360?周鴻祎：做中國版 Mythos 不能照搬美國路線，基模能力的差距可以通過Harness補齊

作者｜冬梅

1 Mythos 為什么成了全球安全行業的信號

過去幾個月，Anthropic 的 Mythos 模型持續成為全球網絡安全行業關注的焦點。

今年 4 月，Anthropic 啟動 Project Glasswing，將 Claude Mythos Preview 作為核心能力提供給一批關鍵軟件和基礎設施伙伴，用于發現并修復底層軟件中的漏洞。

Anthropic 在項目介紹中稱，Mythos Preview 是其在編碼和智能體任務上能力最強的前沿模型，已經識別出大量關鍵基礎設施中的零日漏洞，并以受控研究預覽的方式向合作伙伴開放。

到了 6 月，Project Glasswing 的范圍進一步擴大。

Anthropic 公布的信息顯示，早期約 50 家合作伙伴已經使用 Claude Mythos Preview 掃描代碼庫，并發現超過 1 萬個高危或嚴重安全缺陷；隨后，Anthropic 將合作范圍擴大到約 150 家新組織，但前提是相關機構必須滿足其安全要求。

Mythos 進入更大范圍試用的同時，也很快進入監管視野。

6 月 12 日，Anthropic 發布聲明稱，美國政府基于出口管制指令，要求暫停所有外國國民訪問 Fable 5 和 Mythos 5。由于 Anthropic 無法實時核驗每個用戶的國籍，公司最終選擇臨時關閉所有用戶對這兩款模型的訪問。 路透社隨后報道稱，這一限制與國家安全擔憂有關，但到了 6 月 30 日，美國商務部解除對 Fable 5 和 Mythos 5 的出口限制，但 Mythos 5 此前已被允許先向部分“可信”美國組織開放。

從公開信息看，Mythos 的定位已經超出普通安全工具范疇。它一方面被用于幫助關鍵基礎設施和基礎軟件提前發現漏洞，另一方面也因為可能被濫用而受到訪問控制和政府監管。這意味著，AI 漏洞挖掘能力正在從安全廠商的技術能力，變成一種需要被審慎管理的戰略資源。

這一變化，也是 360 近期強調“中國人自己的 Mythos”的背景。

2 360 要做中國自己的 Mythos

在 ISC.AI 2026 第十四屆互聯網安全大會上，360 集團創始人周鴻祎正式發布了 AI 安全“倚天屠龍”兩大能力：漏洞自動化挖掘智能體“圖龍鋒”和網絡安全自動化防御系統“儀天陣”。與此同時，360 聯合飛騰、麒麟等信創、安全、云計算、大模型和算力產業伙伴，發起“磐石之盾”安全協作計劃。

周鴻祎也在會后的采訪中反復談到 Mythos 的背景。

在他看來，Mythos 的真正震動不在于它又刷新了某個模型能力排行榜，而在于它把網絡安全里最稀缺、最昂貴、最依賴專家經驗的一環——漏洞發現——推向了自動化、規模化。

過去很長時間里，網絡攻防的某種平衡建立在一個前提上：高價值漏洞很難找。攻擊方即便有能力，也受制于專家數量、時間成本和驗證成本；防御方雖然處于被動，但還可以靠監測、溯源、專家研判和補丁響應去追趕。AI 智能體介入之后，這個前提開始松動。

周鴻祎把這個變化講得更直接。他認為，Mythos“本質上一定是大模型基礎之上加上智能體的技術”，因為單純大模型能力“不穩定”， 離不開大模型之上的智能體 harness，也就是“韁繩系統”，能夠把模型效用繼續釋放出來。

真正危險的是，當漏洞挖掘、漏洞驗證、攻擊代碼生成被組織成一套自動化智能體流程之后，過去依賴“天才黑客”的能力可以被復制到多個黑客智能體身上，形成批量發起攻擊的能力。

這也是他所謂“第二次單向透明”的由來。

第一次單向透明，是傳統 APT 攻防中的“敵暗我明”：對方長期潛伏，防守方很難知道自己被誰盯上、哪里已被打穿。第二次單向透明則更像“敵快我慢、敵眾我寡”：攻擊方用智能體并行掃描和驗證漏洞，防守方卻仍然依賴少數專家排隊分析。

這個判斷并非沒有夸張成分，尤其當它被包裝成“AI 時代的網絡核武器”時，天然會帶有發布會語言。但其背后的產業邏輯值得認真看待：如果漏洞從稀缺資源變成高頻、低成本、可規模化生產的資源，網絡安全行業長期以來的產品形態、服務模式和成本結構都會受到沖擊。

因此，360 此次發布“圖龍鋒”和“儀天陣”，并不是簡單做一個安全大模型，是在試圖把自己過去的安全能力遷移到智能體架構里。

按 360 披露，“圖龍鋒”面向漏洞發現和風險前置，已累計挖掘漏洞 3432 個，其中 105 個高價值漏洞經監管機構確認，多個漏洞被國家漏洞庫定義為高危漏洞，覆蓋開源代碼、操作系統、辦公軟件、AI 智能體平臺等場景。

360 正在把“圖龍鋒”定位為中國版 Mythos，目標是把漏洞挖掘從專家驅動變成智能體驅動。

“儀天陣”則是另一端。它面向安全運營和自動化防御，能夠基于真實網絡環境自主規劃任務、研判告警、聯動處置。相比“圖龍鋒”負責先發現漏洞，“儀天陣”更接近自動化安全運營系統，試圖解決的是當攻擊數量、頻率和自動化程度上升后，傳統人工值守、安全專家排隊分析、工單式處置已經跟不上的問題。

這兩個能力放在一起，才構成 360 所謂“倚天屠龍”的基本邏輯：一端是主動發現，另一端是自動防御。前者解決“自己的漏洞自己先看見”，后者解決“看見之后能不能自動化響應”。

3 基礎模型上的差距，可以通過 Harness 彌補

這恰好也解釋了 360 在 AI 時代的生態位。

它不是一家最強基礎模型公司。

周鴻祎在群訪中也承認，360 做中國版 Mythos 不能照搬美國路線，國產模型在底層能力上跟最頂尖的模型比肯定還是有點差距。但他同時強調，通過智能體打造更強的 harness 平臺，可以讓模型發揮得更好。

換句話說，360 選擇的不是純模型路線，而是安全場景里的工程化智能體路線。

這一區別很關鍵。OpenAI、Anthropic 這類模型公司，是從通用模型能力外溢進入安全領域：編碼能力增強之后，模型自然具備代碼理解、漏洞發現、補丁生成能力。360 這樣的傳統安全廠商，則是從安全場景反向擁抱模型：它擁有漏洞庫、攻防知識、政企安全運營經驗和關鍵基礎設施客戶關系，但需要用智能體把這些資產重新組織起來。

這也是周鴻祎反復說“不能簡單照搬國外大力出奇跡路線”的原因。

在算力和模型能力不占絕對優勢的情況下，國內安全廠商更現實的路徑，是把基礎模型、安全專家經驗、漏洞知識庫、工具鏈和客戶現場數據，組織成可控、可審計、可協同的智能體系統。

這一路線聽起來不如“造一個最強模型”性感，但對政企安全場景可能更現實。

原因在于，企業安全不是一個只看模型能力的任務。漏洞挖掘需要代碼、二進制、依賴庫、運行環境、歷史漏洞知識、驗證環境；安全運營需要資產畫像、網絡拓撲、日志數據、告警規則、處置權限和業務優先級。模型只是其中一個大腦，真正決定落地的是工具、數據、權限和流程。

周鴻祎在群訪中談智能體安全時，給出了一個很有代表性的判斷：“智能體最大的安全問題我認為是不確定性問題。”他認為，智能體不能再被簡單看作軟件工具，而更像“一個新的物種”。傳統軟件代碼寫死，行為相對可預測；但開放式推理智能體會自己規劃路徑、調用工具、安裝技能、調整策略。對于個人用戶，這可能意味著越用越聰明；但對于企業，意味著一個功能會自我變化、權限很大、行為難以預測的系統進入了內部網絡。

他舉了一個比喻：如果一個智能體“為了達到目的不擇手段，可以用任何工具，而且需要所有的權限”，就像“一個不守規則又給無限權限的員工”，引入企業內部總會捅婁子。

這解釋了為什么 360 在做安全智能體時，不只是追求更強能力，也在強調“可管理”。

周鴻祎把智能體分為兩類：一類是按照有限步驟、企業認定流程、企業認定工具和技能工作的“工作流型智能體”；另一類是給定目標后自行尋找路徑的開放式推理智能體。他認為，后者可以在受限環境里使用，但如果在企業內網中不加限制地任意使用，“一定會帶來不安全的問題”。

這其實也是企業智能體落地的基本矛盾：越開放，能力越強；越強，越不可控。對于安全行業，這個矛盾更尖銳。因為安全智能體既要擁有足夠權限去掃描、驗證、處置問題，又必須被嚴格約束，避免越權、誤刪、誤封、誤報，甚至被外部誘導利用。

因此，周鴻祎提到的隔離、虛擬機、云上辦公室、工具和 skill 審批，本質上是安全智能體的運行邊界。智能體不能像普通個人工具一樣直接放進企業內網里亂跑，而要被放進可隔離、可審計、可回滾的環境中。

4 燒 Token 不直接等于生產力

這種克制也體現在 Token 成本上。過去一年，很多企業內部都經歷過“人人用 AI、人人燒 Token”的階段，但燒 Token 并不自動等于生產力。

周鴻祎在采訪中提到，360 內部也經歷了兩個階段：最初為了讓員工養成使用 AI 的習慣，可以先看 Token 消耗量；但當員工都開始使用 AI 后，就必須看 Token 消耗效率。

他說，“消耗 Token 不可怕，消耗 1 億個 Token 總要告訴你做了什么，要么代碼提交，要么產品方案，要么一個很好看的 PPT 設計，或者你做了一個 Agent，要把這兩個結合起來看。”

這句話放在安全智能體里同樣成立。開放式智能體之所以強，是因為會反復推理、拆解、嘗試各種路徑和工具；但這也意味著高成本和高不確定性。周鴻祎提到，360 在納米 WORK 中沒有簡單沿用開放式 Agent 模式，原因有兩個：一是安全不確定性太高，二是 Token 消耗太浪費，“基本你做個 PPT 得消耗上億 Token”。

這并不是簡單吐槽某個產品，而是指向一個更底層的問題：智能體時代，企業真正需要的不一定是最自由的 Agent，而是能進入業務流程、可控執行、成本可算、結果可驗的 Agent。安全場景尤其如此。因為漏洞挖掘、防御處置和關鍵基礎設施保護，不能靠一個“很聰明但不可預測”的系統自由發揮。

從這個角度看，“磐石之盾”安全協作計劃是 360 此次發布中最值得關注的部分。它率先面向信創企業和關鍵基礎設施單位開放能力。按公開信息，統信、麒麟、山石網科、海光、飛騰、金蝶、壁仞、移動云、寶蘭德、達夢等企業首批加入。

周鴻祎在群訪中說，美國做 Glasswing，是因為關鍵基礎設施和基礎軟件需要先修自己的漏洞；中國借鑒這一做法，邀請軟件、硬件、芯片、操作系統、數據庫等國產信創關鍵廠商，把“中國版 Mythos”給他們使用，幫助其挖掘漏洞。這也說明，“圖龍鋒”的第一批場景不是自由開放，而是產業鏈內的受控協作。

這點非常重要。AI 漏洞挖掘能力天然具有雙重用途。它可以幫助防守方提前發現和修補漏洞，也可能被攻擊方用來批量尋找目標。周鴻祎在群訪中也承認，如果這類技術大面積向所有人開放，攻擊會“平民化”“普及化”，可能引發網絡安全風暴。因此 360 的說法是，相關能力會授權認證給 ToB 合作伙伴，以及芯片、服務器、數據庫、操作系統等重點產業鏈企業和關鍵基礎設施廠商使用，而不是自由開放。

換言之，中國版 Mythos 的挑戰不只是“有沒有”，還包括“給誰用、怎么用、誰來審計、出了問題誰負責”。這也是 AI 安全能力走向產業化時繞不開的治理問題。

5 傳統網絡安全公司集體面臨轉型壓力

更進一步看，360 的布局也折射出傳統網絡安全公司在 AI 時代面臨的轉型命題。周鴻祎在群訪中有一句話很尖銳：“如果網絡安全廠商自己不進化，不利用智能體技術提升自己自動化漏洞和自動防御的能力，傳統網絡安全廠商會被大模型廠商無情地干掉，干掉你的往往不是同行。”

他舉了一個口香糖的例子：口香糖過去在超市收銀臺賣得好，是因為人們結賬找零錢時會順手買一包；移動支付普及后，沒有找零錢場景，口香糖銷量受到影響。

或許這個類比并不嚴謹，但它提醒了一個真實風險：傳統安全廠商未必會被另一家安全廠商替代，而可能被模型公司、云平臺、開發工具和智能體平臺從場景入口處截流。

比如，AI Coding 工具如果在寫代碼階段就完成安全審計和漏洞修復，傳統代碼審計、安全測試、漏洞掃描的價值鏈會前移；云廠商如果把 AI 安全檢測嵌入 CI/CD、云原生平臺和運行時環境，傳統盒子式安全產品也會被邊緣化；大模型廠商如果給每個開發者配一個“安全專家”，安全能力會成為編碼工具的一部分，而不是單獨采購的產品。

這也是 360 這次要強調“AI+ 安全”的原因。周鴻祎在采訪中說，360 公開戰略就是 AI+ 安全，傳統安全如果不被 AI 賦能，“再去做傳統安全已經沒有意義”。在他看來，360 的傳統安全能力最終會被改造成兩件事：自動化漏洞挖掘和自動化網絡防御。

這句話其實比“發布中國版 Mythos”更能體現 360 的戰略變化。

過去的 360，入口是安全衛士、瀏覽器、殺毒、企業安全產品，現在它試圖把這些軟件能力拆成智能體可調用的工具，把安全專家經驗變成可復用的 skill，把安全運營系統變成智能體可以執行的任務流。

但這條路并不輕松。周鴻祎在群訪中談到企業智能體落地時說，很多公司員工都在用 Claude Code，Token 花了不少，個人代碼提交量也增加了，但整個組織效率沒有提高。問題在于，AI 只是提高了單點效率，組織架構、崗位定義、業務流程沒有改變，就像“買了最先進的發動機裝在馬車上”。

這也是安全行業要面對的現實。僅僅把一個漏洞挖掘 Agent 接進原有流程，并不會自動產生“自動駕駛式安全”。如果漏洞發現速度提升 100 倍，但漏洞驗證、優先級排序、責任歸屬、補丁開發、灰度發布、業務回滾仍停留在舊流程中，防守方只會被更多告警和更多漏洞報告淹沒。

Anthropic 對 Mythos 的描述也證明了這一點：當模型能夠發現大量漏洞后，新的瓶頸會轉向驗證、披露和修補。 對 360 來說，“圖龍鋒”解決的是發現側，“儀天陣”要解決的是運營側，但二者之間還需要和企業研發流程、IT 資產管理、補丁管理、應急響應體系深度打通。

這才是從產品發布走向行業落地的難點。

AI 解決了舊問題，也制造了新問題。安全行業仍然要繼續推石頭，只是這一次，石頭變成了智能體。