漏洞扫描报告说“高危”，设备工程师却不能立刻打补丁：一次未经验证的变更，可能比漏洞本身更快触发停线。10月8日，Anthropic启动网络安全使命，把前沿模型、工程支持和威胁研究带进电力、水务、交通等关键基础设施防御；同一天，Google发布带独立身份、沙箱、网络网关与审计能力的通用工作Agent。两条新闻指向同一条生产原则：AI可以把发现和分析提速，修复动作仍要经过证据、窗口、回滚和人工签字。
今日重点
- Anthropic启动Anthropic Cyber Mission，新增关键基础设施防御计划与开源软件扫描器。
- 关键基础设施计划首批有11家合作伙伴，覆盖安全、咨询、工业自动化与OT防护公司。
- Anthropic称OSS Scanner预期真阳性率超过90%，但报告由模型生成、未经人工审查，严重度也可能判断错误。
- Google发布通用Gemini Agent，可跨Workspace、代码、数据与企业应用规划和执行任务。
- Google为Agent配置独立身份、权限、沙箱、网络网关、审计与成本控制；可用性仍处于私有预览或逐步开放阶段。
- Liquid AI开放d1-3B和d1-omni-600M决策模型，目标是在一次前向计算中直接作出决策。
- Liquid AI公布d1-3B在多款设备上的厂商延迟数据，Jetson Orin Nano为50毫秒；现场表现仍需重新测量。
- Perplexity发布可在共享空间检索文本、图像与页面的pplx-embed-v2，为图纸、手册、工单与照片联合检索提供新选项。
1. Anthropic把前沿模型带进关键基础设施防御
发生了什么。Anthropic在10月8日宣布Anthropic Cyber Mission。其中Critical Infrastructure Defense Program面向电力、水务、交通和政府等关键基础设施防御者，提供前沿模型、驻场工程支持与威胁研究。首批11家合作伙伴包括Accenture、Booz Allen、CrowdStrike、Deloitte、Dragos、Hitachi、Insane Cyber、Nozomi Networks、Palo Alto Networks、PwC和Rockwell Automation。
已确认的边界。公告说明了计划、伙伴和支持方式，没有给出经过第三方验证的停线减少、修复周期或误报下降数据。关键基础设施中的设备寿命长、补丁窗口少、认证链复杂，模型找出问题之后，仍要由资产负责人确认受影响版本、暴露路径、工艺影响和回滚条件。
对工业企业的影响。AI安全能力开始进入OT防御生态，但采购指标不能只写“能发现多少漏洞”。更重要的验收项是：发现是否能映射到真实资产、证据能否复核、变更是否进入工单、补丁失败能否回滚、联锁和安全仪表是否保持独立。对重庆制造企业，第一批试点应放在资产台账、离线固件分析和只读告警归并，不宜直接让模型向PLC或生产网下发修改。
2. OSS Scanner提速发现，也把“模型判断”边界写在明面上
Anthropic同时推出自愿加入的免费OSS Scanner。官方描述的流程是周期性扫描开源项目，发现问题后提供概念验证、解释和建议修复。Anthropic预期真阳性率超过90%，但明确写明报告由模型生成、未经人工审查，可能存在错误或错误的严重度判断。
这组表述很重要。90%以上是真阳性率预期，不等于召回率，不代表所有严重漏洞都能发现，也不代表每个报告的等级都正确。企业把类似扫描器接入研发流程时，至少要分开统计真阳性率、漏报率、重复报告率、严重度偏差和人工复核时间。任何会触发自动合并、自动发布或生产补丁的动作，都要由确定性策略和人工审批控制。
更稳妥的链路是：模型生成候选发现，规则引擎核对组件版本与可达性，安全人员复现，变更委员会选择维护窗口，流水线执行可回滚部署，监控系统读取终态。每一步保留任务编号、证据和签字，模型报告只作为输入之一。
3. Google给通用工作Agent配置独立身份
Google Cloud在10月8日发布面向工作的通用Gemini Agent。官方称它可跨Workspace、代码、数据和应用规划任务、使用工具、连接系统、运行代码并选择合适模型。企业控制包括Agent身份与权限、沙箱、网络网关、审计和成本控制。
这意味着Agent正在从“员工使用的功能”变成需要被治理的数字主体。独立身份让企业可以区分员工本人和受委托Agent的行为；沙箱限制执行范围；网络网关控制出站连接；审计记录任务与工具调用；成本控制限制持续运行。五项机制要协同使用，不能只注册一个服务账号就认为治理完成。
仍未知的边界是广泛可用时间、地区和具体版本差异。官方材料将部分能力描述为私有预览或即将扩大可用范围。企业评估时应要求供应商写清当前可用状态，并在自己的租户中验证：Agent是否有独立身份、委托链能否追溯、权限能否按任务收缩、工具调用失败后是否停止、费用和网络出口是否有硬限制。
4. Liquid AI把决策模型压到3B和600M
Liquid AI在10月7日开放d1-3B与d1-omni-600M权重。与逐token生成文本不同，决策模型用一次前向计算直接输出分类或决策结果。厂商公布的d1-3B延迟为RTX 4090上8毫秒、Jetson AGX Thor上16毫秒、Jetson AGX Orin上26毫秒、Orin Nano上50毫秒；这些都是厂商环境结果。
对边缘计算的价值在于路径更短、输出空间更受约束。缺陷分流、报警优先级、工单路由或设备状态分类，往往只需要有限标签，不需要生成长文本。小模型在边缘侧可以降低往返云端的延迟和数据暴露。
生产限制不能省略。现场摄像头前处理、传感器同步、并发队列、温度降频和数据漂移都会影响真实延迟；一次前向决策也可能自信地给出错误标签。d1-omni仍是实验性模型，官方把音频决策基准列为开放问题。企业应在目标硬件上测P50/P95/P99延迟、功耗、拒答覆盖率和班次间漂移，再决定是否进入旁路运行。
5. Perplexity把文本、图像与页面放进共享检索空间
Perplexity在10月7日发布两款pplx-embed-v2 late-interaction嵌入模型，支持文本、图像与页面的共享表示，并通过Hugging Face公开。对工业知识库而言，它提供了一条把设备手册、图纸页面、工单文字和现场照片联合检索的工程路线。
共享空间不自动等于可用的工业RAG。图号、局部放大、版本章、中文缩写和相似设备外观都可能导致误召回。测试集要按真实问题构造，例如“这张漏油照片对应哪一版密封组件”“某报警代码在2024版手册的哪个页面”。记录Top-k召回、版本误配、跨设备串单和无答案拒答，达不到门槛就保持人工检索。
白泽重点拆解：从发现到修复，要有六段可验证链
第一段是发现。模型扫描代码、配置、日志或资产信息，输出候选风险及证据位置。输入必须有版本号和采集时间，避免把过期资产当成当前状态。
第二段是验证。规则引擎核对组件版本、暴露路径与已知缓解措施，安全人员复现高风险项。模型给出的严重度不能直接替代资产关键性和工艺后果评估。
第三段是决策。把风险、生产计划、备件、人员和停线成本放进同一工单。涉及生产网、设备参数或安全联锁的变更由指定责任人签字，Agent只能准备材料和建议窗口。
第四段是受控执行。补丁在隔离环境或数字副本中先跑，生产执行使用短期凭据、最小网络范围和幂等脚本。Agent身份与委托人分开记录，操作超出清单就拒绝。
第五段是终态读回。执行系统重新读取版本、配置、服务状态和关键工艺指标，确认修复生效且没有引入新异常。不能用Agent一句“已完成”作为验收证据。
第六段是回滚与留证。达到超时、报警或质量阈值立即回退，保存扫描证据、复现记录、审批、变更差异、终态与回滚结果。完整链路允许企业回答“为什么改、谁批准、改了什么、结果如何”。
适用条件是资产台账可关联、测试环境可复现、变更窗口明确、凭据可短期签发、终态能从独立系统读取。任一条件缺失，AI可以做发现和材料整理，不能获得生产写权限。
建议的第一轮验证采用一项低风险服务：准备20条历史发现、10条误报和5条故障注入；统计证据定位准确率、人工复现时间、错误严重度比例、变更成功率、回滚成功率和审计关联完整率。越权动作未全部被拒绝、终态无法独立读回或回滚演练失败，均为no-go。
今日企业行动清单
- 选一个漏洞或异常处置流程，画出发现、验证、签字、执行、终态和回滚六段责任人。
- 给每个安全或运维Agent建立独立身份，限制资产范围、网络出口、凭据时效和单次预算。
- 用10条误报与5条故障注入测试修复链；任何越权、无法读回或回滚失败都停止开放写权限。
FAQ
Anthropic的OSS Scanner能否直接自动修复生产漏洞？
不应直接这样使用。官方明确报告由模型生成且未经人工审查，严重度也可能错误。生产修复需要复现、审批、维护窗口、终态验证和回滚。
Agent拥有独立身份后，还需要沙箱吗？
需要。身份解决归属和授权，沙箱限制文件、进程与网络执行范围；两者承担不同责任。
3B决策模型适合哪些工业任务？
适合输出空间有限、延迟敏感、能用标签验收的任务，如报警分级、工单路由和旁路缺陷分流。高风险控制动作仍需规则与人工接管。
多模态嵌入模型上线前应测什么？
至少测图纸版本误配、跨设备串单、Top-k召回、无答案拒答和中文缩写召回，并用企业真实手册、工单与照片构造测试集。
参考来源
- Anthropic，Anthropic Cyber Mission，2026-10-08：https://www.anthropic.com/news/anthropic-cyber-mission
- Google Cloud，Welcome to Gemini at Work 2026，2026-10-08：https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026
- Liquid AI，Introducing d1，2026-10-07：https://www.liquid.ai/blog/d1-open
- Perplexity，pplx-embed-v2，2026-10-07：https://community.perplexity.ai/t/were-releasing-pplx-embed-v2-late-two-late-interaction-embedding-models-that-retrieve-text-images-and-pages-with-a-shared-embedding-space-for-cross-model-querying/6296
企业AI与Agent落地 · RAG与知识工程 · 工业视觉与边缘计算 · 联系我们