从安全底座到智能引擎：360如何用"安全基因"重构企业级智能体生态_风闻

当人工智能的潮水以前所未有的速度漫过每一个产业的堤岸，行业的快速发展带来了技术的繁荣，却也不可避免地进入“同质化竞争”的集体困境。在解决了大模型“能用”之后，如何跨越到“好用”，并最终抵达所有企业用户最为关切的彼岸——“放心用”？同时，大模型潜藏的自主性与不可解释性，像一把悬在企业CIO头顶的达摩克利斯之剑。

8月6日-7日，ISC.AI 2025第十三届互联网安全大会在北京召开，本届大会以“ALL IN AGENT”为主题。360创始人周鸿祎在大会演讲中指出，过去大模型在企业应用中的两大痛点——推理能力不足和缺乏独立做事能力，前者在近一年已显著改善，但后者仍未解决。“大模型缺少‘手和脚’，不会使用工具，不能直接‘干活’。AI发展如果停留在大模型阶段，只能成为玩具，而非生产力工具。”

从最早以GPTs为代表的聊天机器人智能体、到Workflow智能体、再到Manus这种主打React推理能力的智能体，如今伴随着纳米AI“多智能体蜂群”的发布，智能体已经完成了从L1到L4的代际跃迁，能力也不可同日而语。越来越多的智能体开始走向生产力的一线，企业也开始更在意智能体是否能与现有系统融合、是否具备治理机制、是否能承担安全责任。

会上，360集团高级副总裁、数智化集团CEO殷宇辉发布了面向To B智能体的探索与实践，正式发布了企业级蜂群智能体工厂——360 SEAF（Swarm Enterprise Agent Factory）。作为中国少数拥有完整网络安全能力体系的企业之一，在“AI+安全”双主线战略的指引下，不仅融合了360行业首创的“多智能体蜂群”架构，还将多年积累的安全能力嵌入AI底层，成为打开企业级市场的“独门法器”。

看得见**”的AI****，与****“看不见”**的底座

企业对于AI的渴望与审慎，构成了一对天然的矛盾体，尤其是大型政企客户而言。一方面，是对效率提升、业务创新的极度渴求；另一方面，则是对数据安全、业务稳定、合规风险的极度敏感。这种矛盾，在智能体时代被前所未有地放大。越来越多的企业认识到：当智能涌入企业的核心业务流程，安全将不再是可选项，而是AI赖以生存的底座。

随着国家层面对于数据主权和数据安全的重视，政策的缰绳也在收紧。对于任何一家希望拥抱AI的企业而言，“数据不出域”几乎成了一条不可逾越的红线。这意味着，公有云上的大模型服务，无论多么强大，一旦触及企业的核心生产数据，便会显得步履维艰。

在此背景下，360 SEAF所强调的“私有化部署”与“全链路安全防护”能力，便直接回应了这一核心诉求。除了零代码开发智能体铲平开发门槛的优势外，殷宇辉在演讲中明确，360 SEAF针对智能体的生产与应用，构建了覆盖供应链、内容安全、数据访问、隐私保护等方方面面的防护体系，实现“数据不出域”，确保数据合规、隐私不泄露，为企业提供了安全兜底。

然而，合规只是第一道门槛。技术本身带来的**“信任赤字”**是更深层次的挑战：大模型的黑箱特性让许多企业望而却步，无法知晓模型为何给出某一答案、是否引用了过期或不实的内容，甚至可能存在指令注入、幻觉输出等风险。许多企业“搭起来容易，用起来难”，用了几天就发现智能体知识得不到更新，甚至还会“降智”等问题。

针对这一问题，360 SEAF的设计理念并非让用户盲目“信仰”AI，而是要“理解”AI。它为用户提供了一个清晰的“蜂群协作空间”，通过“全过程透明可解释”设计，所有操作都可以实时展示，企业用户能够清楚了解智能体正在做什么、做到了哪一步。

更关键的是，360 SEAF在政企高度重视的严肃场景中，加入了“人在回路”机制，用户可以随时介入、修正，甚至一键回滚，在自动驾驶和手动驾驶间自由切换，让智能体真正变得可控、可托付。

不仅如此，360 SEAF还针对企业的身份认证、隐私体系等严肃场景，强调智能体的证据链，全链条请求回答的证据，通过严格的权限控制，确保智能体只能调用可控的数据内容，进而保证数据安全。

在飞机维修这个高度复杂且安全底线极高的工程体系中，一部民航飞机堪称一座“会飞的图书馆”，其维修资料涉及几十本英文手册、上万页PDF。面对这些挑战，360基于SEAF，为航司打造了一个“1+6”的智能体协作框架：一个主智能体负责统筹调度，六个子智能体分别负责故障识别与处理、案例知识库召回、智能分析诊断、维修方案生成、维修风险提示、以及维修计划与航材申请，形成一个可全流程工作的智能维修团队。

**这套方案的价值，已远超“AI识别”的范畴，而是实现了“AI参与整个业务闭环”。它所攻克的，正是传统RAG技术“知其然不知其所以然”的弊病。**传统的RAG虽能外挂知识库，但开源平台往往读不懂工程图纸、桥梁涵洞、螺母型号这类专业文档，更缺乏对知识源进行安全校验和事实性交叉验证的机制。

而360的“安全增强RAG”，通过对版式、图表、多维表进行深度解析，建立文件间的图谱关系与多级索引，将非结构化文档转化为结构化知识，融入企业知识库。这让智能体在处理合同条款提取、财报数据解读等任务时，能快速定位关键信息，提升响应准确性，为企业高效处理文档类业务提供有力支持。

**同时，360 SEAF还拥有强大的可复制性。**殷宇辉透露，这套范式不止于航空维修，在数据中心运维、高端医疗设备维修、能源领域巡检调度等同样具有“知识友好”与“场景收敛”特性的领域，都能快速落地，为生产提效创造巨大价值。

从政策的合规刚需，到技术的信任痛点，再到具体场景的风险防范，企业需要的，早已不是一个单纯“聪明”的AI，而是一个首先能够被信任、被理解、被掌控的“安全AI”。这片看似蓝海的市场，对玩家的要求极高，它需要深厚的安全积淀，而非一朝一夕的模仿所能企及。这正是360"AI+安全"双主线战略背后的窄门之后的宽途。

拆解SEAF：三重防护网“驯化”智能体

在智能体时代，安全挑战变得更为复杂多元。智能体交互频繁，数据流转像一条条无形的信息河流，其中包含企业核心机密、用户隐私数据，一旦遭遇攻击，就可能引发数据泄露、业务失控等风险。相比市面上强调模型能力、插件生态的产品，360 SEAF从一开始就以安全为主线，试图建立AI可信运行的边界系统。

殷宇辉表示，企业做AI不能只盯着大模型本身，更要构建一个能用、好用、放心用大模型的基础设施。360 SEAF的设计理念，正是这一思想的集中体现。其核心并非仅仅提供一个模型或一组API，而是构建起一道由架构、数据、运营三个维度交织而成的“三重防护网”。

首先是架构层的安全。传统的单智能体架构，能力强大但极为脆弱，一旦被攻破或出现逻辑混乱，整个系统便会瘫痪。360 SEAF采用了更为先进的“蜂群协作”（Swarm）模式。在这种模式下，一个复杂的任务会被拆解成无数个子任务，交由不同职能的、更小、更专业的微智能体协同完成。这就像一个高度协同的特种作战小队，多个智能体可以围绕一个共同目标协同工作，共享记忆、交换信息、互相配合完成复杂任务。

这种架构的优势显而易见：一是动态权限隔离，单个智能体的权限被严格限制在最小化，只负责自己的“一亩三分地”，即便被恶意利用，其破坏范围也被局限在极小的领域内；二是高容错性，某个微智能体的失误或失效，不会导致整个任务链的中断，系统可以迅速调用其他备用智能体接替。这是一种从顶层设计上就注入了“安全韧性”的模式。

其次是数据层的安全，当前企业的第一强需求就是安全，许多客户部署了开源模型后“想用不敢用”。针对于此，360 SEAF的底层与360经营二十余年积累的“安全大脑”深度打通，基于全球规模最大的安全大数据与“数网智安四维一体”理念的实践，即把数据安全、网络安全、AI安全与业务智能深度融合，形成一个有机的整体，让安全不再是AI的外挂补丁，而是其内生的免疫力。

最后是运营层的安全。如今，许多企业内部存在四五套智能体平台，却缺乏一个“上帝视角”的驾驶舱，导致AI投入最终成了“陪跑”。360 SEAF为此建立了一套覆盖开发、运营、用户三态的统一可观测性体系，正是为了避免这种资源浪费。

对于开发者，SEAF从底座到应用侧的不同能力组件，整合了上百种MCP和上万个开箱即用的智能体，针对企业内部办公、业务流程，提供相应的产品和解决方案，实现智能体全场景覆盖。让开发者可以实现“乐高式”的搭建体验，无需为找工具、拼资源而浪费时间。

对于运营者，SEAF提供详尽的日志审计、行为分析和性能监控，确保权限、运行状态、任务完成率、调用频次等都直观清晰可见，构建一个良性的智能体运营体系。对于用户，SEAF则以更透明的方式展示AI的工作状态与结果。

通过这“三重防护网”，360 SEAF试图构建的，是一个让企业能够放心地在上面“盖楼”（开发应用）的坚固地基。它解决的，不再是“AI能做什么”的问题，而是“如何确保AI做的事情，永远在掌控之中”的核心命题。

安全不是AI的附属，而是生态的加速器

在许多人的传统认知里，安全往往与“限制”、“束缚”、“成本”等词汇关联，它似乎是创新的刹车片。然而，在360的这盘大棋里，安全被赋予了全新的角色——它不再是AI普及的阻碍，反而要成为其加速器。这一构想的实现，依赖于一个开放共赢的生态。

生态构想的第一步，是赋能开发者与客户。企业拥抱大模型，不能一蹴而就，必须要有清晰的方法论。殷宇辉分享了360基于海量实践总结出的原则：“小切口、大纵深、十倍提效”。

在此基础上，360会着重选择“知识友好型”和“场景收敛型”的领域进行深耕。前者如公检法卷宗，知识体系贯通，与360智脑在知识理解、版式分析、多模态RAG上的技术优势高度契合；后者如航空维修、刑事判决，场景相对固定，越做积累的价值就越大，越能形成闭环。

他以服务某轨道交通集团的案例诠释了这一原则。最初切入点很小，聚焦“经营办公会”周报整理：过去需近十人团队，每周协调30家子公司人工收集、汇总、分析。部署360 SEAF智能体后流程彻底改变：智能体每周自动扫描子公司云盘收集周报，按模板汇总分析，还自动生成评审工单通知确认。最终浓缩报告呈给董事长，开会时其通过 APP 即可对经营数据对答如流，随时查询同比环比。这个“小切口”解放了十人团队，更让决策效率“十倍提效”，实现了“大纵深”价值。

在政企侧，360提供了“乐高式”组合的多款应用部署智能体：包括已在信创和党政国企广泛部署的AI浏览器、类钉钉/飞书的私有化办公平台、AI知识库、私有化版SEAF智能体平台，以及安全智能体和大模型REITs方案。

而对于成千上万的中小企业和开发者而言，要独立构建一套符合国家数据安全法规、又能抵御各类新型AI攻击的系统，成本高昂且技术难度巨大。

**360提供的开源安全组件，如同预制好的“安全积木”，开发者可以直接取用，轻松地为自己的AI应用“穿上”合规的、经过实战检验的“防护服”，从而大大降低开发成本和合规风险。**而对于360自身而言，通过输出标准和工具，将自身的安全能力转化为整个行业的公共资源，从而将更多的开发者和企业吸引到自己的生态体系中来。

生态构想的第二步，是争夺行业标准的话语权。当前，对于AI智能体的安全性、可靠性、可解释性，业界尚无统一的评估标准和方法论。这导致企业在选择和部署AI服务时，如同“盲人摸象”，难以进行科学的评估和横向对比。

针对这一空白，360正在将自身实践的方法论，通过与客户共创，逐步沉淀为可复制、可推广的行业标准，并积极参与智能体安全标准的制定与推广。在其提出的“六步走方法论”中，安全验证成为关键环节，通过一套可量化的标准来支撑，帮助企业在部署智能体前进行安全预演，在已有实践中，这一方法论已被部分政企客户采纳，形成内部评估标准。

同时，360坚持产教融合，通过专项打造的ISC.AI学苑，吸引了超10万名师生注册，建立了20余个产业基地，拓展了数百项校企合作项目，为行业持续输送具备实战能力的AI人才，为生态的繁荣储备力量。

智能体安全下的AI未来

智能体的到来，标志着AI从“工具”阶段迈入“代理”阶段。它不仅拥有知识、理解和表达能力，还拥有执行能力，甚至可以作为企业员工与客户直接交互。在这种情况下，“它是否安全”将成为企业部署决策的第一道门槛。

从“安全卫士”到“安全水电煤”，再到如今的AI安全生态构建者，360的角色在不断演进。它的野心，早已不止于做一个被动的守护者，而是要成为新一轮技术革命中，那个为所有玩家铺设道路、并制定交通规则的基础设施提供商。当安全不再是成本，而成为一种赋能，它所撬动的，将是整个AI产业的普及与深化。