当大模型开始自主发现漏洞、生成攻击代码，AI安全需要怎样的新答案？
7月18日，在WAIC 2026中科闻歌决策大模型系列产品发布暨人工智能与决策大模型论坛上，国科智安总裁赵菲菲博士作《Mythos 5深度解析与启示》主题演讲，围绕前沿大模型带来的安全挑战，分享了国科智安对AI安全发展趋势的判断，以及在安全大模型领域的技术实践，并正式发布SSAI智盾·中国版Mythos。
从Mythos 5，看见AI安全的新拐点
赵菲菲以Anthropic最新发布的Mythos 5为例指出，大模型的网络攻防能力正在跨越新的临界点。
Mythos 5在代码理解、漏洞发现和复杂推理等方面展现出显著提升，能够在较短时间内完成大规模开源项目扫描，并发现多个长期未被识别的安全漏洞。
值得关注的是，其攻击能力并非被直接训练出来。模型原本被用于发现和修复代码漏洞，但当代码理解、逻辑推理与漏洞识别等能力达到一定水平后，可能进一步组合出攻击代码生成、攻击路径推演等新能力。
在赵菲菲看来，这意味着AI带来的不只是工具效率提升，更是安全攻防能力的结构性变化。
过去高度依赖专业人才和长期经验的安全能力，正在被模型化、自动化和规模化。随着大模型和智能体进入更多业务系统，安全风险也将由内容、数据等单一环节，扩展至模型、智能体、工具调用和业务执行全过程。
AI越强，越需要与之匹配的安全能力。
AI安全正从“外部防护”走向“原生能力”
面对智能能力的快速跃迁，传统以规则、工具和人工运营为核心的安全体系，正在面临新的挑战。
一方面，攻击能力的门槛不断降低。大模型可以将少数安全专家的知识和经验转化为可复制、可调用的智能能力，使复杂攻击更加自动化。
另一方面，智能体开始具备自主规划、调用工具和执行任务的能力，AI安全也不再只是判断模型“说了什么”，还要关注它“想做什么”“调用了什么”以及“最终执行了什么”。
赵菲菲认为，AI安全正在由单点防护迈向体系化建设。未来的安全能力，需要同时覆盖传统信息域与新兴智能域，贯穿数据、模型、智能体和应用全生命周期，并具备用AI发现风险、研判风险和处置风险的能力。
这既是人工智能规模化应用的必然要求，也将成为企业建设AI基础设施的重要组成部分。
国科智安打造国产自主可控的SSAI智盾
面向这一趋势，国科智安推出国产化、自主可控的安全大模型——SSAI智盾·中国版Mythos。
依托中国科学院自动化研究所与北京前瞻人工智能安全与治理研究院的科研力量，国科智安持续开展人工智能安全与治理研究，既关注AI对传统安全能力的提升，也面向大模型和智能体带来的新风险，探索智能域的安全治理体系。
不同于单纯追求参数规模的通用模型，SSAI智盾坚持“通专融合”的技术路线：以通用模型为基础，注入安全领域长期积累的专业知识、业务规则和实战经验，构建可持续演化的安全领域动态本体，并通过多智能体协同，将模型能力转化为风险发现、分析研判、策略生成和任务执行的完整闭环。
围绕这一思路，SSAI智盾构建了覆盖模型、知识、智能体和行业应用的四层架构：
底层连接国产通用大模型及开源模型；在此基础上，构建覆盖多模态内容理解、多语言处理、AIGC鉴别、AI攻防和伦理测评的安全模型矩阵；通过领域动态本体沉淀安全知识、业务关系和判断规则；最终依托Token Gateway与SSAI Cowork等智能体应用工程，推动安全能力进入真实业务场景。
安全大模型的专业性，离不开长期积累的高质量数据。目前，国科智安已沉淀1.56T内容安全数据、1000万条网络高质量语料和1.8亿条价值观对齐语料，为模型训练、专域能力增强和安全对齐提供坚实基础。
不追逐参数竞赛，以实战检验安全能力
赵菲菲表示，SSAI智盾不盲目追求模型尺寸和算力规模，也不以Benchmark排名作为唯一目标。
安全领域面对的是真实、复杂且持续变化的对抗环境。一个安全模型是否真正有效，最终要看它能否准确识别风险、理解复杂场景、形成专业判断，并在可控成本下进入实际业务。
因此，国科智安更加重视专业知识、模型能力与智能体工程的融合，在效果、成本和国产适配之间寻找平衡，构建真正能够在行业中落地的安全智能。
从Mythos 5展现出的能力跃迁，到SSAI智盾面向安全实战的体系化实践，AI安全正在进入新的发展阶段。未来，真正有竞争力的AI系统，不仅要具备更强的模型能力，也要能够理解风险、约束行为，并在持续变化的复杂环境中保持安全、可信与可控。
