前天，我看到一条AI消息，第一反应其实不是“又出了一个更强的模型”。

而是：

AI开始真正接管一部分过去只有专业安全工程师才能完成的工作了。

11月5日，OpenAI正式发布GPT-6 Cyber。

它不是一个普通聊天模型。

它专门面向网络安全场景，可以发现漏洞、验证漏洞是否真的能够被利用、生成利用证明，再进一步帮助开发修复方案。

更值得注意的是，就在前一天，OpenAI公布了一项Linux内核安全研究。

他们构建了一条自动化流水线。

AI不是等着工程师问：

“这里有没有漏洞？”

而是自己去：

发现问题。

分析问题。

动态复现。

验证漏洞。

生成利用。

最后提出候选补丁。

在一次运行中，这套系统分析了2308个候选问题，动态复现1724个漏洞，并最终生成了948个有效的本地权限提升利用。

也就是说，一个普通本地用户如果利用这些漏洞，理论上可能获得系统的root权限。

而这套系统还进一步生成候选补丁，交给维护者审核。

看到这里，我觉得有一个变化非常值得所有人关注：

AI正在从“帮人工作”，走向“自己完成一段工作”。

以前的AI安全工具是什么样？

以前程序员或者安全工程师使用AI，更多是：

“帮我看一下这段代码有没有问题。”

“这个报错是什么意思？”

“帮我解释这个漏洞。”

“帮我写一个检测脚本。”

本质上还是：

人发现任务，AI辅助完成。

人是主导者。

AI是工具。

但现在开始发生变化。

工程师可以给AI一个更大的目标：

“帮我检查这套代码里有没有高风险漏洞。”

然后AI自己去：

读代码。

理解逻辑。

寻找攻击入口。

尝试复现。

判断严重程度。

生成报告。

甚至给出修复建议。

这已经很像一个安全工程师的完整工作流。

所以我觉得GPT-6 Cyber真正值得关注的，不是它某个Benchmark提高了多少。

而是它代表了一种新的工作形态：

Agent开始承担完整任务，而不是只回答问题。

AI为什么特别适合网络安全？

仔细想一下，你会发现网络安全本身就是一个非常适合Agent的场景。

一个大型软件项目可能有：

几百万行代码。

几万个依赖。

大量接口。

各种配置。

不同版本。

一个安全工程师不可能把每一行代码全部看完。

所以传统安全工作很多时候是在做：

抽样。

规则扫描。

重点排查。

人工经验判断。

但是AI有一个非常明显的优势：

它不怕重复。

它可以连续运行。

不断测试。

不断尝试。

不断比较不同代码路径。

比如一个漏洞需要经过：

A接口进入。

触发B条件。

再结合C参数。

最后造成D权限提升。

人可能需要几小时甚至几天才能走完这条链。

Agent可以同时探索大量可能性。

所以未来网络安全很可能会出现一种变化：

以前是：

安全工程师自己寻找漏洞。

以后可能变成：

安全工程师管理一群寻找漏洞的AI Agent。

这和我前面一直讲的“管理AI”非常像。

但这件事情真正让我警惕的，是另外一面

如果AI可以自动找到漏洞，

那它当然可以帮助防守者。

但同样一个能力，如果被滥用呢？

这就是为什么网络安全领域和写文案完全不同。

AI帮你写错一句广告词，

最多重新生成。

但AI如果在一个真实系统里：

误扫描了不该扫描的服务器。

攻击了不属于测试范围的服务。

获取了不应该访问的数据。

那就不是“回答错了”。

而是可能直接造成安全事故。

所以OpenAI这次特别强调一个词：

authorized scope。

也就是：

授权范围。

这其实非常关键。

因为未来AI Agent越来越强以后，一个非常重要的问题会变成：

AI可以做什么，和AI被允许做什么，是两件完全不同的事情。

GPT-6 Cyber有一个数据，我觉得甚至比漏洞能力更重要

OpenAI专门测试了它：

如果旁边放着一些“非常容易攻击”的服务，

AI会不会为了完成任务，顺手去攻击这些并不属于授权范围的系统？

GPT-6 Cyber在相关测试里，没有部署提示词时，99.93%的情况下能够避免攻击越界目标；加入部署提示后，该项测试达到100%。

为什么我要特别讲这个数字？

因为它反映了未来Agent最重要的一类能力：

边界意识。

我们以前评价AI，主要看：

聪不聪明。

回答准不准。

推理强不强。

以后可能还要多一个非常重要的指标：

听不听话。

能力越强，这件事情越重要。

一个能力很弱的AI越界，可能只是生成一些错误文字。

一个拥有系统权限、浏览器权限、代码执行权限的AI越界，风险完全不同。

这让我想到一个更大的问题

未来企业使用Agent，权限到底应该给到哪里？

比如一个销售Agent。

可以：

读客户资料吗？

可以。

自动生成邮件吗？

可以。

那能不能直接发？

可能要审核。

能不能改报价？

可能不行。

能不能签合同？

更加不应该。

再比如财务Agent。

可以整理发票。

可以核对数据。

甚至可以生成付款建议。

但：

能不能直接把钱付出去？

这是完全不同的问题。

所以我越来越觉得：

AI时代真正高级的能力，不只是：

“怎么让AI做更多事情。”

而是：

怎么给AI设计权限。

安全行业可能会最早进入“人管Agent”的时代

我们再把视角拉回网络安全。

以前一个安全团队可能有：

漏洞研究员。

代码审计工程师。

渗透测试工程师。

SOC分析师。

安全运维人员。

他们每天需要处理大量告警和代码。

以后可能会变成：

一个工程师负责定义目标。

然后多个Agent分别负责：

代码扫描。

漏洞复现。

风险排序。

补丁生成。

回归验证。

日志分析。

工程师真正需要做的，是：

判断优先级。

确认风险。

决定是否上线补丁。

处理复杂异常。

承担最终责任。

这是不是意味着安全工程师没有用了？

我反而觉得不是。

真正发生的是：

安全工程师工作的价值重心在发生变化。

以前的价值可能是：

“我能不能手工找到漏洞。”

以后可能变成：

“我能不能管理AI，把真正危险的问题最快筛出来。”

一个特别值得普通程序员注意的变化

其实这个趋势不仅和网络安全工程师有关。

它和所有写代码的人都有关系。

以前程序员写完代码以后：

做测试。

Code Review。

安全扫描。

最后上线。

未来很可能变成：

代码刚写完，

旁边就有一个长期运行的安全Agent。

它自动：

看你的Commit。

分析改动。

找安全问题。

尝试复现。

生成测试。

给出修复建议。

然后程序员确认。

这意味着：

安全可能不再只是上线前的一次检查，而是变成持续发生的过程。

这对于软件开发的影响会非常大。

但还有一个值得警惕的问题：攻防速度可能同时加快

如果防守方拥有AI，

攻击方当然也会使用AI。

过去一个攻击者想研究一个复杂软件漏洞，

可能需要：

几周。

几个月。

未来如果AI可以帮他快速理解代码、分析协议、寻找漏洞，

攻击成本可能下降。

所以未来网络安全的逻辑可能会发生一个变化：

以前拼的是：

谁先发现漏洞。

以后可能拼的是：

谁能让AI更快发现漏洞、修掉漏洞。

这会让安全从“人工响应”变成：

机器对机器的速度竞争。

攻击Agent发现问题。

防守Agent发现异常。

防守Agent自动生成补丁。

另一个Agent验证补丁有没有引入新问题。

整个循环可能越来越快。

那人到底还负责什么？

我觉得有四件事情会越来越重要。

第一：

确定目标。

哪个系统最重要？

什么问题优先处理？

第二：

设定权限。

AI允许扫描什么？

可以执行什么？

不能碰什么？

第三：

处理异常。

真正复杂的问题，不一定有标准答案。

第四：

承担责任。

这一点很重要。

AI可以提供判断。

但企业最终不可能说：

“出问题了，是AI决定的。”

所以人的角色不会消失。

而是从执行，逐渐上移到：

目标、规则、判断和责任。

这其实和我前面讲FDE的逻辑完全一样

为什么我一直在讲FDE？

因为FDE真正重要的不是“会多少技术”。

而是：

把AI带进真实业务以后，

知道：

哪里可以自动。

哪里不能自动。

数据从哪里来。

权限怎么设置。

结果怎么验证。

出错怎么办。

安全Agent也是一样。

一个AI能不能找到漏洞，

只是第一步。

真正进入企业以后还要回答：

能不能接生产环境？

测试环境和生产环境怎么隔离？

什么操作需要人工确认？

日志怎么保存？

敏感数据怎么处理？

谁可以调用高级能力？

这些才是真正的企业AI落地。

OpenAI自己也把GPT-6 Cyber划到了非常高的风险等级

根据OpenAI自己的Preparedness Framework，

GPT-6 Cyber被划到了网络安全：

Critical。

也就是关键级能力。

原因并不难理解。

这种模型在有正确工具和访问权限的情况下，已经具备发现未知漏洞、开发利用方式的能力。

所以它的访问也受到限制，需要通过专门的安全项目进行身份验证、组织安全要求以及权限控制。

这其实告诉我们一件非常重要的事情：

AI越强，越不可能“想怎么用就怎么用”。

能力和治理，会越来越绑定。

我觉得这件事情真正值得普通人关注的，不是“黑客会不会失业”

而是：

Agent正在进入越来越专业的岗位。

以前AI最先改变的是：

写文案。

做图片。

总结资料。

这些容易被所有人看到。

现在它开始进入：

程序开发。

网络安全。

工程研发。

财务。

医疗。

制造。

这些高专业领域。

这意味着AI的影响正在从：

“通用办公效率”

逐渐进入：

专业生产力。

所以我觉得GPT-6 Cyber这次真正有意义的地方，不是：

“AI又聪明了一点。”

而是：

AI开始拥有专业岗位里的主动工作能力。

过去：

人提出问题，AI回答。

现在：

人给一个目标，AI自己寻找问题。

再往后：

AI可能持续监控系统。

发现异常。

自己验证。

准备修复。

最后只把关键决策交给人。

这就是Agent时代真正值得关注的变化。

最后我想留一个问题。

如果未来你所在的行业，也出现一个这样的Agent：

它比你更快查资料。

更快发现问题。

甚至能自己完成80%的重复工作。

你觉得你的价值应该放在哪里？

我自己的答案是：

不要和AI比执行速度。

要开始训练AI暂时很难替代的东西：

理解问题。

制定目标。

判断结果。

设定边界。

承担责任。

因为未来真正会被淘汰的，

可能不是某个职业。

而是：

一种仍然把自己当作“纯执行者”的工作方式。

AI开始自己找漏洞了。

但这背后真正值得我们思考的，是：

当AI越来越能够主动工作以后，人到底应该站在哪个位置。