赖包，或者在背景静默向外传输敏感代码。等到 EDR 察觉进程异常时，数据已被窃取。

Glow 打破了这一旧范式，打造了全球首款 AI 原生的“事前预防与防线管控”终端安全平台。

1. 专门设计的 AI 智能体实时映射终端生态

Glow 平台在员工终端（笔记本、工作站、服务器）上部署了极轻量级的安全 Agent，并与部署在云端的专用 AI 智能体深度协同。

• 全景软件与 AI 工具拓扑映射：系统能够实时、连续地映射每台终端设备上正在运行的软件组件、开发者工具、AI 插件以及后端 AI Agent 的行为轨迹。
• 上下文感知风险评估：通过接入部署在 Amazon Bedrock 上的 Anthropic Claude 与 Google Gemini 大模型，Glow 建立了自己的上下文增强层（Context Layer），赋予 AI 大模型对企业特定安全策略的深刻理解，避免误报。

2. 事前拦截危险 AI 行为与影子工具

• 阻止恶意依赖包安装：在实际客户部署中，Glow 平台已成功拦截了 AI Agent 试图从公共仓库拉取并安装带有恶意代码的 npm 依赖包。
• 治理“影子 AI（Shadow AI）”：自动识别员工设备上未受管控的自建 AI Agent 或过度授权的 AI 扩展，阻止其越权访问敏感本地文件。
• EDR 防护状态实时修复：实时监测终端上传统 EDR 工具是否失效、被恶意降级或缺少关键组件，并自动修复防护状态。

3. 企业级万台设备无感部署

虽然刚刚走出隐身模式，Glow 已经在美国医疗健康、零售及金融服务领域的头部企业中完成了数万台设备的实景部署。其平台不仅提供了前所未有的终端可见性，更在不干扰开发者正常写代码的前提下，建立了极高强度的安全合规红线。

AI 时代的终端安全危机：CrowdStrike 们未能解决的千亿新战场

Glow 的火速崛起，精准击中了企业在 AI 大潮下最深层的安全焦虑。

AI 时代终端安全的四大新毒瘤

• AI 智能体（AI Agents）越权失控：企业员工与程序员大量使用具备自主执行能力的 AI Agent。这些 Agent 拥有读取本地文件、执行终端命令及发起网络请求的权限，一旦被注入恶意提示词（Prompt Injection），极易成为攻击者横向渗透的绝佳跳板。
• 影子开发者工具与供应链污染：AI 辅助编程工具（如 CoPilot、Cursor）在生成代码时，常常推荐已被黑客投毒的开源第三方软件包（如 npm、PyPI 包）。传统安全工具无法识别 AI 在背后自动调用的这些组件。
• AI 驱动的高级免杀攻击：攻击者利用如 Anthropic 曝光的 Mythos 等具备极高漏洞利用能力的大模型，能够针对目标企业定制极难被传统特征码识别的免杀木马。
• 终端与云端安全断层：大部分企业的云安全（CSPM）与终端安全（EDR）处于割裂状态，缺乏能够贯通 AI 智能体从终端到云端数据流的统一管控平台。

千亿终端安全市场的二次洗牌

根据 Gartner 与 IDC 数据，全球终端安全（Endpoint Security）市场规模在 2024 年已达到 220 亿美元，并预计以 14.2% 的 CAGR 在 2030 年突破 480 亿美元。

• 然而，在这个由 CrowdStrike（市值超 800 亿）、Microsoft、SentinelOne 和 Palo Alto Networks 统治的市场中，绝大多数产品都是在“前 AI 时代”架构起来的。
• 市场急需一种全新的、专门针对“AI 工具与 AI Agent 风险”的终端防御品类。Glow 正是以 12 亿美元的极高估值，抢先定义了这一全新的 AI 原生终端安全（AI-Native Endpoint Security） 赛道。

竞品格局与独家竞争壁垒

在面对 CrowdStrike 等传统 EDR 巨头与 Emerging AI 安全创企的竞争中，Glow 凭借其独特的架构与团队背景，构建了极深的防御护城河。

与市场上主要终端安全方案的深度对比

构筑三大独家竞争壁垒

• 定义 AI 原生终端安全品类：Glow 是全球首个将“企业终端上 AI Agent 及开发者工具治理”作为核心功能的平台，占据了极强的品牌先发优势。
• 上下文增强的大模型风险推理：通过在 Amazon Bedrock 上自研企业上下文增强层，Glow 解决了大模型在安全场景下“幻觉”与误报多的难题，建立了算法壁垒。
• 顶级 CISO 客户网络与信任背书：得益于 Emily Heath 及 Cyberstarts 庞大的全球 CISO 顾问网络，Glow 在隐身阶段便完成了 Fortune 500 强企业的部署验证，形成了同类创企无法企及的商业粘性。

资本背后的投资逻辑：为何 Sequoia 与 Cyberstarts 愿意给予 12 亿美元高估值？

本轮 1.8 亿美元 A 轮融资由 Sequoia Capital、Cyberstarts、Greenoaks Capital 与 Redpoint Ventures 联合领投，这几乎代表了硅谷与全球网络安全投资领域的“最高规格礼遇”。

Cyberstarts 创始人 Gili Raanan（曾最早主导投资了 Wiz、Armis、Noname 等多家百亿安全独角兽）对 Glow 的团队给予了极高评价：“当企业迈入 AI 时代，传统的终端防护边界已经彻底碎裂。Roi Tiger 和他的团队拥有罕见的架构视野，能够打造出一种兼具深度可见性与极致易用性的 AI 原生终端平台。Glow 将重塑企业安全防线。”

红杉资本合伙人也指出：“Glow 在隐身模式下展现出的商业吸引力与产品成熟度令人印象深刻。他们不仅解决了一家大型企业 CISO 最头疼的‘影子 AI’与终端风险问题，更在定义一个全新的千亿级市场。”

拥有 1.8 亿美元的充沛现金流，Glow 将在全球范围内发起大规模的研发与市场扩张，吸引全球顶尖的安全研究员与 AI 工程师加入。

资金用途与未来 12-18 个月路线图

站在 12 亿美元估值的新起点上，Glow 制定了极为激进的全球扩展路线图：

1. 全球研发与 AI 算法团队扩充（50%）

将目前近 100 人的团队扩大一倍，重点招募位于以色列特拉维夫与美国帕洛阿尔托的顶级安全研究员、大模型工程专家与系统底层开发者。

2. 深化与全球主流 AI 模型及云平台的集成（30%）

进一步拓展与 Anthropic、Google Cloud、AWS 以及 OpenAI 的技术合作，增强平台对最新代 AI Agent（如自主代码智能体）的动态行为审计能力。

3. 全球商业化与 Fortune 500 强客户拓展（20%）

组建位于北美与欧洲的企服销售与客户成功团队，推动 Glow 平台在金融、医疗、科技及零售大客户中的大规模部署，目标在 18 个月内覆盖数百万台企业终端。

终局面临的三大核心风险与挑战

尽管拥有最顶级的团队与资本天花板，Glow 在接下来的独角兽征程中仍需跨越三重严峻考验：

1. 传统终端安全巨头（CrowdStrike / Microsoft）的反击

CrowdStrike 与 Microsoft 拥有庞大的客户端安装基数与销售渠道。一旦这些巨头在其既有 Agent 中迅速跟进 AI 智能体监控功能，Glow 需要保持极高的技术领先差距。

2. 大模型推理成本与高并发实时性

在数万台终端设备上进行高频的 AI 行为映射与大模型风险推理，会产生高昂的 API 调用与云计算成本。如何持续优化推理成本、保证终端告警的毫秒级实时性，是工程上的大考。

3. 客户隐私保护与终端监控的边界

在映射员工设备上的 AI 工具与代码依赖时，如何确保不侵犯员工个人隐私、严格符合 GDPR 及 CCPA 合规要求，需要 Glow 在产品设计上保持高度审慎。

AI 大航海时代的终端守门人：Glow 能否复制 Wiz 的百亿独角兽传奇？

网络安全历史反复证明：每一次重大技术范式的转移（从本地机房到云端、从 PC 到移动端、从传统代码到生成式 AI），都会孕育出全新的百亿美元级基础设施巨头。正如 Wiz 抓住云安全（CNAPP）风口创造了 320 亿美元的收购传奇一样，Glow 正站在 AI 重塑终端安全的风口浪尖。

通过将前 Meta 的工程基因、Snowflake 的数据洞察与 Wiz 级别的商业推力融合，Glow 不仅仅推出了一款优秀的网络安全产品，更是在尝试为 AI 时代的每一个企业终端建立一套全新的信任与预防机制。随着 1.8 亿美元新资本的注入与隐身模式的解封，Glow 正在向着成为 AI 时代终端安全绝对领主的目标加速狂飙。