当企业开始把代码修改、数据访问和系统操作交给 AI 智能体时，一个尴尬的空白浮出水面：安全团队能监控员工终端、能审计云上资源，却说不清一个 Claude Code 或 Cursor 智能体在会话里到底调用了什么工具、读过哪些文件、又是在谁的授权下执行了哪条命令。模型厂商提供的是能力，不是行为记录；智能体框架关心的是任务完成度，不是可审计性。于是，当智能体从“生成建议”跨入“执行操作”之后，企业安全运营里最基础的三问——它做了什么、凭什么这么做、下一次能不能拦下来——反而没有现成的基础设施可以回答。
Asymptote Labs 试图把这块空白变成一门生意。2026 年 10 月 20 日，这家总部位于纽约的公司宣布完成 550 万美元超额认购种子轮融资，由 Tower Research Ventures 领投，Lytical Ventures、1984 Ventures 和 South Park Commons 参与。公司通稿称，这笔资金将用于扩展工程、产品开发、招聘和市场化推广。与其说这是一家网络安全公司拿到了钱，不如说是一个开源项目在开发者社区里的扩散速度，让投资方相信企业级运行时控制层可以围绕它生长出来。
这个开源项目叫 Beacon。按照公司通稿的描述，它是一层 MIT 许可的遥测中间件，能捕获 Claude Code、Codex、Cursor 等 20 多种智能体框架的活动，再把这些碎片化的记录归一化成一套扩展 OpenTelemetry 标准的通用运行时数据模型。对安全团队而言，这意味着终于有一个统一的视角去看不同工具里跑过的智能体行为；对 Asymptote 而言，这意味着一个可以免费分发、快速积累采用者的入口，而真正的商业化产品——企业级检测、响应与治理平台——就建在 Beacon 之上。
| 字段 | 内容 |
|---|---|
| 公司 | Asymptote Labs |
| 轮次 | 种子轮 |
| 金额 | 550 万美元 |
| 投资方 | Tower Research Ventures（领投）、Lytical Ventures、1984 Ventures、South Park Commons |
| 总部 | 纽约市 |
| 创始人 | Justin D’Souza（联合创始人兼 CEO）、Shukan Shah（联合创始人兼 CTO） |
| 官网 | https://www.asymptotelabs.ai |
开源遥测层先解决“看见”，企业平台再解决“拦住”
Asymptote 的产品结构有一个清晰的先后逻辑：先用 Beacon 解决智能体行为的可见性，再用企业平台把可见性转化为控制力。公司通稿称，Beacon 捕获智能体活动后，将其标准化为通用运行时数据模型，并让组织保留对自身数据的控制权。对开发者来说，Beacon 还承担了另一项功能：把编码会话中的经验沉淀下来，让上一次会话里验证过的修正和调试模式不会随着会话结束而消失。
企业平台的作用则更接近传统安全运营里的检测与响应。公司通稿称，平台建立在 Beacon 之上，能够拦截实时智能体活动，在提示词和工具两个层面执行策略驱动的护栏，引导智能体远离不安全行为，并在风险动作发生前将其阻断。平台内置的检测库覆盖数据泄露、内部威胁、AI 供应链风险以及低效智能体工作流等场景。公司通稿还称，受监管企业的安全团队是 Beacon 最早且最活跃的采用者，已有安全团队在生产环境中使用 Beacon 和企业平台。
这里存在一个值得拆分的边界：记录和拦截是两种不同的能力。Unite.AI 在报道中指出，收集某个动作的记录与在该动作执行前阻止它，是两件独立的事；一个可信的安全架构需要明确哪个组件承担哪项职责。Beacon 的公开项目描述提到了会话回放、本地优先的 JSONL 记录以及显式数据目的地，这说明开源层更偏向事后可查的遥测记录。而企业平台声称的“拦截”和“阻断”，意味着它必须在智能体执行路径中占据一个控制点。公司通稿没有公布覆盖矩阵或阻断准确率基准，因此哪些动作能够被实时拦截、哪些只能在事后被观察到，以及执行路径中的控制点具体在哪里，目前都未披露。
把 20 多种智能体框架的行为压进同一套数据模型
Beacon 的技术主张并不复杂，但工程含义很重。不同的智能体框架暴露的信息结构各不相同：有的记录工具调用，有的记录审批流，有的只留下最终回复。Asymptote 的做法是让 Beacon 捕获这些活动，再归一化为扩展 OpenTelemetry 的通用运行时数据模型。公司通稿称，Beacon 覆盖 Claude Code、Codex、Cursor 以及 20 多种其他智能体框架。这一数字来自公司单方面披露，尚无独立第三方验证。
归一化的实际价值在于关联分析。一次调查可能需要把用户请求、命令执行、文件修改和审批记录串成一条完整链路，而最终回复本身无法解释这个序列。统一的事件结构让这种跨工具、跨会话的追溯成为可能。但 Unite.AI 的报道也提醒，记录的完整性仍然取决于每个具体集成的捕获能力。一个框架如果只暴露部分事件类型，Beacon 的归一化模型再统一，也无法补出缺失的原始数据。
从产业链位置看，Beacon 试图成为智能体运行时数据的事实标准。它选择扩展 OpenTelemetry，而不是另起一套协议，这降低了企业现有可观测性体系接入的门槛，也让 Beacon 的数据可以被路由到已有的安全系统。公司通稿称，开源 Beacon 提供可移植遥测，客户可以将其导入现有安全系统；托管版 Asymptote 则增加摄取、保留、搜索、检测、身份映射、策略门禁、审批和治理工作流。这种“开源数据层 + 托管控制面”的组合，与可观测性领域 Datadog 与 OpenTelemetry 的关系有结构上的相似性，但 Asymptote 目前还远未达到那个量级。
创始团队来自 Doppel，但这次要防的不再只是钓鱼域名
Asymptote 的两位联合创始人 Justin D’Souza 和 Shukan Shah 都曾在社会工程防御公司 Doppel 担任早期工程师。公司通稿称，D’Souza 在 Doppel 期间将实时机器学习检测平台从每天处理 100 万个域名扩展到超过 10 亿个域名，Shah 则主导了 SOC 工作流自动化，并开创了智能体化威胁狩猎基础设施。两人还曾任职于安全研究公司 Trail of Bits，之后加入 South Park Commons 创始人奖学金项目。
这段履历对理解 Asymptote 的产品取向有帮助。Doppel 的业务核心是检测和防御品牌冒充、钓鱼域名等社会工程威胁，本质上是在海量数据流中做实时模式识别和响应。把这种“大规模实时检测”的工程经验迁移到智能体运行时行为上，逻辑上是顺的：智能体活动同样是一连串高速产生的事件，需要在执行过程中被捕获、判断和干预。但迁移不等于复制。域名检测面对的是相对标准化的 DNS 和网页信号，而智能体行为涉及提示词、工具调用、代码修改和审批流，数据结构和语义都更复杂。
公司通稿援引 CEO Justin D’Souza 的话称：“AI agents are becoming a new operating layer inside every company, but the infrastructure to understand and control them hasn’t caught up.”他还表示，团队在 Doppel 构建智能体时亲眼看到了这个问题。这句话点出了 Asymptote 的自我定位：不是做模型安全，也不是做提示词扫描，而是做智能体在企业内部运行时的基础设施层。这个定位比单纯的“AI 安全工具”更宽，但也意味着它要同时面对安全、工程、平台和 FinOps 多个潜在买家，而每个买家的诉求并不完全一致。
GitHub 星标增长 460% 是采用信号，但不是收入证明
公司通稿称，Beacon 在 2026 年 9 月的 GitHub 星标增长超过 460%，并登上 GitHub 全球趋势仓库第三名；自 2026 年 5 月发布以来，被 Help Net Security 评为 2026 年 6 月最热开源网络安全工具之一。这些数字描绘了一个快速升温的开发者项目，但它们属于公司自报的采用信号，不能直接等同于检测有效性或经常性收入。公司未披露客户数量、合同价值或收入数据，因此商业化进展无法独立验证。
投资方对 Beacon 的开发者吸引力给出了各自的解释。Tower Research Ventures 风险投资总监 Jared Young 在公司通稿中表示：“We found the Asymptote team through Beacon, and it was immediately clear they understood the security risks of AI agents better than anyone we’d seen.”他还透露，Tower 自己的安全团队正在自有终端上测试 Beacon。1984 Ventures 创始人 Ramy Adeeb 则把 Beacon 的增长与 Cline 的开发者拉动相类比，称“As early investors in Cline, we’ve seen this kind of developer pull before.”
值得注意的是，Tower Research Ventures 的背书带有双重身份：它既是本轮领投方，又是正在评估 Beacon 的潜在用户。投资方自己的安全组织进行技术评估，与已披露的商业客户部署是两回事。Unite.AI 的报道特别指出了这一点。从投资逻辑看，Tower 作为量化交易机构的风险投资部门，对运行时行为监控的敏感度天然较高——交易系统里任何未授权的自动化行为都可能是灾难性的。这或许解释了为什么一家交易公司的风投部门会领投一个 AI 智能体遥测项目，但 Tower 的评估结果尚未公开，不能作为产品有效性的独立证据。
550 万美元种子轮，买的是“系统记录层”的入场券
Lytical Ventures 管理合伙人 Lucas Nelson 在公司通稿中给出了一个关键判断：“Every company will run multiple agent harnesses across teams and environments, yet there is still no shared telemetry layer that gives organizations a complete view of that activity. Asymptote is building that system of record.”这句话把 Asymptote 的野心从“安全工具”提升到了“系统记录层”——即智能体活动的权威数据源。如果这个判断成立，Beacon 的价值就不只限于安全团队，工程可靠性、平台治理和 AI 成本优化都可以建立在同一层数据之上。
但“系统记录层”的定位也意味着更大的竞争压力。可观测性厂商已经在扩展 OpenTelemetry 生态，安全厂商在推出 AI 安全产品，云平台在把智能体治理纳入自己的控制面。Asymptote 的差异化在于它从开源遥测层切入，而不是从某个封闭平台或单一安全产品切入。这种策略的优点是能快速积累跨工具的采用者，缺点是商业化路径更长：开源用户转化为企业付费客户的比例和速度，是种子轮之后最关键的验证指标。
550 万美元的种子轮规模，在 2026 年的 AI 基础设施赛道里不算大。它足以支撑一个小团队把 Beacon 的集成覆盖做宽、把企业平台的检测库做深，但不足以同时打多个市场。公司通稿称资金将用于扩展工程、产品开发、招聘和市场化推广，这意味着 Asymptote 需要在安全这个初始切入点上先证明付费意愿，再谈向可靠性、治理和 FinOps 的横向扩展。投后估值未披露，因此无法判断本轮稀释程度和投资方对公司的定价预期。
遥测数据本身就是新的敏感资产，治理问题绕不开
Beacon 捕获的智能体活动记录，可能包含提示词、源代码、工具输出和审批信息。这些数据一旦集中存储，本身就变成了高价值攻击目标。公司通稿强调 Beacon 让组织保留对自身数据的控制权，但“拥有数据”和“安全地管理数据”是两回事。部署 Beacon 的企业需要回答：记录存到哪里、保留多久、谁能检索、敏感内容如何脱敏或隔离。Unite.AI 的报道指出，遥测数据的价值并不消除对其访问进行治理的必要性。
Asymptote 已通过 SOC 2 Type II 合规认证，这为托管版企业平台提供了基础的合规背书。但 SOC 2 认证的是服务提供商的控制措施，不能替代客户自身的数据治理策略。对于受监管企业——公司通稿称其是 Beacon 最早且最活跃的采用者——数据驻留、访问审计和敏感信息处理是采购的前置条件，而非附加项。Asymptote 未披露其数据保留策略、脱敏能力或私有部署的具体架构，这些信息对判断其能否真正进入受监管市场至关重要。
另一个待验证的假设是拦截能力的可靠性。如果企业平台在智能体执行路径中充当控制点，那么平台本身的可用性就变成了智能体可用性的前提。当拦截服务不可用时，智能体是默认放行还是默认阻断？公司通稿没有说明故障时的行为模式。对于把智能体嵌入关键业务流程的企业来说，这个问题的答案比检测库的覆盖数量更影响采购决策。
从安全切入，但真正的天花板在安全之外
Asymptote 的叙事里有一个明显的递进：安全是起点，但不是终点。公司通稿称，随着企业部署更多 AI 智能体，共享遥测层将成为理解其行为和改进其性能的基础；同一层数据可以帮助工程团队提升可靠性、平台团队治理采用、FinOps 团队优化 AI 支出，甚至为未来更强大的自改进智能体提供数据基础。这个愿景把 Asymptote 从“AI 安全公司”重新定义为“智能体运行时基础设施公司”。
但愿景的宽度也带来了聚焦的风险。种子轮阶段的资源有限，Asymptote 需要在安全这个最痛、最愿意付费的场景里先建立不可替代性。如果企业平台的安全检测能力被证明有效，横向扩展才有基础；如果安全团队只是把 Beacon 当作一个免费的开源遥测工具，而企业平台的付费转化迟迟不启动，那么“系统记录层”的故事就还停留在投资方的话术层面。
从已披露的信息看，Asymptote 目前最扎实的资产是 Beacon 的开发者采用速度和创始团队在实时检测基础设施上的工程履历。最不确定的资产是企业平台的付费验证：没有客户名单、没有合同价值、没有定价信息，也没有检测准确率或拦截覆盖率的公开基准。550 万美元种子轮给了它一个验证窗口，但这个窗口不会太长。在 AI 智能体安全这个快速拥挤的赛道里，开源项目的星标增长可以带来关注，但只有付费客户才能带来下一轮融资的谈判筹码。
RecodeX 极客视：Asymptote Labs 的种子轮故事，本质上是一个开源遥测项目在开发者社区里跑出了速度，然后带着“系统记录层”的叙事回到企业市场。Beacon 的价值主张清晰：智能体行为需要统一的运行时数据模型，而 OpenTelemetry 的扩展路线让它在架构上有一定的中立性。但“看见”和“拦住”之间的工程鸿沟，以及开源采用者向付费客户的转化效率，才是这家公司真正的考题。550 万美元能买来集成覆盖和检测库的深度，却买不来受监管企业的信任——那需要时间、客户证据和一次次在真实生产环境里拦住不该发生的动作。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。