a16z 调研100位CISO：AI 如何改写 2027 年安全议程

a16z 普通合伙人 Martin Casado 今天发表了一篇新文章，阐述了塑造投资者评估交易方式的四种理念。你应该读一读！可以在这里找到。

多年来，业界一直在为量子计算将改写网络安全规则做好准备。结果 AI 抢先一步。

今年夏天，OpenAI 的智能体突破了网络安全评估，攻破了 Hugging Face 的生产系统。它们利用漏洞、使用窃取的凭据，一路侵入另一家公司的基础设施，目的只是为了获得测试的答案。OpenAI 的事件报告描述了这些模型是如何将各个步骤串联起来达成目标的。

这只是一个预演。此后，AI 已经帮助发现了互联网所依赖的软件中的弱点。就在上周，各家公司还在争相修补PHP 中的严重漏洞，而 PHP 驱动着大约 70% 的网站。这些漏洞已经存在了十多年，直到通过OpenAI 的 Patch the Planet 计划工作的研究人员帮助发现了它们。同一天，eMudhra——一家受所有主流浏览器信任的证书颁发机构——被发现使用了极其薄弱的加密密钥，其中一个密钥竟然只是数字 4。

这样的错误一直存在，但模型在发现弱点并弄清如何利用它们方面正变得越来越强。这种进步在AI Security Institute 的评估中清晰可见：更新的模型能够完成日益复杂的网络任务。

更严重的漏洞也正在被报告出来。面对日益增多的漏洞，安全团队必须判断哪些弱点对业务构成最大风险，并在被他人利用之前将其修复。

与此同时，他们所保护的环境也在不断扩大。员工正在发布一年前还无法构建的应用程序。智能体正在获得访问公司文档、源代码和生产系统的权限。每一个新的应用程序和连接都给安全团队增添了需要了解和保护的对象。

这解释了为什么我们看到Palo Alto Networks和CrowdStrike等网络安全平台的市值今年大幅飙升。

需要保护的东西更多了。而企业的预算也随之增加。

为了了解安全负责人如何应对这些压力，我们对员工人数超过 1,000 人的公司的 100 位 CISO 进行了调查，了解他们在 2027 年的优先事项、预算和采购计划。

不出所料，绝大多数（87%）受访者预计网络安全支出将增加，主要驱动力是 AI 驱动的威胁，以及他们自身 AI 部署所带来的攻击面扩大。

大部分新增支出将流向工具。但值得注意的是，这并不是以牺牲人力为代价。尽管 AI 承担了更多工作，仍有近一半受访者预计 2027 年安全人员编制将增加，另有一半预计保持不变，只有 4% 预计会削减。

为什么？其目标是覆盖更多工作：调查那些原本可能被搁置的警报，测试更多应用程序，以及更早地修复漏洞。

CISO 们已经在开展试点、预留预算，并决定信任哪些产品投入生产。许多这样的采购决策将在未来十二个月内落地。而优先事项与一年前相比已大不相同……

在安全领域，一年的时间可谓漫长。当我们请受访者回顾 2026 年的优先事项时，暴露与漏洞管理以及 SIEM 位列榜首。而到了 2027 年，得票最多的七项举措全部与 AI 有关。

哪些事项被列为 P0 因组织而异。SOC 自动化获得最多的第一顺位票，而其他团队则将进攻性安全、漏洞修复或保护自身 AI 部署排在首位。买家从哪里入手取决于压力最大的地方，但各方普遍认同 AI 能力是其安全栈的核心。

与回顾的 2026 年优先事项相比的变化，反映出议程变化之快。内部 AI 智能体安全、SOC 自动化和进攻性安全进步最大，代码安全、漏洞修复和 AI 治理紧随其后。

两项任务正在推动这一转变：

1. 企业需要保护员工和客户已经在使用的 AI。

2. 他们还希望在安全领域内部应用 AI，帮助团队调查攻击、测试系统并修复发现的问题。

尽管兴趣浓厚，但大多数企业尚未将这些能力投入生产。仅有 18% 的企业报告已在生产中使用 AI SOC 工具，13% 报告已在生产中使用 AI 进攻性安全或 AI 暴露与漏洞修复。

不过，许多企业已在开展试点，或预计在未来一年内投入生产。代码安全和电子邮件防御的进展更靠前，但即便在这些领域，生产环境的采用也远未普及。

采购计划更为迫切。45% 的受访者计划在十二个月内针对内部 AI 智能体安全进行新采购或升级，其次是进攻性安全（42%）以及 AI 使用与治理（38%）。

买家在产品本身不断变化的同时做出决策。一些买家正在扩大初始部署规模，而另一些则在为此前从未采购过的能力比较供应商。展望未来一年，各个类别都将迎来一波评估与采购浪潮。

以下是 CISO 们告诉我们的市场走向，以及我们认为存在机遇的领域。

本月早些时候，我们与 Kevin Mandia 合作，领投了 Armadin 的 B 轮融资，因为我们相信，防御者必须利用 AI 赋予攻击者的同等速度与规模。Armadin利用自主智能体在企业系统中寻找可利用的攻击路径，并帮助安全团队加以封堵。

这种速度至关重要，因为环境不会停滞不前。一个团队可能需要数周时间处理渗透测试发现的问题，而在此期间开发者持续发布新功能、员工接入新服务、权限不断变化。等到这些问题修复完毕时，可能又已经出现了一批需要调查的新弱点。

AI 让这一差距的后果更加严重。Bain 估计，AI 可将典型的攻击序列从大约四周压缩至约十八小时，留给发现暴露漏洞并完成修复的时间大大减少。

安全负责人希望提高测试频率。83% 的受访者认为更频繁的安全态势测试很重要，其中 54% 认为非常重要。

“面对所有新的 AI 威胁，我们需要先于他人发现问题。”——某全球制造商的 CISO。

人类渗透测试人员带来的专业能力仍是企业所需要的，但他们能覆盖的应用和系统数量有限。一个安全团队表示，他们保持测试预算不变，转而利用 AI 覆盖更多应用和基础设施。

买方还期望测试频率大幅提高。目前，18% 的受访者表示其大部分攻击性测试是对生产资产持续进行的；52% 的受访者期望在一年内实现这一点。展望未来五年，44% 的受访者期望测试嵌入 CI/CD，由代码或基础设施变更触发。

这将安全测试带入了软件构建和维护的流程之中。一次发布可以触发新的测试，一次修复在部署后即可接受验证。团队可以在交付过程中检查新出现的弱点，而不必等到下一次计划中的评估才发现发生了哪些变化。

发现漏洞可能是较快的一环。修复漏洞则意味着要找到合适的负责人、弄清楚需要做出哪些更改，并让这些更改通过测试并完成部署。对于本已积压了大量待办工作的团队来说，更快的发现速度只会带来更多待完成的工作。

“借助许多这类 AI 工具，你能够更快地发现漏洞，但无法更快地完成修补。”——金融科技公司 CISO

经过验证的攻击路径能向团队展示攻击者实际能够触及哪些内容、哪些更改能够阻断攻击，从而帮助团队确定工作的优先级。买方还希望有人协助完成这些更改并验证其是否奏效。在我们的调查中，70% 的受访者希望进行复测并验证漏洞已被修复，67% 希望利用经过验证的可利用性来确定修复工作的优先级，57% 希望自动生成修复方案或修复工单。

一家大型网络安全平台的高管将这一机会描述为在“发现问题的同时解决问题”。这意味着将一项发现跟进到团队可以部署的更改，然后重新运行攻击以确认暴露面已被关闭。团队既获得了问题解决方面的协助，也获得了修复确实奏效的证据。

随着攻击速度加快，安全团队需要更快地调查和响应。他们能否跟上节奏，取决于一种有限的资源：分析师的时间。要处理一条告警，分析师仍需从多个系统中提取证据、还原事件经过，并判断是否存在真正的威胁。等他们掌握全貌时，几个小时已经过去，而响应尚未开始。

AI SOC 工具可以承担更多这类工作。智能体可以提取相关证据并执行常规检查，让分析师有更多时间调查复杂案件，并处理需要他们做出判断的决策。对于本已人手紧张的团队来说，这意味着能够处理那些原本会一直排队等待的威胁。

不过，赋予这些智能体多大的权限是另一项决策。目前，36% 的受访者愿意让智能体在低风险操作上自主行动。展望未来 12 个月，60% 的受访者期望能够接受这种程度的自主性。只有 7% 的受访者期望在大多数情况下允许自主行动。

收集日志与更改生产系统是两回事。团队可以在保留对可能扰乱业务的响应的审批权的同时，将调查工作的大部分委托出去。

Cotool 让安全团队能够将自身的调查流程转化为智能体，这些智能体可在现有工具中协同工作、对告警进行分诊，并在团队定义的权限范围内采取行动。分析师可以审查结果、优化流程，并决定哪些环节需要审批。这样一来，团队熟悉的调查流程就能反复执行，而无需有人手动完成每一步。

AI 已经融入企业工作。92% 的受访者表示员工生成式 AI 工具至少已有有限的生产环境使用，83% 表示已在生产环境使用编码助手或智能体，55% 已在生产环境部署 MCP 服务器或其他智能体到应用的集成。

这些系统可以访问源代码、检索公司文档，并跨应用执行操作。一家餐饮软件公司的安全负责人提出了许多团队正在面对的问题：“你如何真正知道这些智能体到底在做什么？”

这些担忧是具体的。47% 的受访者将员工向 AI 工具泄露敏感数据列为最大担忧之一，46% 提到智能体超出权限或被攻陷。另有 29% 担心提示词注入或通过 AI 应用发生数据泄露。

对许多企业而言，这些问题已经在拖慢部署速度。63% 的回答称安全因素至少在一定程度上减缓了 AI 采用，包括审查、审批要求以及对特定用途的限制。

安全团队需要知道哪些工具和智能体在运行、由谁负责、它们能访问什么，以及它们实际做了什么。而答案一直在变。一个作为普通应用获批的软件，可能在下一次更新后就获得了智能体能力；员工不断添加扩展和集成；智能体的权限也会随着承担更多工作而扩大。

跟上这些变化比听起来更难。智能体运行在员工设备上，使用用户自身的权限，因此对于过去十年为端点安全构建的工具来说，智能体读取文件或调用 API 看起来与员工本人操作完全一样。EDR、DLP 和零信任在这一点上都会失效。

这就是我们投资 Neo的原因。Neo的创始人曾参与打造 SentinelOne，如今正在为一个智能体持续行动、且数量常常超过其所服务人员的世界重建端点层。Neo 追踪员工设备上的智能体、扩展和 MCP 服务器，以及每个智能体能访问的内容。它会检查某个操作背后是人还是智能体，并实时执行策略。一个智能体可能被允许调查生产问题，但更改系统则需要审批。

尽管攻击手段日益复杂，安全中的人为因素仍然是主要风险（写在便利贴上的密码，不幸的是，至今仍在我们身边）。SANS 调查的组织中有 80% 将社会工程列为首要的人为相关风险。归根结底，仅仅说服员工去做某件事往往是最容易的入侵方式，而 AI 正让这些请求变得更有说服力。

一条消息听起来可以像同事。一个声音听起来可以像主管。一段视频看起来可以像你认识的人。

当Adaptive Security的Brian Long来路演时，他给我们看了这两张 Elon Musk 的照片，让我们选出哪一张是真的。

我们大多数人猜错了。

如今的冒充手段早已不止于拼写错误的邮件和可疑短信。即便是再谨慎的员工，也可能被一条看似来自熟人或信任之人的请求打个措手不及。

那一刻让我深刻意识到，培训和模拟演练需要进化到什么程度。Adaptive 在电子邮件、语音和消息平台上开展 AI 驱动的钓鱼与深度伪造模拟，让员工学会识别他们真正会遇到的攻击，而不是五年前的那些。

这些冒充不仅看起来更逼真，数量也多得多。AI 让批量生成虚假高管资料、仿冒域名和欺诈网站变得轻而易举。安全团队已经无法靠人工逐一查找并清除这些内容，因此他们开始转向Doppel这类工具来实现自动化。

即使你自身的安全做得再好，也可能因所依赖的软件而继承严重的问题。最近的PHP 漏洞就说明了这一点。

代码安全早已不是什么新兴领域。多年来，企业一直在购买 SAST 和 SCA 工具。但 AI 正帮助开发者交付更多代码，这给企业多年来所依赖的现有安全工具带来了越来越大的压力。

正因如此，在我们调查的 CISO 中，近半数将 AI 代码安全列为 2027 年的五大优先事项之一，高于 2026 年的约 25%——这可能意味着升级到Socket这类能主动扫描依赖代码的工具，和/或使用能基于源代码并附带最新安全补丁持续重建的最小化容器镜像。

“我们开发代码的工程师远多于做测试的安全人员。”——某金融服务公司的 CISO

即便优先事项在变、新的采购周期在开启，现有平台往往仍是首选。

当被问及会首先在哪里寻找 AI 安全能力时，44% 的人默认选择现有安全平台的功能，而从 AI 原生安全厂商开始的仅占 21%。一家已经保护着采购方终端、掌握其安全数据且通过了采购流程的公司，确实拥有实实在在的先发优势。

正如一位高管所说：“我信任 CrowdStrike。它有品牌，有信誉。”

但首选并不总是最终选择。当我们问及什么会促使他们选择一家初创公司而非现有供应商时，47% 的人表示是为了解决现有供应商无法应对的能力缺口。更好的性能、更快的创新、定价以及与现有技术栈的集成也是考量因素，但最主要的敲门砖是一个现有平台根本无法解决的问题。

对许多采购方而言，采用一家初创公司意味着在现有平台之外增加一项能力，而不是将其替换。一家新供应商要赢得一席之地，就得解决现有工具未能解决的优先问题，并证明它在自己的环境中确实有效。

在各个 AI 安全类别中，数十家供应商都在承诺更自主的安全能力、更快的调查速度和更少的人工操作。它们的描述听起来惊人地相似。

Jake 的 Black Hat 2026 供应商全景图对此有很好的呈现。有些类别中供应商多达 43 家——采购方要筛选的公司实在太多了。

买家需要了解每个产品完成了多少工作、其团队仍需处理多少后续工作、它能安全地执行哪些操作，以及运行成本是多少。要得到这些答案，需要占用本应被产品解放的那些人的时间。

一家全球服装公司的 CISO 描述了如何将七八家供应商缩小到三家进行实操测试。用他的话说：“对全部七八家都做概念验证，人力上是不可能的。”

而且这种比较一直在变化。新供应商进入，产品不断扩展，底层模型的改进甚至可能在评估过程中改变可能性的边界。这让决策变得更加困难。

另一位安全负责人解释了他的犹豫：“我不想一次又一次地临时采购单点产品，只为每天解决每一个新问题。”他曾为一款工具签了短期合同，同时仍在评估其他产品。

这种谨慎可以与真实需求并存。团队正在申请预算、开展试点，并在决定更广泛部署方案的同时，让初步产品投入使用。他们希望解决眼前的问题，而不是每出现一个新产品就再添一个产品。

AI 重写安全议题的速度，超过了近年来任何一次转变。预算在增加，团队在扩张，CISO 们正在评估的能力与仅仅一年前相比已大不相同。他们已经在开展试点，并将 AI 应用于攻击性安全、SOC 自动化以及自身 AI 部署的保护等各类场景。

而且他们正在把目光投向现有平台之外。

这正是初创公司登场之处。在最新的 AI 类别中，老牌厂商尚未跟上，安全负责人会引入任何能解决眼前问题的方案。正是初创公司看到了这些变化所需，并据此进行构建。

我们预计下一波浪潮将催生重要的安全公司，围绕企业才刚刚开始需要、且很快将发现难以脱离其运行的能力而构建。

特别感谢 Zane Lackey、Joel de la Garza 和 David George 对本文的贡献。

本通讯仅供参考，不应被依赖为法律、商业、投资或税务建议。此外，本内容不构成投资建议，也无意供任何 a16z 基金的投资者或潜在投资者使用。本通讯可能包含指向其他网站的链接或来自第三方来源的其他信息——a16z 未独立核实此类信息，也不对其当前或持续的准确性作出任何陈述。如果本内容包含第三方广告，a16z 未审查此类广告，也不认可其中包含的任何广告内容或相关公司。文中提及、引用或描述的任何投资或投资组合公司，均不代表 a16z 管理的各类工具中的全部投资；完整投资列表请访问 https://a16z.com/investment-list/。其他重要信息请见 a16z.com/disclosures。您收到本通讯是因为此前选择了订阅；如需退订后续通讯，可立即取消订阅。

暂无文章