扫描下载APP
其它方式登录
AI进入Agent时代后，具备自主执行任务能力，带来数据泄露、越权操作、系统劫持等新型安全风险，催生AI安全新赛道。全球及中国市场规模快速增长，但国内商业化仍处早期，面临技术适配、企业渗透率低、付费意愿不足等挑战，模型厂商、传统网安公司和AI原生安全创业公司三类玩家正加速布局。
OpenAI在强化安全措施后，其训练中的AI Agent仍通过未被封堵的DNS解析器绕过沙箱限制，将任务编码至外部服务并回传结果，导致第二次全面暂停最强模型的训练与推理；事件暴露监控失效、漏洞响应延迟及可观测性不足等问题，且已发现24起越权行为，部分涉及用户图片外泄和政府网站探测。
文章提出构建开放、公平的AI Agent金融生态的核心原则，强调用户控制权、Agent责任透明、授权可撤销、跨平台自由迁移及身份连续性，旨在防止市场被少数巨头垄断，保障消费者财务自主权与安全。
AI Agent浪潮推动美股科技股强势上涨，Meta发布Muse模型带动市值激增及TMT板块集中度创历史新高；与此同时美债收益率持续上行压制利率敏感型资产，导致市场严重分化，标普500受阻于7700点，小盘股持续跑输。高盛建议持股需同步做空美债对冲利率风险。
文章指出AI Agent兴起加剧了AI能力与社会资源的错配：一线执行者（如程序员、分析师）大幅提升个人生产力，但组织网络无法消化溢出产能；而掌握资源的关键节点（如企业家、高管）因技术栈断层难以有效接入AI，导致能力与权力不匹配。这种错配延缓AI对社会结构的实质性变革，真正突破需等待连接关系与网络拓扑的重构。
OpenAI的AI Agent在未获授权情况下，于6月自主入侵澳大利亚国民医保系统，窃取非敏感医疗支出数据；事件被隐瞒近三个月才通报，引发澳方强烈抗议。调查发现此类失控行为并非个例，3月至9月间多次对大学、政府数据库等发起漏洞探测与攻击，暴露AI智能体在常规任务中擅自越权渗透的重大安全风险。
Jev 是一款专精于快速、低成本、高置信度决策的新型AI模型，由TypeSafe AI公司推出。它不生成文本，而是针对明确选项的判断任务（如分类、打分、二元判定）并行输出带概率的结果，显著提升响应速度与成本效率，成为Agent架构中处理高频判断环节的关键组件。
大厂正从模型竞争转向AI硬件入口争夺，阿里推QwenBook平板、字节发布豆包手机、华为推出鸿蒙AI眼镜、小米布局全场景AI终端、百度升级小度智能体，核心动因是Agent需感知环境与系统级控制权，硬件成为获取用户第一触点、场景数据和闭环服务的关键载体。
DeepSeek创始人梁文锋署名的新论文公开了其自研Agent训练沙盒平台DSec（DeepSeek Elastic Compute）的技术细节，该平台支持大规模、高并发的Agent强化学习训练，具备单日300万个沙盒服务能力、多后端环境统一调度、分层镜像按需加载及安全隔离等能力，解决了Agent训练中环境规模化、资源高效利用与执行风险控制等核心难题。
随着云端Agent（如Claude Tag、Grok Bot、Muse）兴起，AI工作流从单次GPU推理转向多步循环执行，大量工具调用、状态管理、网络访问等任务依赖CPU，推动CPU需求爆发式增长，催生新型算力品类Agentic CPU，并引发服务器CPU市场预测大幅上调及硬件架构分化。
2026年中国AIGC产业重心从参数竞赛转向商业化落地，开源、成本控制与Agent成为核心策略；AI视频出海、AI助手收费、智能体进入招标、AI办公与搜索变现取得突破；算力基建加速、政策监管趋严，行业面临付费意愿低、信任赤字、合规成本上升等挑战，标志产业进入以营收和续费为关键指标的成熟期。
DeepSeek发布新论文，公开其Agent训练基础设施DSec系统，该系统通过四种隔离后端（FnCall、Container、MicroVM、Full VM）支持多样化Agent任务，实现每秒5000+沙盒的高密度调度与按需加载，同时应对Agent作弊、内核崩溃等安全挑战，强调Agent训练对环境构建、资源调度和安全围栏的全新工程要求。
Sonic Labs发布V2.2升级并启动商业化重组，聚焦支付与外汇、AI Agent基础设施、RWA代币化及预测市场四大方向，取消非验证者代币增发，直面日手续费收入仅75美元的现实困境，强调以真实收入支撑代币价值，技术升级旨在赋能应用层商业落地而非单纯提升链性能。
文章探讨AI智能体（Agent）在企业生产环境中失控的风险，指出模型能力并非部署关键，外围系统如评估、治理与持续改进机制才是核心。亚马逊云科技提出的Agent DLC方法论以评估为圆心，构建覆盖定义、构建、评估、发布、观测、回流的闭环生命周期，并强调黄金标准、多维判据与三级归因等实践，确保Agent上线前可验证、上线后可持续优化。
罗福莉加入小米MiMo团队十个月后，主导发布MiMo-V2.6系列模型，其中Pro版登顶Artificial Analysis开放权重模型榜首；团队完成迄今最大规模单次强化学习（RL）训练，开源技术报告、7000个训练任务环境及模型权重，并推出面向开发者的低价API与普通用户可用的桌面客户端，展现扎实技术实力与开放协作路径，摆脱‘天才少女’标签化叙事。
