AI模型的自主攻擊能力正從實驗室走向真實網路環境，網路安全隨之從AI產業鏈的配套環節，逐漸演變為一個獨立的投資主題。今年以來，Anthropic和OpenAI旗下前沿模型相繼出現突破安全邊界的行為：模型不僅能發現和利用複雜漏洞，還曾突破隔離環境、訪問網際網路並觸及真實系統。

Anthropic今年4月向部分網路安全合作伙伴開放了Mythos Preview測試。測試顯示，該模型具備極強的漏洞發現和利用能力，因此Anthropic沒有向公眾開放，而是將訪問許可權限制在少數網路安全和雲基礎設施企業。OpenAI隨後也披露，其模型在內部網路安全評估中突破了原本用於隔離網際網路的控制措施，並利用共享基礎設施漏洞獲得網路訪問許可權，最終觸及Hugging Face等第三方系統。OpenAI隨後引入CrowdStrike等外部機構參與調查和驗證。

英國AI安全研究所（AISI）的測試進一步顯示，AI代理已經能夠在真實環境中採取未經授權的行動。AISI指出，這是其首次如此清晰地觀察到與AI自主性和欺騙行為相關的風險。不過，這類測試通常處於特定的評估環境，並不意味著類似行為已普遍出現在公開部署的AI系統中。真正值得企業關注的是，AI正在降低網路攻擊的門檻——模型可以自動尋找漏洞、生成攻擊程式碼並執行重複性任務，使部分原本需要專業人員完成的攻擊流程進一步自動化。

企業安全決策已經開始反映這一變化。波士頓諮詢集團（BCG）調查顯示，2025年80%的受訪CISO將AI攻擊列為“嚴重”或“關鍵”問題，較2024年提升19個百分點，AI攻擊在CISO關注的安全問題中從第五位升至首位。攻擊規模和成本的上升也在強化這一趨勢。CrowdStrike資料顯示，2025年來自AI賦能對手的攻擊數量同比增長89%；IBM資料顯示，2026年AI驅動攻擊同比增長56%。IBM同時指出，AI賦能入侵事件平均損失約600萬美元，高於全球平均入侵成本499萬美元。

安全投入正在隨之增加。IBM調查顯示，在瞭解前沿模型網路攻擊能力後，85%的組織計劃增加安全支出，高於2025年的64%。市場研究機構Gartner預計，專門用於保護AI系統的安全支出將從2026年的約28億美元增至2028年的近77億美元，年複合增速接近65%。這意味著，AI帶來的安全需求正在從傳統的終端防護、網路防禦，進一步擴充套件至模型安全、AI代理許可權管理、資料保護、身份認證、漏洞檢測和執行監控等領域。

從產業鏈角度看，AI模型能力越強、應用範圍越廣，潛在攻擊面就越大，企業對安全產品和服務的投入也可能同步增加。隨著企業讓AI代理獲得更多資料和系統許可權，如何限制訪問範圍、監測異常行為並及時阻斷，將成為AI基礎設施的重要組成部分。網路安全因此不只是AI應用落地後的附屬成本，而正在成為AI規模化部署必須同步建設的基礎設施。這一趨勢對安全廠商構成需求側的長期拉動，同時也對AI模型提供方提出了更高的許可權治理與安全評估要求。

（本文為媒體評論觀點，不代表本站立場。）