区块链安全赛道的叙事正在经历深层迁移。它不是从“无审计”到“有审计”的线性进步，而是从“人力驱动的周期性检查”向“机器自主的持续性验证”的范式跃迁。7月31日，由前Zellic团队创立的AI安全公司V12宣布完成1000万美元种子轮融资，由Electric Capital领投，ZachXBT、samczsun以及Walden Yan参与投资。这家公司试图回答一个尚未被充分验证的问题：如果AI不仅能辅助审计，而是能自主发现人类审计师可能遗漏的致命漏洞，产业的安全基础设施会发生什么变化。

这一设问的潜在前提是，当前的安全模型已触及人力效率的天花板。智能合约的可组合性将攻击面放大到几乎无限的程度，而顶尖审计师的供给是刚性的。V12的出现，可能标志着安全领域内部开始将AI从辅助性工具重新定义为防御架构的核心组件。但这也意味着，本次融资背后押注的并非一个优化现有流程的插件，而是一场安全责任主体从人类团队向AI系统移交的巨大实验。实验的赌注在于，在攻击者大规模采用AI之前，防御方能否先一步构建起可自主进化的数字免疫系统。

公司 V12
融资轮次 种子轮
融资金额 1000万美元
投资方 Electric Capital、ZachXBT、samczsun、Walden Yan
总部 未披露
创始人 未披露
官网 https://v12.sh/

从Zellic到V12：安全老兵的身份转换与隐性知识的工程化挑战

V12的创始团队并非首次踏入安全战场。他们此前创立的区块链安全公司Zellic，已累计完成超过1500次安全审查。这一积累构成了V12技术叙事中最坚实的逻辑底座——将大量人工审计经验转化为AI系统的训练数据和推理能力。但团队在融资声明中没有公开具体将审计师经验转化为AI训练数据的方法，这使得外界难以评估这一过程的可工程化程度。

这1500次审查所沉淀的核心资产，可能并非标准化的漏洞分类数据库，而是人类审计师在无数次代码对抗中形成的直觉、联想能力和攻击性思维。将人类审计师的经验转化为机器可学习的信号，在理论上存在多条可能路径，例如通过人类审计师的注视轨迹、决策链记录或对历史漏洞的事后标注来生成训练样本。但人工审计中大量判断属于模糊逻辑，依靠的是跨上下文的信息联想和意图推断——审计师会基于对某个模块的微妙不适感深入挖掘，这种不适感本身可能源于多年前处理过的某个边缘案例。这些能力在当前的AI训练范式中仍属于难以被结构化表示的部分。

V12需要解决的，不仅是代码语义的理解问题，更是将安全审计中那些不会写进标准检查清单的“隐性知识”外化的工程难题。如果仅以已知漏洞模式训练模型，系统可能退化为一个高速模式匹配器，而失去发现未知漏洞形态的能力。这恰恰是当前AI安全领域最核心的张力所在：训练数据的分布决定了模型的能力上限，而最具破坏性的漏洞往往位于分布之外。团队在Zellic时代积累的内部审计记录、推理笔记和漏洞复盘材料，如果被有效转化为AI的认知骨架，可能构成某种数据护城河；但如果转化过程本身存在方法论缺陷，这条护城河可能远比预期中浅。这一转化的成功与否，将是判断V12长期价值的最关键变量之一。

250万美元赏金标的：AI代理的规模化证明与单一样本的局限性

V12在此次融资公告中最引人注目的论据是一个具体、可量化的数据点：其AI安全代理自主发现了某个大型区块链上的关键漏洞，该漏洞涉及超过1亿美元的资金风险，团队因此获得了250万美元的漏洞赏金。据公司表述，这是AI代理获得的最大单笔赏金。

这一样本的意义超越了赏金金额本身。在安全领域，被授予高额赏金的漏洞通常位于系统的关键路径上——那些真正可能被利用来造成大规模资金损失或系统瘫痪的缺陷。其发现往往需要研究者对系统的整体架构、资产流动路径、权限边界和潜在攻击链进行综合推理。AI能自主定位此类漏洞，可能意味着它在攻击面分析和漏洞可利用性判断方面展现出了接近高水平人类研究者的能力组合，而非仅在执行预设的静态分析规则。

然而，当前这一案例的具体细节仍未公开，包括漏洞类型、发现过程、系统所采用的具体技术路径，以及该发现是否依赖对已知漏洞类型的泛化或需要人类的辅助引导。单一样本在统计学上无法构成对系统性能的完整证明。一个关键问题是，这一成功案例在多大程度上具有可重复性——AI代理在完全无人干预的情况下，以同样的方法论能否持续、稳定地定位类似级别的高危漏洞。市场对其技术声索需要保持合理的质疑空间，直到更多经过独立验证的性能数据出现。如果这250万美元的赏金只是方法论在特定条件下的最优表现，而非系统能力的可复制下限，那么它所证明的更多是可能性而非必然性。

投资方矩阵：安全领域的精英背书与资本信号

本轮融资的领投方为Electric Capital。个人投资者包括ZachXBT、samczsun和Walden Yan。这组投资者的参与，为项目提供了来自产业核心圈层的认可。他们并非纯粹的财务投资者，其参与行为本身可能意味着对V12技术路径的某种隐性背书。不过，个人投资与机构投资在决策逻辑、尽调深度上存在差异，且个人天使投资的金额通常较小，投资动机可能混合了财务回报、行业支持和人际关系等多重因素。

本轮融资未披露公司估值。在1000万美元种子轮规模下，估值水平将直接影响后续轮次的稀释空间和资本策略节奏。如果估值过高，可能给下一轮融资带来压力，尤其是在产品尚未经过市场规模化验证的早期阶段；如果相对克制，则为团队留下了更大的缓冲和试错余地。这一缺失信息使得外界难以完整评估本轮融资的定价逻辑。

“网络核武器”的技术想象：白盒审计、事前防御与上线后的持续风险

V12团队用了一个具有刺激性但经得起仔细拆解的概念来描述其目标——“网络核武器”。根据已公开的表述，这一概念对应的并非攻击性武器，而是一个能发现系统中所有漏洞的AI系统，其运作逻辑建立在白盒代码审计而非黑盒渗透测试之上。这一区分至关重要：白盒审计直接检视源代码，拥有对程序逻辑的全知视角，理论上可以发现更深层的逻辑漏洞、状态不一致性和权限设计缺陷，而这些都是黑盒测试从外部难以触达的问题类别。

团队同时表达了其对漏洞赏金制度未来演变的明确看法，认为这一制度将在AI时代消亡，唯一的解决方案是在代码上线前消除漏洞。这一表述将V12的定位从事后响应推向了事前预防，从“发现已部署合约的漏洞”前移至“在部署之前即确保代码不存在可被利用的缺陷”。在理想假设下，这种前移可能消解漏洞赏金市场存在的根基——如果所有代码在面世时即被证明为安全，那么为已部署代码的漏洞支付赏金的需求自然消散。

但在智能合约的开源和去中心化部署模式下，“上线前消除漏洞”面临结构性挑战。即使代码经过AI彻底审计并被认为无漏洞，部署后的合约仍处于一个完全公开透明的攻击面之下，任何新的攻击向量发现——可能源于对代码间新组合方式的分析、底层基础设施的变化或全新的密码学突破——都可能改变其安全状态。这类似于数学定理的证明：一个系统不可能在绝对意义上证明自身内部不存在矛盾。因此，真正的持续性防御可能需要系统在上线后继续运行，持续监控新出现的攻击向量，并能对已部署合约的安全状态进行动态重评估。V12的“网络核武器”是否包含这一上线后的持续防御维度，还是仅聚焦于部署前的静态审计，目前公开信息尚未明确区分。

资金投向：修复能力的工程赌注与双层的技术挑战

V12计划将融资资金用于继续开发AI驱动的漏洞发现与修复能力。如果说漏洞发现是识别问题，那么修复就是负责任地解决问题——这在AI安全领域是一个比漏洞发现复杂得多的命题。

发现漏洞意味着找到了违反安全约束的特定路径，这在数学上可以被定义为寻找到一个反例输入或执行轨迹。而修复则要求系统理解该漏洞在所有上下文中的影响范围、提出不破坏原有代码逻辑结构的补丁方案，并严格确保该补丁自身不引入新漏洞。这三个要求在大型、高度互相关联的代码库中同时满足，构成了一道复杂的约束优化问题。

在去中心化金融场景中，修复还引入了额外的维度。许多智能合约采用不可升级的设计，一旦部署即永久固化，任何修复都意味着重新部署并迁移用户资金和状态，这引入了巨大的社会协调成本。而当合约采用可升级代理模式时，修复方案的执行又涉及治理机制和可能的攻击窗口。V12的修复功能开发可能面临语义级和工程级的双层挑战。在语义层面，系统需要理解开发者的原始意图以确定“符合预期的修复”究竟应该是什么——同一个漏洞可能有多种修复方式，但只有尊重业务逻辑的那一种才与系统兼容。在工程层面，修复建议需具备足够的可解释性，使得人类开发者能够理解为何该修复是必要和安全的。如果AI产出的修复方案以黑盒方式呈现，那么自动化带来的效率增益可能被人类审查和信任建立所产生的新成本所抵消。关于修复功能的具体实现路径、技术架构和阶段性目标，目前均未公开。

加密行业的垂直优势与从时间点到时间流的模式分化

V12明确将加密行业列为其重点应用场景。这一定位并非偶然。与其他代码密集行业相比，加密行业在安全审计需求上存在几个结构性差异，这些差异使其天然适合成为AI审计系统的第一个试验场。

首先是代码调用关系的高度可组合性带来的组合攻击面。DeFi协议之间的互操作性是功能的基础，也是风险的放大器，一个协议的微小缺陷可能在与其他协议交互时被放大为灾难性漏洞。这种组合性使得人工审计几乎不可能穷举所有交互路径，而AI系统至少在理论上拥有更高效地探索这种状态空间的能力。其次是经济激励机制的高度发育，漏洞赏金计划和审计服务费用使得安全成为一种可直接量化价值的资产，这为AI审计工具提供了清晰的商业化场景和有效性的检验标准。第三是开源文化的普及，大量经过审计和未经审计的代码公开放置，构成了丰富的训练和测试数据源。

V12的路径与Zellic的传统服务模式形成了刻意的区分。Zellic代表的是“时间点防御”——在特定时刻对特定代码库进行一次性的深度审查，产出一份报告，然后合约部署上线。V12试图以AI实现的，是“时间流防御”——持续、自动的审计随着代码的迭代和新攻击向量的出现而同步演进，可能将安全审计在商业形态上从项目制推向产品化。如果这一转变成功，其经济模型将从按次收费的顾问费，转向可能的订阅制或按资产规模计费的持续性收入模式。但目前关于V12的商业模式信息尚未披露，包括其收费方式、目标客户、销售渠道以及与传统审计服务之间的竞合定位都仍是一片空白。

竞争暗影与无人认领的市场标价

当前公开信息未提及V12的竞争对手。这一沉默本身可能具有多重解读：或许V12认为自己的白盒AI审计路径与现有玩家形成足够差异，或许竞争版图的分析并非早期项目融资叙事中需要着力渲染的部分。但市场从不允许真空长期存在。

AI驱动的代码安全领域已有多股力量在不同方向上推进。传统的区块链安全审计公司可能在内部构建AI辅助能力，利用其已有的审计数据和客户关系向自动化方向延伸，构成从现有服务模式中自然演化出的竞争力量。通用代码安全领域的AI工具提供商——那些诞生于Web2环境、服务传统软件开发的公司——可能在其产品能力成熟后从Web2向Web3扩展，它们拥有更广泛的代码语料和更通用的模型训练基础，但在理解加密行业的特定逻辑、经济攻击向量和DeFi协议交互模式上存在适应成本。大型语言模型本身的功能提升也构成间接竞争维度：如果基础模型的能力在代码理解和漏洞发现上持续增强到足够水平，垂直应用层的价值捕获可能受到挤压。

V12的差异化锚点可能来自两个方面。其一，团队在Zellic阶段积累的1500次审计所沉淀的加密行业特定数据，这些数据可能捕捉到了仅在DeFi、跨链桥、L2等场景中出现的独特漏洞模式，是通用数据集难以覆盖的长尾分布。其二，团队与加密安全社区的关系网络可能在早期客户获取、顶尖人才招募和漏洞情报输入方面产生直接的商业价值。但在AI领域，数据壁垒的持续性和模型能力的护城河宽度仍是一个开放问题。数据飞轮的运转需要持续的服务曝光来产生新的训练样本和使用者反馈，而V12目前仍处于产品化早期。其能否在先行者优势窗口内建立起这种自我强化的飞轮效应，仍需在未来12到18个月内接受市场检验。

待验证的缝隙：信息黑洞、能力上限与AI攻击面

在已公开的材料中，V12留下了若干关键信息缺口。公司的创始人姓名、详细个人背景、团队规模、总部地点和成立年份均未披露，这使得外界难以评估团队在AI系统构建方面的专业深度、工程文化以及治理结构。Zellic的经历可以证明安全审计能力，但从审计服务到构建自主运行的AI系统，是一次从专业服务到产品工程的能力迁徙，两者之间并非线性延伸。

从技术角度，AI漏洞发现系统的性能需要通过多维度指标进行独立验证，包括误报率和漏报率这两个彼此拮抗的核心度量。高误报率将削弱工具的可用性，因为人类审计师需要花费大量时间验证虚假警报；高漏报率则消解了使用该工具的意义本身。这两项性能指标在V12的负面信息中均未公开。修复功能的采纳效果——即AI生成的修复方案在实际部署中的使用率、采纳后的安全故障率等——也完全没有数据支撑。

商业模式是另一个关键但未明确的变量。V12的服务将以何种形式交付（API调用、SaaS平台、本地部署、开源组件），其定价逻辑是基于审计覆盖率、资产规模还是其他度量，以及其与传统安全审计服务之间的市场定位是替代还是互补，所有这些问题的答案将直接影响其可触及的市场规模与收入模型的稳定性。

最后，一个值得持续关注但尚未被公开讨论的风险域是AI系统本身的攻击面。一个具备高度自动化漏洞挖掘能力的系统，其训练数据、模型参数、推理接口以及漏洞发现结果的存储和传输通道，都可能成为精心策划的攻击目标。攻击者可能试图通过投毒训练数据来制造系统盲区，可能试图对模型进行逆向以理解其内部判断逻辑并设计绕过策略，也可能直接入侵系统窃取尚未披露的漏洞列表。防御工具本身可能成为尚未被充分审计、安全状况不明却掌握着更高阶攻击能力的关键基础设施组件。这一递归式的安全悖论，可能是V12在走向大规模部署时必须回答的问题。

RecodeX 极客视：V12的融资公告将“自主发现漏洞并获赏金”这个事实作为核心论据，但这恰好提出了一个值得所有安全从业者反复审视的问题：一个能发现漏洞的AI，与其说是一面盾，不如说是两面的刀锋。那250万美元赏金所证明的不是AI能为防御方做什么，而是AI在攻击面上能走多远，因为发现漏洞和利用漏洞在技术本质上共享同一套底层认知——两者都需要理解系统的弱点在哪里，以及如何从那些弱点中打开通路。同一个系统若被攻击者微调用于寻找可自动利用的漏洞，破坏性可能呈指数级放大。防御者们所面对的是一场非对称竞争：他们需要AI在攻击者之前发现所有可能的漏洞，而攻击者只需要在防御者的AI尚未覆盖的代码中找到一处突破口。

这次融资的真正赌注，可能并不在于那个赏金标的是什么，而在于创始团队在Zellic时代通过1500多次人工审计所积累的隐性知识，能否被转化为一个持续运转、持续学习的AI系统的认知骨架。那1500次审计不仅仅是漏洞报告，它们是封装在人类大脑中的攻击性思维训练集。如果转化如期发生，V12可能在为整个区块链行业搭建第一套真正意义上的AI防御基础设施。如果转化失败，它可能只是创造了一个人类历史上最高效的漏洞暴露工具。1000万美元买的，本质上是一个时间窗口——一个在AI攻防两侧的分化变得不可逆转之前，让防守方跑到前面去的窗口。现实是，窗口正在关闭，而倒计时从来不会停止。