全球67%、中国80%的受访高管坦言，其组织在过去一年中遭遇过AI驱动型网络攻击——当智能体AI以机器级速度持续挖掘漏洞并实时调整攻击策略，传统安全模型正在加速失效。IBM商业价值研究院与Palo Alto Networks联合发布的这份报告，基于对全球1000名最高管理层（含50名中国高管）的调研，揭示了一个关键结论：以AI守护AI是唯一的破局之道。当企业平均使用73种网络安全解决方案时，碎片化的单点方案已无法应对边界模糊、非人类身份激增的新型风险——一体化AI运营平台与AI暴露面管理成为规模化安全防护的核心命题。
AI攻防格局——传统安全模型到达临界点
70%的受访高管认为，当前网络威胁的演进速度已超越防御体系的迭代速度。曾经用于探测主机域漏洞的自动化程序，正转变为AI恶意软件智能体集群——这些自动化攻击主体以机器级速度运行，令人类专家难以企及。
近期爆火的智能体工具OpenClaw（中国业内俗称“龙虾”）已暴露大量安全短板。国家信息安全漏洞库（CNNVD）监测数据显示，仅2026年3月10日至4月2日期间，就累计收录该工具相关漏洞155个，包含11个超高危漏洞与53个高危漏洞。某制造企业仓促部署后直接造成生产线停摆72小时，预估直接经济损失超2000万元。
一个关键的瓶颈在于：网络安全运营仍受制于传统流程。“人在环内”（human-in-the-loop）模式愈发难以奏效，破局之道在于转向“人在环上”（human-on-the-loop）的新范式——由专业人员监督防御智能体。然而，仅一成的全球高管、中国分别有18%和12%的高管表示AI已完全融入其IT运营模式与开发安全运营（DevSecOps）体系。
碎片化困局与AI暴露面管理
受访全球组织平均部署27种不同的AI解决方案（中国30种），分散于10家供应商（中国12家）；网络安全解决方案的全球平均数量更高达73种（中国80种），来自22家供应商（中国26家）。全球56%和中国60%的高管认为AI模型开发与训练环节存在防护短板。
AI暴露面管理——系统性地发现、情境化分析并降低组织AI与智能体应用资产中安全风险的专业实践——成为网络安全防御的核心。全球76%和中国86%的高管预计，到2028年，AI暴露面管理将成为其组织统一预防、检测与响应活动的核心机制。
约四分之一（24%）的“规模化与安全性并重的AI领航者”组织在四个关键维度上脱颖而出，获得更强的安全韧性、更高的投资回报与更优的运营绩效。相比之下，28%的“AI探索型组织”仍在起步阶段徘徊。
集成化运营平台与多智能体系统
统一AI平台对共享数据、身份控制与治理进行统一管理。全球77%和中国82%的高管表示亟需在混合云、AI与安全平台之间实现更深层次的集成。全球68%和中国74%的高管认为需将AI代理视为独立身份管理——AI身份相关风险较高的组织，网络安全事件发生率高出52%。
多智能体系统（MAS）的潜在价值不容忽视——由多个自主智能体构成，持续交互以实现复杂目标，核心价值源于去中心化、协作性与动态适应能力。部分先行组织已部署MAS并应用于事件检测与响应、威胁修复等成熟业务流程。中国企业布局MAS需充分考量合规要求与数据主权保护，可依据中国法律法规开展合规性检查。
责任共担与四维行动指南
绝大多数受访高管（全球82%、中国94%）认同AI安全是供应商、服务商与合作伙伴之间的责任共担。但全球40%和中国38%受访者坦言当前模式“效果甚微”。三大核心障碍为：多个AI供应商环境带来的复杂性、AI技术快速迭代、对供应商安全控制措施的可见性不足。
四维行动指南：严格界定并治理每一项AI资产（将AI代理视为一级身份主体，遵循《生成式人工智能服务管理暂行办法》）；让AI暴露面管理成为安全基线（统一可见性，赋能智能体自主行动）；采用一体化架构为可信自主奠定基础（推进IT与信息安全互操作性与统一治理）；构建安全的AI生态实现责任共担与问责落地（评估采购流程，优化供应商布局）。
