与 Cloudflare 首席技术官 Dane Knecht 谈智能体网络安全普惠化

摘要

• Knecht预计，未来18个月，安全将占据工程团队大部分精力。 过去通常一年左右才出现一次的 Log4j 级漏洞，如今每周都在发生。他引用一场演讲中的统计称，工程师可能有超过50%的时间要投入安全工作；但他认为这只是补上软件安全欠账的过渡阶段，之后软件生产效率会大幅提升。
• AI生成的软件仍需要更简单的架构和人的判断。 早期模型“喜欢把事情搞复杂”，因此精简代码库、明确工程原则和独立审查至关重要。Knecht说，Cloudflare 可能在明年年底前把红队从1支扩至4至5支，同时继续发布产品。
• Knecht认为，防御能力应该交到需要它的人手中。 他主张“最终一切都应开源”，因为攻击者和领先企业迟早都会获得这些能力。Cloudflare也将针对重大漏洞的防护开放给免费用户，这是其公共基础设施角色的一部分。
• 智能体流量可能催生广告之外的网络支付市场。 Knecht设想，智能体判断是否向用户推荐某家出版商的内容，用户再决定是否按广告CPM单价付费；这要求支付系统每秒处理数百万笔微支付。Cloudflare已推出变现网关，并提供智能体钱包和稳定币；“不是他们付钱给我们，而是我们付钱给他们”是他检验创作者经济是否成立的标准，但技术和商业模式是否成熟仍不确定。
• Cloudflare OS的主要用户是市场和行政团队，而不是工程团队。 市场团队已经搭建了数百个内部工具。一项客户邮件流程改造，让原先需要3个团队接力的工作变成由产品经理通过一个工具完成，并交由管理者审批：“我们不是让3个团队把同一件事做得更快。”
• Cloudflare用实际交付成果衡量AI，并通过支出可见性管理 token 成本。 公司不设“token数量排行榜”，而是按员工、经理到副总裁逐级发送支出提醒。Knecht认为，要求员工为每项任务挑选合适模型“相当没意义”；最终应由智能路由来处理。
• AI原生实习生是Cloudflare推动组织变革的一环。 约200名实习生帮助经理更快采用AI后，这家约有5,000名员工的公司决定全年招聘1,000名实习生。Knecht支持自下而上的试验和好奇心；Guo则指出，恐惧和怀疑会让人不愿使用AI。

精读

1. 未来18个月，安全成为首要任务

• Knecht说，过去3–6个月，报送至CDE的漏洞数量呈指数级增长。Log4j或Shellshock这类事件过去可能一年才出现一次，现在每周都有，尽管有些并未公开披露。他说，一些重大漏洞是高中生——对话中称为“智能体小猫”——利用智能体、通过漏洞赏金计划发现的。他举例说，一把用于保护TLS和WebPKI的密钥，其种子竟是“数字4”，因此很容易通过逆向工程找到。他还认为，OpenAI找到了2000年发布的NIS曲线种子；随着模型、工具和使用者不断进步，MTOS“只是冰山一角”。

• 眼下最直接的代价是工程人力：Knecht预计，未来18个月，团队大部分时间都将投入安全工作。他说，一场演讲中提到的一项统计显示，工程师可能有超过50%的时间花在安全上。Guo转述Greg Brockman的预测：到2027年，安全相关 token 支出将与工程支出持平。Knecht认为，这是在补上“70年软件发展”积累的欠账；之后，新软件的生产效率会显著提高。

• Guo提出了一个更悲观的情景：切断重要系统，并假设关键基础设施和政府服务最终都会失灵。Knecht“没那么悲观”：危机时竞争对手会合作，人们也会适应；过去5–10年，企业从城堡式基础设施转向零信任，已让它们更有能力保护设备和数据流。

• 谈到安全模型，Knecht主张“最终一切都应开源”：不良行为者总会找到获取能力的办法，领先企业也会拥有这些能力，而设限只会把需要这些能力的人挡在门外。Cloudflare将重大漏洞防护提供给免费用户，包括去年React出现的问题。他对比说，Cloudflare出现前，能用上大型CDN的站点约有3,000个；如今已有数亿个。

2. 精简系统与交叉审查让开发持续推进

• Guo担心，软件产出加速的同时，漏洞发现也会加快。Knecht首先强调“缩小攻击面”：简化系统、精简代码，再采用形式化验证、更安全的语言和运行时防护。早期AI“喜欢把事情搞复杂”；Guo说，自己经常得要求模型再试一次，“简单10倍”。设计判断仍离不开人。

• Cloudflare把工程原则记录在内部的“Codex”中，将RFC和最佳实践提炼成智能体审查代码时遵循的“10条戒律”。产品工程师仍需要培训，安全团队也必须再审一遍。写代码的智能体，配合负责性能和安全审查的人来制衡。

• Knecht说，Cloudflare“可能”会在明年年底前把红队从1支扩到4至5支。Guo质疑，与其优先加强检测，是否不如先改进更新流程；Knecht回应，危机往往会推动改进，工作量压得工程师喘不过气时，他们会把任务自动化，最终实现大规模修复漏洞。安全不能让发布停下来：“不发布更新，你就会死。”取舍可能落在成本优化上；他认为AI能同时加快产品发布和漏洞修复。

3. 智能体迫使网络寻找新的支付模式

• Knecht形容，人和智能体正在“走同一套轨道”，网络正经历一段混乱的转型。一个智能体浏览1,000个页面所需的时间，可能比人浏览一个页面还短，但它并不处在同一套广告经济体系里。把面向人的网页转译给机器会消耗 token；而现有API只覆盖了互联网上部分信息。

• 他以Substack式的出版商为例：如果出版商的广告CPM已知，智能体可以决定是否向用户推荐其内容，用户则可以选择是否按这个费率付费。这要求支付系统每秒处理数百万笔小额交易。微支付多年来一直是“永远还有两年”；Knecht认为，智能体会推动创作者经济出现新模式。

• Cloudflare已经推出变现网关，并提供智能体钱包和稳定币，方便交易。它与OpenAI合作的Signals项目，帮助智能体发现新内容，而不必反复爬取网络。Knecht衡量这套模式是否成功的标准是：“不是他们付钱给我们，而是我们付钱给他们”（instead of them paying us, we pay them）：既能覆盖基础设施成本、让创作者维持创作，也能让更多人发布内容。

• Guo指出，个人智能体会让交易需求变得迫切。Knecht举出Instinct和Muse为例，并表示企业正试图在谈判中保住筹码；他提到Amazon决定禁止个人通过智能体购物。他预计，个人智能体最终能像人一样轻松完成任务，但也坦言，不确定技术和商业模式是否已经准备就绪。

4. Cloudflare OS将安全的AI接入转化为工作流改造

• Cloudflare OS最初是内部平台，用于部署AI工具、控制数据共享，并将公司原则写入系统。Knecht称它是一个参考架构，展示如何基于Cloudflare在公司内部构建，再拓展成适配各家公司的系统。过去10年，开发者平台从简单的无服务器基础组件发展到100多种工具。安全能力内置其中，让员工可以专注于手头工作。

• 市场和行政团队对Cloudflare OS的使用比工程团队更深入。Knecht认为，初期瓶颈在培训：聊天界面“留白太多”，而针对业务打造的环境能提供数据和操作指引。市场团队已搭建数百个内部工具，完成过去可能需要不同代理机构才能做的工作，并以更小的团队更快推进。

• 5月经历艰难的重组和人员离职后，公司改造了一项邮件流程。过去，产品经理发给客户的邮件要经过BI团队筛选收件人群体、市场团队设计呈现方式，再由市场运营团队发送。如今，一个工具接收人群描述，按Cloudflare的风格改写邮件，再交给管理者审批后发送。“我们不是让3个团队把同一件事做得更快”：改变的是整个工作流。

5. 通过反馈和AI原生员工推动采用

• 模型路由目前仍靠人工：Knecht建议用最先进的模型做规划和审查，计划确定后，部分工作可以交给开放模型。Cloudflare看交付结果，不看 token 消耗。员工每天花到300美元，就会收到邮件；到500美元，经理会收到通知；到1,000美元，副总裁会在一天内收到提醒。很多人此前并不知道自己花了多少。

• 约200名AI原生实习生帮助经理更快采用AI后，Cloudflare决定全年招聘1,000名实习生；这家公司约有5,000人。Guo问，依赖AI是否是好事；Knecht把失去AI比作失去Google。包括他自己在内的资深员工，也常常没有意识到哪些事情可以不再手动完成。

• 公司的做法是自下而上地试验。1月，一个征集员工AI使用需求的收件箱最初看起来像是自动化流程，实际却是实习生在按需制作文件。这让公司看到了工作流中真正的摩擦点，而不必请顾问逐项梳理所有任务。

• Knecht认为，个人不用AI，是招聘时判断其好奇心不足的一个危险信号。Guo指出，恐惧和怀疑会让人不愿尝试。他说，Cloudflare的规模不寻常，需要员工创造新的工作方式，而这一切都从好奇心开始。