Anthropic玻璃翼计划：AI代码安全审计的军备竞赛

一场让安全从业者失眠的实验

先说一个足以让所有安全从业者睡不着觉的事实：Anthropic 的 Mythos 级别模型用几个小时的时间，在全球关键基础设施的代码里挖出了超过一万个高危漏洞。

这是什么概念？在传统语境下，一位顶级安全研究员一年能发现并确认十几个高危漏洞，已经算得上业界大牛。而如今，AI 一轮扫描的产出，相当于整个安全团队干上十年。这背后，就是 Anthropic 的 Project Glass Wing（玻璃翼计划）。

这个名字本身极具隐喻——蜻蜓的翅膀是透明的，寓意让所有代码在 AI 面前无所遁形。无论漏洞藏得多深，对 AI 而言都是透明可见的。这对全球软件行业意味着什么？意味着防御者的能力正在飞速跃升，但攻击者拿到同等能力，也只是时间问题。这是一场真正意义上的军备竞赛。

玻璃翼计划的全貌

Glass Wing 的核心工具是 Anthropic 尚未公开发布的 Mythos Preview 模型。这类模型通过在海量代码库（包括公开的 CVE 漏洞数据库、GitHub 代码仓库、安全研究论文）上进行专项训练，形成了远超通用模型的代码理解与漏洞推理能力。其核心技术原理是将漏洞模式识别与程序语义分析相结合——不仅能做表层的语法匹配，还能理解跨函数、跨模块的数据流与控制流，从而发现需要多步推理才能定位的深层漏洞，例如整数溢出触发的缓冲区越界、竞态条件导致的权限提升等。据称这是目前代码安全与国家安全分析能力最强的 AI，仅对合作伙伴开放。

几个关键数据勾勒出这个计划的量级：

• 150 多家组织已经参与
• 覆盖超过 15 个国家
• 行业横跨电力、水务、医疗、通信、硬件、金融
• 入选门槛极高——每一家参与组织被攻破后，影响人群都超过 1 亿人

有意思的是，Anthropic 用来形容这些漏洞的词是 Catastrophic（灾难性的）。这已经不是普通的商业软件 bug，而是国家安全级别的隐患。

AI安全能力远不止扫描漏洞

Glass Wing 的野心远不止于扫描。Mythos Preview 具备一整套安全能力：

• 自动生成补丁代码：在找到漏洞的同时直接给出修复建议
• 预发拦截：代码还未上线，就先过一遍 AI 安检，把漏洞消灭在部署之前
• 渗透测试：模拟攻击者思路，检验系统能否扛住真实攻击
• 遗留代码迁移：把几十年前的 C 代码翻译成 Rust 这样的内存安全语言

这已经不是一个扫描工具，而是一整套 AI 驱动的安全生命周期管理体系。

正在被催生的五大产业风口

玻璃翼计划的意义，不仅在于技术本身，更在于它正在催生一批全新的产业机会。

一、AI 安全审计即服务

传统代码审计，一个中等规模项目收费几十万到几百万，耗时数周到数月。AI 把这个时间压缩到小时级别，成本降低一到两个数量级。这意味着原来只有大企业才审计得起的服务，如今中小企业也能负担，市场规模有望扩大十倍以上。Anthropic 已经推出了面向公众的商业化产品 Claude Security（基于 Opus 4.8 模型），迈出了商业化第一步。

二、漏洞验证与补丁自动化

Anthropic 说了一句非常关键的话：瓶颈不再是发现，而是修补。AI 一天能挖出几百个漏洞，但验证每一个是否真的可利用、编写补丁、测试补丁不破坏其他功能、协调披露——这些环节仍然依赖人工。谁能用 AI 把这条链路自动化，谁就掐住了下一代安全产业的咽喉。

三、内存安全语言大迁移

全球目前还有数十亿行 C/C++ 代码运行在关键基础设施上。这并非小题大做——根据微软和谷歌的统计，其软件中约 70% 的高危漏洞源于内存安全问题，包括缓冲区溢出、use-after-free、空指针解引用等。Rust 语言通过所有权系统和借用检查器，在编译期消除整类内存安全问题，且不依赖垃圾回收，性能与 C 相当。美国 NSA、CISA 已在 2022-2023 年相继发布指南，强烈建议向 Rust、Go 等内存安全语言迁移；美国白宫也已发布报告，要求联邦系统完成迁移。AI 辅助迁移的核心价值在于自动化语义等价转换，将原本需要顶级工程师逐行审查的工作大幅提速。用 AI 辅助这类迁移，是一个持续十年以上的万亿级市场。

四、AI 红蓝对抗平台

红蓝对抗（Red Team vs Blue Team）是安全领域的经典方法论：红队模拟攻击者，蓝队负责防御与响应。传统模式高度依赖人工，渗透测试师需要手动构造攻击链，响应团队需要人工分析告警、溯源攻击路径，效率低且覆盖面有限。AI Agent 的介入正在重塑这一模式——攻击侧，AI 可以自动生成漏洞利用代码、枚举攻击面、链式组合多个低危漏洞形成高危攻击路径；防御侧，AI 可以实时关联海量安全日志、自动研判误报、生成处置剧本。未来安全团队的标配，将不再是几十个人在 SOC 中心盯屏幕，而是 AI Agent 全天候自动攻防对抗，这种 AI vs AI 的范式要求防御方的模型在速度和推理深度上不亚于攻击方。安全运营的形态将被彻底改变。

五、安全合规与标准体系

Glass Wing 正在推动建立全新的行业规范：什么样的代码能上线、AI 审计要达到什么覆盖率、漏洞披露流程如何走。围绕这些标准的咨询、认证、工具链，又是一条独立赛道。

中国的缺席与四条必答题

必须正视一个现实：目前没有任何中国组织参与 Glass Wing。15 个国家、150 家组织，没有中国。这并不意外——涉及关键基础设施代码，地缘政治因素决定了短期内难有中国参与。

但问题在于：别人在用最强 AI 给自己的代码做全面体检，而我们缺乏同等能力的工具。这个差距若不解决，后果不容忽视。Anthropic 的判断很明确——6 到 12 个月内，Mythos 级别的能力会扩散。届时攻击者也能拿到类似能力的模型，那些没做过 AI 级别安全审计的代码库，将处于「裸奔」状态。

面对这种局面，有四条路必须同时走。

自主 AI 安全能力必须跟上

国内大模型厂商——DeepSeek^广告、智谱、通义千问^广告、百川等——必须把代码安全分析作为核心能力方向。不是做个套壳工具写写代码就够了，而是要能做到自动化漏洞发现、自动化补丁生成、自动化渗透测试。这是模型能力的硬指标。

国家级代码安全联盟要立刻建起来

电力、通信、金融、铁路、水利这些行业的核心系统代码，需要用 AI 做一次系统性的全面审计。不能再各自为战、各扫门前雪。参考 Glass Wing 模式，统一标准、共享情报、协同防御。

开源安全贡献不能再缺位

中国大量使用开源组件——Linux 内核、OpenSSL、Log4j 等，这些组件的漏洞影响所有人。2021 年的 Log4Shell 漏洞（CVE-2021-44228）是前车之鉴：这个 Java 日志库被嵌入数万个软件产品，一个远程代码执行漏洞瞬间影响全球数亿设备。Glass Wing 正在帮全球开源生态修漏洞，而我们作为最大用户之一，却在这张桌子上没有话语权。现代软件高度依赖开源供应链，软件物料清单（SBOM）概念正是因此兴起——像食品配料表一样列出所有依赖组件及版本。长期用别人的代码却不参与修补，是不可持续的，在地缘政治敏感期尤为危险。

复合型安全人才断层必须现在补

既懂大模型训练与推理，又懂二进制逆向、漏洞利用、安全架构的复合型人才，全球都稀缺。高校要开设交叉方向，企业要给安全团队配 AI 工程能力，CTF 社区要与 AI 研究打通。这批人才将是未来最抢手的核心资源。

结语：从人力密集到算力密集

Glass Wing 揭示了一个残酷现实：AI 正在让代码安全从人力密集型变成算力密集型。未来比拼的不再是你有多少安全工程师，而是你的 AI 能否比攻击者的 AI 更快、更深、更准。

这场竞赛的倒计时，已经开始了。

核心要点