CrowdStrike近5亿美元收购两家AI安全初创，智能体安全市场爆发

安全巨头CrowdStrike宣布，将以近5亿美元的价格收购两家AI安全领域的初创公司：Fiddler AI和Dreadnode。这笔交易凸显出随着AI智能体（Agent）在企业中的大规模部署，保护这些智能体本身的安全正在成为一个独立且快速增长的市场。

两笔收购各补一块拼图

据CrowdStrike公布的信息，Fiddler AI专注于AI智能体可观测性软件，能够帮助企业监控、理解并调试AI智能体的行为。Dreadnode则致力于帮助企业自动化AI安全测试，通过持续的红队测试和漏洞扫描来发现AI系统中的风险。

这两项能力恰好对应了AI智能体安全的两大核心需求：看得见和测得准。Fiddler AI解决的是智能体运行时的透明度问题——当AI智能体自主执行任务时，企业需要知道它做了什么、为什么这么做、是否偏离了预期。Dreadnode则从攻击者视角出发，自动化地寻找AI系统的薄弱点，把安全测试从一次性人工评估转变为持续性的工程流程。

为什么是现在？

智能体安全市场的升温并非偶然。随着越来越多的企业将AI智能体投入生产环境，让它们访问内部数据、调用API、执行业务流程，攻击面也随之扩大。传统的应用安全工具无法理解AI智能体的决策逻辑，也难以覆盖提示注入、工具滥用、数据泄露等新型风险。CrowdStrike此时出手，正是在抢占这一新兴安全品类的入口。

提示注入（Prompt Injection） 是AI智能体面临的一种核心攻击方式，指攻击者通过精心构造的输入（如用户消息、网页内容、文档文本），诱导模型忽略原有指令或执行攻击者指定的操作。对于能调用工具、访问数据的智能体，提示注入可能导致越权操作、数据外泄或工具滥用，例如让智能体将内部数据库内容发送到外部地址。与传统漏洞不同，提示注入往往无法通过打补丁彻底修复，因为它利用的是模型对自然语言指令的遵循特性，因此需要运行时监控、输入输出过滤和持续红队测试等多层防御。

红队测试（Red Teaming） 在AI安全语境下，指由安全专家或自动化工具模拟攻击者，系统性地探测AI系统的弱点，包括诱导有害输出、绕过安全护栏、窃取系统提示等。对于频繁迭代的AI智能体，一次性人工红队很快会过时，因此Dreadnode这类公司将其工程化为持续、自动化的流程，把发现的问题反馈到开发闭环中，这与传统渗透测试的思路一脉相承，但针对的是AI特有的攻击面。

智能体安全：从附属功能到独立赛道

长期以来，AI安全更多被视为传统安全产品的附加功能。但智能体的自主性改变了这一格局。一个能够自主规划、调用工具、与其他智能体协作的系统，其安全边界远比传统软件复杂。

Fiddler AI的可观测性能力让安全团队能够追踪智能体的每一次决策链路，而Dreadnode的自动化测试则让安全验证可以跟上AI系统频繁迭代的节奏。两者结合，CrowdStrike有望构建从监控到测试的闭环能力。

你可能没注意到，这笔近5亿美元的投入也向市场传递了一个信号：保护AI智能体正在从“ nice to have ”变成企业安全架构中的必选项。对于创业公司而言，这验证了AI安全赛道的商业价值；对于企业买家而言，则意味着需要开始将智能体安全纳入整体安全预算和流程。

AI智能体可观测性（Observability） 借鉴自软件工程中的可观测性概念，但对象从服务、指标和日志扩展到了智能体的决策过程。它通常包括追踪智能体的推理链路（如调用了哪些工具、读取了哪些上下文、生成了什么中间结果）、记录输入输出、评估行为是否符合预期，并在异常时告警。由于大模型决策具有概率性和不透明性，传统日志难以还原“为什么这么做”，可观测性工具需要专门采集思维链、工具调用参数和状态变化，帮助安全团队审计与调试。Fiddler AI正是围绕这一需求构建产品，使智能体的黑盒行为变得可追溯、可解释。

对企业的启示

对于正在部署AI智能体的企业来说，CrowdStrike的收购动作提供了一个观察窗口。智能体安全不能仅靠模型层面的防护，还需要可观测性、持续测试和运行时监控的组合。企业在选型时，应关注产品能否覆盖智能体的全生命周期——从开发阶段的测试，到上线后的行为监控与异常检测。

同时，这笔交易也暗示了行业整合的趋势。大型安全平台正在通过收购补齐AI安全能力，独立AI安全创业公司的窗口期可能正在收窄。对于企业技术决策者而言，评估供应商时不仅要看当前功能，还要考虑其背后的平台整合能力和长期路线图。

随着智能体从实验走向规模化落地，安全将成为制约其 adoption 的关键因素之一。CrowdStrike的这笔投入，或许只是智能体安全市场竞赛的开始。