2026年8月，一场由AI发起的攻防演练，暴露了数字世界一道正在撕裂的裂缝。Corma的研究团队搭建了模拟真实财富500强企业环境的数字沙盘，里面部署了数十种主流安全工具。他们让OpenAI的GPT和Anthropic的Claude先扮演攻击者，在系统内建立持续威胁；随后要求同样的模型转变为防御者，去发现并清除自己制造的威胁。数百次模拟之后，结果令人不安：AI攻击方的成功率是88%，而防御方的检测率仅为12%。

这个悬殊的数字揭开了网络安全领域正在发生的结构性失衡。过去两年，大语言模型在代码生成、软件推理和多步骤工具使用上的能力飙升，这些技能恰好能够直接映射到漏洞发现、漏洞利用编写和攻击链编排上。自主AI代理的出现进一步放大了这种势能，使得过去受限于人类黑客带宽的攻击活动，获得了规模化与自动化的可能。然而，防御的本质不是写代码。防御意味着在海量日志、审计记录、网络流量中寻找弱信号，将跨越数天甚至数周的孤立事件串联成攻击图景，并在数千次决策中保持一致性。这恰恰是当前主流AI模型不擅长的事。

正是在这条裂缝上，一家2025年成立、总部横跨特拉维夫和旧金山的初创公司Corma，拿到了6000万美元种子轮融资。领投方是红杉资本，跟投的还有Khosla Ventures和Coatue。这家公司试图用一笔通常对应B轮或C轮的种子资金，做一件还没有人做成的事：从零开始，训练一个专为防御性网络安全而生的基础模型。它的目标不是提供一个更好的安全分析工具，而是创造一个能够端到端执行安全任务的“AI劳动力”。

字段 内容
公司 Corma
轮次 种子轮
金额 6000万美元
投资方 Sequoia Capital领投，Khosla Ventures、Coatue参投
总部 以色列特拉维夫和美国旧金山
创始人 Alon Pluda
官网 https://corma.ai/

攻击方手握AI加速度，防御仍在靠人堆

Corma创始人兼CEO Alon Pluda对当前局面的判断直白且紧迫。他在接受Calcalist采访时说：“我们训练专注于防御性网络的语言模型。这些模型因此变得比任何其他模型都更擅长网络防御。”而在与Ynetnews的交流中，他给出了更具时间压迫感的表述：“网络安全领域通往通用智能的竞赛已经开始，攻击方已经获得了显著领先。”

这种领先并非危言耸听。自主AI代理正赋予攻击者结构性的速度优势。传统的攻击活动受限于人类黑客的带宽——你需要有经验丰富的攻击者来规划攻击路径、编写工具、手动推进攻击链。但大语言模型的代码能力与工具使用能力相结合后，攻击活动的自动化程度和规模化潜力大幅提升。红杉资本合伙人Shaun Maguire在评论这笔投资时指出了这种不对称：“代理式AI给了攻击者结构性的速度优势。”

防御一侧的困境更为根本。一位安全分析师面对的是安全信息与事件管理系统里无穷尽的告警，网络流量中偶发的异常，以及终端上难以分辨的可疑进程。这些数据量大、信噪比极低，真正的威胁信号往往在事后回溯时才显露出关联。这是一项需要在时间维度和海量背景下保持注意力和判断一致性的工作，而这与当前AI系统最擅长处理的明确指令、固定上下文窗口任务存在根本差异。当前的通用模型在防御任务上的薄弱表现，可能源于其训练数据、目标函数和架构设计从未针对此类长时间的序列决策和弱信号关联任务进行过专门优化。这正是Corma在实验中观察到88%对12%鸿沟的底层原因。

不做安全仪表盘，卖的是“虚拟员工”

与市场上绝大多数将AI当作附加功能融入现有安全产品的做法不同，Corma的产品形态不是安全仪表盘，也不是告警分级引擎。Pluda在采访中做了一个直接的类比：“我们卖的是虚拟人力资源。”也就是说，企业可以按需部署一定数量的AI代理，这些代理不是辅助安全分析师的工具，而是与分析师并列的“数字安全员工”。它们像人一样接入组织现有的安全工具和流程，端到端地执行安全任务——从日志审计、事件调查到威胁处置。

这一商业模式的巧思在于，它绕开了传统安全软件按许可、按数据量或按资产数量计价的路径，直接切入了企业最核心的成本项：优质安全人才的稀缺性和高昂薪酬。一家同时采用端点检测与响应、安全信息与事件管理、云安全态势管理等多个平台的大型企业，其安全运营中心里常年挂着大量空缺岗位。如果Corma的AI代理真的能做到“像员工一样工作”，那么它为每家企业提供的就不是又一个需要运维的软件，而是一种对人力资源瓶颈的直接替代方案。这意味着其商业价值的天花板可能不再由软件预算决定，而是由企业安全运营中心的人力成本总盘子决定。

但这里的挑战同样显著。一个安全分析师的价值不仅在于他能处理告警，还在于他理解所在组织的业务逻辑、知道哪些数据资产真正关键、能感知组织中微妙的权力和风险地图。一个外部训练的AI代理在多长时间内、在多大程度上能真正习得这种组织特有的上下文，Corma目前还没有公开数据来回答。此外，当企业深度依赖这些“虚拟员工”后，其安全运营的知识和直觉是否会逐渐从人类团队中流失，从而形成对单一供应商的深度锁定，这同样是尚待观察的长期风险。

产品上线六周，声称效果惊人但等待独立验证

根据Corma向多家媒体提供的口径，其产品发布仅六周，已经部署在多家财富100强和财富500强企业的生产环境中，覆盖医疗、金融、能源、关键基础设施和零售等高度受监管的行业。公司声称，在早期部署中，威胁响应时间减少了超过94%，安全功能覆盖面扩大了15倍，还发现了过去未被察觉的多阶段攻击活动。与前述88%攻击成功率形成对比的是，Corma将自己定位为扭转这一局面的解药——用原生网络安全的AI模型，去对抗用通用模型发起的AI攻击。

需要明确的是，上述性能数据全部来自Corma公司自身声明，未经独立机构验证，也未在公开技术论文或第三方红队评估中出现。这些数字在多大程度上反映真实生产环境中的持续表现，在多大程度上来自控制环境下的最优场景，外界目前无从判断。特别是在发现“多阶段攻击”这类声明上，缺乏关于误报率、跨环境泛化能力以及长期运行稳定性的数据，使得这些早期效果指标仍需要经过更严格的外部审视。

从客户结构来看，产品上线六周就能进入财富500强企业，这种速度远快于大多数企业安全初创公司。这说明Corma创始团队在以色列网络安全圈子中可能拥有深厚的网络和信用背书。公司披露，其团队融合了来自Google和DeepMind的AI研究人员，以及来自以色列精英8200情报部队和大型网络安全公司的安全专家。这种组合意味着团队可能同时掌握前沿AI模型训练的学术视野和对真实国家级攻击手法的实战理解。

融资金额与轮次错配背后的风投逻辑

Corma的6000万美元种子轮融资规模，反映出三家顶级风投在网络安全赛道上的共同判断：AI驱动的攻击能力正在解锁一个可以类比云原生替代本地部署的范式窗口，而防御侧的基础模型可能具有先发者锁定效应。一旦某个模型在足够多的企业环境中证明了其防御效能，其积累的攻防数据飞轮和客户粘性将对后来者形成显著的竞争壁垒。

Corma告诉Calcalist，这笔种子轮在2026年初已经完成交割，公司并不急于扩张客户数量。这种姿态暗示Corma当前资金充裕，且可能将大部分精力集中在模型训练本身，而非销售和市场营销。如果真如公司所说，其防御性安全模型需要从零构建，那么大量资金将被烧在数据采集、标注和计算资源上——这与通用语言模型在公开互联网文本上的规模玩法完全不同。高质量的网络安全事件数据、攻击日志、威胁情报具有高度的私密性和敏感性，获取这些数据本身就是巨大的商业和技术壁垒。这可能意味着Corma需要与早期企业客户建立深度的数据合作联盟，从而形成一个封闭且高质量的数据护城河。

Khosla Ventures创始人Vinod Khosla的评论进一步点出这条赛道的宏观叙事：“随着网络攻击变得更加自主和可扩展，风险已经超出了数据和金融，延伸至关键基础设施、医疗系统和基本服务，这些领域的失败可能带来现实世界的后果。”这句话背后是风投在押注一个逻辑：网络安全将从关乎盈亏的部门级问题，上升为关乎公共安全和国家安全的物理风险问题，合规和保险驱动的安全采购模式将让位于生存驱动的必需品采购。在这种逻辑下，Corma所代表的“防御性基础模型”可能被定义为未来国家关键基础设施的数字护盾，其市场估值逻辑将脱离传统软件公司的市盈率框架。

资金将烧在模型规模的军备竞赛上

Corma表示，这6000万美元将用于扩大AI模型的规模，包括扩展训练数据和提升训练能力，同时大量招聘防御安全、AI和研究领域的顶尖人才。公司目前在特拉维夫拥有20名员工。从20人起步，要构建能覆盖多个安全功能的AI代理集群，意味着团队规模需要显著扩张，而能同时理解基础模型训练和企业级网络安全运营的复合型人才全球稀缺。对这类人才的争夺可能构成公司扩张速度的最大瓶颈。

还有一个隐性挑战：Corma试图用基础模型覆盖的打法，与CrowdStrike、Palo Alto Networks、Microsoft Security等拥有海量客户遥测数据的现存巨头之间，存在一条尚未被测试的边界。这些巨头掌握着全球数亿终端、网络和云工作负载的实时数据，它们也正在将生成式AI功能注入各自的安全平台。如果通用模型在防御侧的弱势主要源于训练数据域的偏差，而非模型架构的缺陷，那么当这些拥有庞大安全数据资产的巨头开始系统性训练专有防御模型时，Corma的先发优势可能面临挤压。届时，竞争的关键将从“谁先拥有一个防御模型”变为“谁的模型能访问更全面、更具实时性的安全遥测数据”。

独立验证与竞争边界是两道必答题

Corma目前展示的图景——88%的攻击成功率对照12%的防御检测率，然后用自己的模型填补这条鸿沟——虽然在叙事上自洽有力，但支撑这一叙事的证据链条仍然单薄。公司尚未公开披露模型架构、训练数据构成或评估基准，也没有被独立的安全研究机构公开评估过。财富500强客户在六周内签约部署，可能意味着产品解决了真实痛点，但也可能意味着早期客户是以设计合作伙伴的身份进入，离规模化付费验证还有距离。在这种情况下，初始合同可能更多是带有探索性质的创新预算支出，而非对现有安全供应商的实质性替换。

在竞争一侧，企业安全买家对于用AI代理替代人类分析师这件事的接受程度，在面对告警分类时和面对自主采取阻断行动时会截然不同。当AI代理做出一个错误的阻断决策，导致核心业务交易中断时，责任归属和风险容忍度的问题将立即浮现。Corma如何在产品中设置人机协同的边界，如何界定代理的自主权限，以及如何向客户提供决策可解释性，这些信息在当前公开资料中均为空白。这暗示着Corma在推向市场时，可能需要在代理的自动化程度和人类的可控感之间找到一个微妙的平衡点，这也将考验其产品的交互设计和信任建立机制。

此外，Corma用来衡量自身进步的基线——GPT和Claude在防御任务上仅12%的检测率——虽然突出了其差异化叙事的说服力，但也隐含另一层意味：如果通用模型的迭代速度远超专用模型，那么12%不是固定靶，而是一个移动靶。当下一版GPT或Claude在工具使用和长期记忆能力上再上一个台阶，专有防御模型的技术护城河需要在多宽的参数上建立，仍有待实际对抗环境中的检验。Corma可能需要不断向市场证明，其模型的迭代速度能持续跑赢通用模型在特定安全任务上的性能提升曲线。

一家成立一年的公司，试图改写攻防规则

Corma成立于2025年，在AI基础模型军备竞赛和网络安全威胁升级的交叉点上，选择了一条最艰难的路径：不满足于将AI作为现有安全工具链的附属能力，而是试图重新定义防御本身的计算范式。从Pluda的表述中可以看到这家公司的野心——它不仅在做模型，它想做的是安全防御领域通用智能能力的竞赛参赛者。如果成功，它将证明在关键垂直领域，从零训练的专用基础模型可以构成对抗通用AI威胁的独立技术支柱。

以色列创业生态和硅谷资本的这次联手，放在2026年的时间节点上来看，可能成为网络安全行业转折的一个注脚。如果Corma成功，它可能证明防御性基础模型是一条独立且必要的技术路线，网络安全行业将从AI辅助走向AI原生。如果失败，它至少留下一个数据点：在攻击者已经获得AI加速度的时代，只用传统软件工程思维护卫数字边疆是不够的。无论哪种结果，88%对12%的攻防比分，已经宣告了一个事实——当攻击活动开始以模型的速度运行，防御也必须用模型来回应。而这场回应的有效性，最终将由真实世界中的大规模攻防对抗，而非任何沙盘推演来评判。

RecodeX 极客视：Corma 拿到的 6000 万美元种子轮，在金额上不像种子，在叙事上却是一次标准的上游押注。红杉、Khosla 和 Coatue 赌的不是一家公司，而是一个前提——防御性网络安全需要从零训练专有基础模型，而非在传统工具上加 AI 薄层。这个前提目前只有 Corma 自己的实验数据撑腰，88% 对 12% 的攻防鸿沟尚未被独立复现。但风投们显然认为，等到第三方验证、客户规模化付费、巨头入场之后再下注，窗口就已经关闭了。真正值得关注的是，当 AI 代理开始以“虚拟员工”的形式直接接替人类分析师时，企业的安全决策链要从怎么买软件，变成怎么管人和机器的混合编队，这一步远比模型精度更难跨越。

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。