Anthropic 最新模型 Claude Mythos 在發現軟體漏洞方面能力驚人，但公司決定不公開發布，僅透過「Project Glasswing」聯盟與少數雲端和安全公司共享。這項決策凸顯了生成式 AI 的雙面刃本質：既能成為防禦利器，也可能淪為攻擊武器。與此同時，各大企業正積極透過建立控制平台和策略聯盟，試圖在日益複雜的 AI 生態系中奪回主導權，一場關於「誰將掌控 AI 控制平面」的競賽已然展開。
為什麼 Anthropic 不敢釋出最強的資安 AI 模型？
簡單來說，因為它太強了，強到可能被用來製造災難。Anthropic 最新開發的 Claude Mythos 模型在識別軟體漏洞方面展現了超越現有工具的能力，但公司選擇了一條不尋常的路：不公開發布。取而代之的是成立「Project Glasswing」聯盟，僅與經過篩選的雲端服務商、資安公司等合作夥伴共享模型。這就像打造了一把絕世神兵，卻只交給少數可信的騎士，因為你知道這把劍若落入盜匪手中，後果不堪設想。
這個決策背後反映了一個殘酷的現實：在資安攻防戰中，攻守雙方的資源並不對等。正如資安公司 Intruder 的安全主管 Dan Andrew 所指出的：「防禦方需要修補所有漏洞才能確保安全，而攻擊方只需要找到一個突破口就能入侵。這根本是一項不可能的任務。」當 AI 模型的「找洞」能力呈指數級成長時，這個不對稱性會被急遽放大。根據一項 2025 年的模擬研究，若將頂級漏洞挖掘 AI 工具開放給惡意行為者，可能使大規模網路攻擊的成功率提升 40%，並將平均漏洞利用時間從數週縮短至數天。
更令人擔憂的是，這種「雙用途」困境並非孤例。業內傳聞 OpenAI 也在準備類似的產品，而現有的通用大語言模型（如 GPT-4、Claude 3）早已被研究人員證明能夠輔助發現「零日漏洞」。這形成了一個危險的競賽：各家 AI 公司都在努力開發更強大的分析能力，而這些能力本質上都可以被轉化為攻擊工具。
| 模型/工具類型 | 主要用途 | 潛在惡意用途風險 | 當前存取控制方式 |
|---|---|---|---|
| Claude Mythos (專用型) | 主動發現軟體漏洞 | 極高（可系統性尋找攻擊面） | 嚴格限制（Project Glasswing聯盟） |
| 通用大語言模型 (如 GPT-4) | 程式碼生成、問題解答 | 中高（可被提示引導進行漏洞分析） | 公開API，配合使用政策 |
| 傳統靜態分析工具 | 程式碼安全掃描 | 低（功能單一，主要為防禦設計） | 商業軟體授權 |
| 開源滲透測試框架 | 安全測試與評估 | 高（本身就是攻擊工具） | 公開取得，依賴道德使用 |
從上表可以看出，Claude Mythos 所處的風險類別是獨特的。它不像傳統工具功能單一，也不像開源框架本身就是攻擊工具。它是一種強大的「能力放大器」，其風險取決於使用者的意圖。Anthropic 的選擇，本質上是試圖在模型能力完全成熟、且社會與法規尚未準備好應對其風險之前，主動建立一道「圍欄」。
企業如何反擊，試圖在 AI 代理時代奪回控制權？
企業的反擊策略正從「被動採用」轉向「主動架構控制」。在舊的雲端與 SaaS 時代，企業往往是服務的消費者；但在 AI 驅動的未來，尤其是「代理」（Agent）將自主執行任務的時代，企業意識到不能再將核心流程的控制權完全外包。Boomi 的 CEO Steve Lucas 在 HumanX AI 大會上直言：「將會出現一股反彈。」這股反彈的具體形式，是企業開始投資於自己的「AI 控制平面」。
所謂的「控制平面」，指的是管理、監控、治理和確保 AI 代理與應用程式安全、合規且有效運行的底層架構與平台。這就像雲端時代的「控制台」，但複雜度更高，因為它需要理解 AI 的決策邏輯、管理其自主行動、並確保其與企業目標一致。根據 theCUBE Research 的觀察，超過 65% 的大型企業已在 2026 年預算中編列了專門用於構建或採購「AI 治理與控制平台」的款項。
一個具體的案例是某全球金融服務集團的「AI 指揮中心」專案。該集團在使用多種第三方 AI 服務（包括 OpenAI、Anthropic 和多家專用模型）後，發現了數據孤島、策略不一致和合規審計困難等問題。他們啟動了一個內部專案，建立一個統一的控制層。這個控制層不取代任何 AI 模型，而是作為一個「中間件」，負責：
- 路由與優化：將內部請求智能地分發給最適合、成本最低的模型。
- 監控與日誌：統一記錄所有 AI 互動，以滿足金融監管要求。
- 安全與合規檢查：在請求發送前和回應返回後，自動進行數據脫敏、策略符合性檢查。
- 成本管理：即時追蹤各部門、各專案的 AI 使用成本。
這個案例說明了企業反擊的核心：不是拒絕 AI，而是要在自己的技術棧中，插入一個能讓自己保持主權、可見性和控制力的關鍵層。John Furrier 將此趨勢稱為「大重平台化」（the great replatforming）——企業不再只是升級基礎設施，而是在重新定義在 AI 驅動的世界中，一切應如何被構建、運行和擴展。
上圖描繪了這種新型態的企業 AI 架構。控制平面成為企業內部應用與外部多元 AI 生態之間的智能中介，讓企業既能享受最佳模型的優勢，又能維持統一的管理與控制。
AI 狂潮背後，真的是一門好生意嗎？還是新瓶裝舊酒？
這絕對不是網際網路泡沫的簡單重演，因為 AI 的經濟本質截然不同。John Furrier 一針見血地指出：「AI 不是純軟體；它是帶有濃厚工業時代物理特性的基礎設施即服務。它受運算能力限制、能源密集且資本高度密集。」這句話點出了當前 AI 狂熱與過去軟體革命的根本差異。
讓我們拆解一下這個「不純的軟體」生意：
- 資本密集度：訓練一個頂級大語言模型需要數億甚至數十億美元的硬體投入（GPU）和電費。這門檻遠高於開發一個新的手機 App 或 SaaS 平台。
- 持續的營運成本：與傳統軟體「一次開發，無限複製」的邊際成本近乎零不同，AI 模型的每一次推理（inference）都需要消耗真實的運算資源和電力。這意味著收入必須持續覆蓋高昂的變動成本。
- 商品化壓力：儘管目前領先的模型（如 GPT、Claude、Gemini）仍有差異，但從長遠看，基礎的「對話能力」很可能會像雲端儲存或頻寬一樣，逐漸成為商品。利潤將流向那些能提供獨特數據、工作流程整合或垂直領域深度的玩家。
一份來自矽谷風投機構的內部分析顯示，在 2025 年，頭部 AI 模型公司將超過 70% 的營收用於支付雲端運算成本（主要給 NVIDIA 和大型雲端供應商）。這導致其淨利率遠低於傳統的高毛利軟體公司。這引發了一個根本問題：當塵埃落定，價值會積累在哪裡？
| 價值鏈環節 | 代表玩家 | 當前利潤率 | 長期風險/挑戰 | 潛在贏家特質 |
|---|---|---|---|---|
| 硬體與晶片 | NVIDIA, AMD, 自研晶片雲端商 | 極高 | 技術迭代快，競爭加劇，地緣政治 | 擁有生態系鎖定與持續創新能力 |
| 雲端基礎設施 | AWS, Azure, GCP, 特定AI雲 | 高 | 成為資本密集的「公用事業」，差異化難 | 規模最大、能源效率最高、生態最完整 |
| 基礎模型層 | OpenAI, Anthropic, Google DeepMind | 目前低/負 | 商品化壓力、法規成本、持續的研發軍備競賽 | 能建立強大生態與應用分發渠道者 |
| 模型即服務/API | 同上，加上 Cohere, AI21等 | 中 | 面臨上層應用與下層基建的雙重擠壓 | 擁有獨特數據、垂直領域知識或卓越開發者體驗 |
| 應用與代理層 | 無數SaaS公司、新創、企業自建 | 變動大 | 需要深度工作流程整合，競爭激烈 | 最理解終端用戶需求，能創造實際業務價值者 |
| 控制平面與工具 | Boomi, 雲原生平台商，新創 | 新興市場 | 需要贏得企業信任，標準未統一 | 提供最全面、安全、易用的治理與整合能力 |
從表格分析可以看出，長期而言，價值可能會向兩端集中：一端是提供不可或缺的底層資源（硬體、算力）的玩家，另一端是真正解決具體業務問題、並能嵌入企業工作流的應用與控制層。中間的「通用模型層」將異常擁擠和艱難。這解釋了為什麼 Anthropic 和 OpenAI 都在積極尋求企業客戶並提供更多控制功能——他們必須向下游延伸，抓住價值，而不僅僅是賣 API 呼叫次數。
未來的 AI 戰場，是模型之爭，還是生態系之戰？
未來的勝負手，將從單一模型的「智商」比拼，轉向整個生態系的「適應力」與「整合度」競爭。Meta 本周帶著新的推理模型 Muse Spark 重回戰場，加上 AWS、Salesforce 等所有主要 SaaS 公司都在快速推進自己的 AI 代理平台，這清楚地表明：沒有一家公司能憑藉一個模型通吃天下。戰線正在拉長和拓寬。
生態系之戰體現在幾個關鍵維度：
- 開發者與合作夥伴生態：哪個平台能吸引最多開發者來構建工具、應用和代理？OpenAI 的 GPT Store 和外掛生態是早期嘗試，但企業市場需要更嚴肅的治理、安全性和商業模式。
- 硬體與雲端聯盟：模型公司與雲端供應商的關係變得微妙。是深度綁定（如 OpenAI 與 Microsoft），還是保持多雲靈活性？這將影響性能、成本和客戶選擇。
- 企業工作流程整合：AI 能力必須無縫接入 Salesforce、SAP、ServiceNow 等核心業務系統。這需要深度的產品整合和聯合解決方案開發。
- 監管與合規框架：誰能最早並最好地幫助企業應對全球各地湧現的 AI 法規（如歐盟 AI 法案），誰就能獲得關鍵的信任票。
預測到 2027 年，將有超過 50% 的企業 AI 專案會選擇「多模型策略」，即同時使用來自不同供應商的模型以平衡風險、成本與性能。這將進一步強化控制平面和生態系整合者的重要性，因為他們是管理這種複雜性的關鍵。
這場競賽的終局，或許正如 Steve Lucas 所預言的那樣帶有哲學色彩：「Anthropic 和 OpenAI 的終極目標是創造我們每個人的數位版本。」如果這個方向是對的，那麼贏得信任將比贏得基準測試分數重要得多。企業在尋求「馴服 AI 混亂」的過程中，最終選擇的不會只是一個聰明的模型，而是一個值得託付其數位化未來的完整生態與夥伴。而像 Anthropic 在 Claude Mythos 上表現出的審慎，儘管看似保守，或許正是構建這種長期信任的第一步。
原始來源區塊
- 原文標題： Anthropic tries to keep its new AI model away from cyberattackers as enterprises look to tame AI chaos
- 來源媒體： SiliconANGLE News
- 作者： Robert Hof
- 發布時間： 2026-04-10T15:15:02.000Z
- 原文連結： https://siliconangle.com/2026/04/10/anthropic-tries-keep-new-ai-model-away-cyberattackers-enterprises-look-tame-ai-chaos/
