【网络强国·百人谈】

　　企业数字员工落地带动“知识蒸馏”走向产业前台、开放智能体刷新大众对AI执行能力的认知、AI漏洞挖掘技术重构网络攻防格局……近日，360集团创始人周鸿祎在第十四届互联网安全大会（ISC.AI 2026）期间接受采访时表示，网络安全行业面临彻底的范式迁移，智能体正推动企业数字化与网络安全进入全新发展阶段。尤其是企业级智能体的落地核心，不在于通用能力的强弱，而在于对业务隐性知识的沉淀与技能转化。

　　360集团创始人周鸿祎

　　“企业智能体落地首重知识蒸馏，驾驭AI的人才将是核心资产”

　　记者：数字员工、知识蒸馏等概念持续升温，企业也在探索量化员工技能的路径。如何看待这一趋势？

　　周鸿祎：通用大模型与通用智能体很难直接适配企业内部的复杂场景，智能体在企业落地必须经过深度定制。企业运转过程中存在大量未被书面固化的隐性知识，包括业务处理逻辑、场景化应对经验、跨部门协作规则等，将这些隐性知识系统梳理沉淀，无论是转化为结构化知识库，还是蒸馏为可复用的技能模块，都是企业智能体落地的重要前提，无法将员工的实践经验转化为智能体可调用的能力，智能体就难以真正承接具体业务工作。

　　行业内“技能蒸馏会取代员工”的普遍顾虑是认知误区。能够总结自身经验、提炼为标准化技能、懂得驾驭与优化智能体的员工，更擅长让智能体适配业务需求，是企业应当重点保留与激励的核心人才。智能体的普及不会带来大规模裁员，反而会为员工打开新的发展空间。被淘汰的只会是无法借助AI提升工作效率的群体。

　　智能体安全需分层管控，开放型智能体不应无限制进入企业

　　记者：随着智能体能力不断增强，越狱、数据投毒、自主失控等风险也引发行业担忧。在研发安全智能体的过程中，如何应对AI自身失控问题？

　　周鸿祎：智能体的安全问题覆盖多个层面，无法沿用单一的传统安全思路解决。行业普遍关注的数据投毒可分为三类：一是大模型训练阶段的基础数据被篡改投毒，属于大模型本身的安全问题；二是智能体调用外部搜索信息开展分析时，被污染数据误导产生错误判断；三是智能体下载第三方工具与技能包时，可能引入恶意代码。其中，后两类风险，通过传统网络安全技术即可实现有效防护。在应对思路上，行业正在形成共识——将智能体置于独立的隔离环境中运行，比如，专属虚拟机或云上独立空间，即使出现异常也只会影响隔离环境本身，不会波及企业内网与核心数据。

　　智能体正在重构攻防逻辑，安全行业进入算力对抗阶段

　　记者：从去年的Agent概念普及，到今年智能体引发安全行业变革。这一年发生了哪些变化？如何理解安全行业正在被智能体重构？

　　周鸿祎：这种重构体现在认知与格局两个维度。从认知层面，以龙虾为代表的开放智能体完成了一次行业科普，让大众意识到智能体和聊天机器人有本质区别——聊天机器人仅能通过对话输出建议，而智能体可以自主执行任务、交付最终结果。同时，行业也清晰看到，智能体能力越强，一旦出错造成的危害就远超过传统软件，其不确定性带来的风险是传统安全思路无法覆盖的——仅靠沙箱、反病毒等传统技术，解决不了大模型幻觉、提示词攻击等AI原生安全问题。如果安全企业仍沿用传统软硬件防护思路，必然无法应对新的风险形态。

　　记者：近期头部大模型厂商纷纷推出网络安全相关能力，大模型与网络安全的边界逐渐模糊。如何看待这一趋势？如果漏洞挖掘技术被滥用会带来怎样的影响？

　　周鸿祎：大模型厂商切入安全领域，本质是能力外溢带来的跨界降维打击。最初Anthropic布局代码安全审计，只是为了提升AI生成代码的可靠性，支撑编码智能体的商业化推广；但模型能力实现大规模涌现后，不仅能精准发现漏洞，还能自动生成攻击代码。如今OpenAI等厂商也推出安全专项版本，这类大模型厂商自带技术底座优势，如果传统安全厂商不主动拥抱智能体技术、升级自身攻防能力，很可能被跨界对手颠覆。而AI漏洞挖掘技术一旦失控，确实会带来全球性的网络安全风险。

　　决定Token价值的是知识库与工具链

　　记者：当前，企业普遍关注Token消耗的投入产出比，“烧Token如何烧出真实效率”成为热议话题。如何衡量Token消耗的真实价值？

　　周鸿祎：企业对Token效率的管理需要分阶段推进，不能一蹴而就。在AI推广初期，员工尚未形成使用AI的工作习惯，此时的核心目标是培养使用意识，参考“先僵化、再固化、再优化”的思路，先鼓励员工大胆使用，不必过度纠结效率，哪怕是探索性的使用也有其价值。

　　当全员普遍建立AI使用习惯后，再逐步转向效率评估，将Token消耗量与实际工作产出绑定——消耗了多少Token，对应产出了多少代码、业务方案、设计成果，或是落地了多少智能体应用，两者结合才能判断Token的消耗是否创造了真实价值。行业此前普遍认为，模型使用成本会持续下降，但未来顶级模型的使用成本很可能维持高位，企业需要在能力需求与成本效率之间找到平衡，不能盲目追求开放型智能体的“全能力”。

　　记者：AI技术迭代速度很快，从大模型到智能体再到各类创新应用层出不穷。未来，智能体下一阶段的核心演进方向是什么？世界模型会带来那些新的安全挑战？

　　周鸿祎：智能体的技术架构一直在快速迭代，各类新的产品形态层出不穷。但长期来看，决定落地价值的不是基座模型的参数高低，而是两个核心要素——知识库与工具链。

　　对企业而言，通用智能体只能解决通用问题，真正能承接核心业务的智能体，必须深度掌握企业的专属知识。这些知识不只是公开的制度文档，还包括业务流程、历史经验、场景化规则等隐性内容，是企业长期沉淀的核心资产。其次是工具链的适配。智能体的能力落地离不开工具调用，通用场景下仅需搜索、浏览等基础工具即可，但在企业内部，智能体必须和企业的业务系统、数字化工具深度打通，才能真正发挥业务价值。

　　至于世界模型，目前行业尚未形成统一严格的定义。从本质来看，世界模型是在视觉能力的基础上，增加了对物理定律的理解与推演，主要应用在自动驾驶、机器人、无人机等需要和物理空间交互的场景。未来世界模型落地后，也会带来新的安全课题。（记者 刘吉东 李政葳）

光明网数字化频道＆网络安全频道出品

“网络强国·百人谈”

更多内容欢迎扫码关注专栏