生成式AI与智能体技术正在加速进入企业研发、生产、运营与决策流程。从Vibe Coding辅助生成代码到大模型连接企业知识库从RAG增强检索到智能体通过Skills、插件、API和MCP服务自主调用外部工具AI应用正在从内容生成工具逐步演进为能够理解任务、规划路径并执行操作的新型数字生产力。近日安全牛正式发布第十三版《网络安全企业100强》。本届研究将AI安全创新优势纳入重点评价维度并指出生成式AI和智能体技术正在重塑网络安全产品体系、交付模式与产业边界。未来AI安全将覆盖“AI赋能安全”“AI系统安全”和“AI安全治理”三个层面安全要求也需要前置到AI规划、数据治理、模型建设、智能体运行和持续运营全过程。这意味着AI安全不再只是针对某一个模型开展安全测试也不是在传统产品中简单增加大模型功能。面对企业AI应用规模化发展安全治理需要从代码与组件进一步延伸到数据、模型、知识库、智能体和工具调用构建贯穿AI全生命周期的新一代数字供应链安全体系。面向这一趋势悬镜安全持续领航新一代数字供应链安全创新首创基于“AI原生安全软件供应链安全AI供应链安全情报”的新一代数字供应链安全治理体系坚持以AI治理AI从源头覆盖AI数据准备、模型训练调试、智能体开发部署到运行迭代等关键环节帮助企业构筑从“代码与组件”到“数据与智能”的智能体AI全生命周期内生安全治理体系。新一代数字供应链正在从软件延伸至智能过去企业数字业务主要由自研代码、开源组件、商业软件、中间件、容器镜像和云基础设施构成。软件供应链安全围绕代码缺陷、组件漏洞、依赖关系、构建过程、软件物料清单和应用运行风险建立持续治理能力。进入Agentic AI时代这条供应链并未被替代而是在原有基础上快速延伸。一套企业级智能体应用可能连接基础模型或行业模型调用Embedding模型完成知识检索通过RAG访问企业知识库并借助Skills、插件和MCP服务操作数据库、文件系统、搜索服务及业务平台。智能体的最终行为不再仅由固定代码逻辑决定而是由数据、模型、提示词、上下文、知识库、工具权限和运行环境共同形成。企业需要治理的对象也由传统软件资产扩展为三类相互关联的数字资产。第一类是代码与组件包括自研代码、AI辅助生成代码、开源组件、商业软件、容器镜像和构建工具。这些资产决定AI应用是否建立在安全、透明的软件基础之上。第二类是数据与模型包括训练数据、微调数据、RAG知识库、基础模型、行业模型和Embedding模型。这些资产决定智能体能够获取什么信息、如何形成判断。第三类是智能体与工具包括提示词、Agent框架、Skills、插件、MCP服务、API接口和外部工具。这些资产决定智能体能够执行哪些操作以及每一次操作的权限边界。三类资产彼此嵌套共同构成新一代数字供应链。任何一项资产发生变化都可能影响智能体的判断和执行结果。因此AI时代的数字供应链治理必须建立统一的资产视图、依赖关系、风险情报和运行控制能力。AI规模化应用需要把安全前置到创新全过程AI应用通常从业务创新出发。企业首先关注模型效果、知识库建设、智能体体验和业务效率随后再逐步完善数据、身份、权限、模型与供应链治理。随着试点范围扩大AI应用进入核心业务流程安全就需要从后续补充能力转变为AI工程体系的重要组成部分。安全前置并不意味着降低创新速度。相反清晰的资产边界、可执行的安全规则和持续运行的防护机制可以帮助业务团队更有信心地使用模型、数据和开源生态。在数据准备阶段企业需要明确数据来源、内容属性、敏感级别和使用权限确保进入模型与知识库的数据可识别、可追溯。在模型训练与调试阶段企业需要掌握基础模型、训练框架、开源组件和运行环境建立模型版本、依赖关系和评测结果记录。在智能体开发阶段需要同步治理人工编写代码、AI生成代码、开源组件、提示词、Agent框架、Skills插件和MCP服务。在部署运行阶段需要持续感知模型调用、任务规划、数据访问、工具选择与执行结果并在行为偏离安全策略时及时进行控制。在持续迭代阶段还需要验证模型升级、知识库更新、插件变化和策略调整带来的影响确保每一次变化都处于可见、可控状态。只有将安全融入数据、模型、智能体和工具运行全过程企业才能形成可规模化复制的AI安全能力。三位一体构建新一代数字供应链安全治理体系悬镜安全将长期积累的软件供应链安全能力进一步延伸至AI数据、模型、智能体和运行链路形成AI原生安全、软件供应链安全与AI供应链安全情报深度融合的治理体系。AI原生安全治理AI特有的资产、风险与行为AI原生安全关注传统软件治理难以完整覆盖的新型资产和运行机制。它不仅关注模型接口还需要关注训练数据、RAG知识库、提示词、上下文记忆、智能体身份、工具权限、任务规划和执行结果。当智能体接收到业务任务后可能经历意图理解、信息检索、任务拆解、路径规划、工具选择和操作执行。在多智能体协作环境中还可能涉及任务交接、信息传递与权限继承。悬镜安全将AI原生安全能力深入Agent Loop对智能体的感知、推理、规划、调用和执行过程进行持续分析帮助企业掌握智能体连接了哪些数据、模型和工具判断每一次调用是否符合业务预期与安全边界。软件供应链安全筑牢AI应用的工程基础无论AI能力如何演进其底层仍然依赖软件。模型服务需要算法框架和运行环境智能体需要业务代码和Agent框架RAG需要向量数据库、检索组件和数据处理工具插件与MCP服务同样由代码和开源依赖构成。悬镜安全依托AI智能代码分析、多模态SCA、软件物料清单、应用安全测试和运行时组件分析持续识别代码、开源组件、二进制软件、容器镜像和运行依赖中的安全风险。其中多模态SCA覆盖源码、二进制、容器镜像、代码同源和运行时组件等多类形态帮助企业建立更加全面的软件供应链资产视图智能代码疫苗技术则将安全能力融入应用运行过程对真实攻击和风险行为进行持续感知与控制。软件供应链安全为AI应用建立可信工程基础使企业不仅能够知道智能体能够做什么也能够看清它由哪些代码、组件和运行环境构成。AI供应链安全情报让风险识别与变化保持同步企业AI应用大量依赖外部模型、开源框架、数据集、插件、Skills和MCP服务。这些资产会持续更新其安全状态也会不断发生变化。因此AI供应链安全不能只依赖静态资产清单还需要持续更新的安全情报。悬镜安全将漏洞情报、恶意组件情报、模型与智能体风险情报、插件工具风险信息与企业真实资产和调用关系进行关联。当新的风险出现时平台能够快速判断哪些模型、组件、插件和业务智能体受到影响并明确优先处置范围。通过“资产情报运行”的联动企业可以从一次性安全检测走向持续风险治理让安全能力与数字供应链变化同步。以AI治理AI让安全跟上智能体运行速度智能体运行速度快、调用规模大、链路关系复杂。仅依靠人工维护资产清单、分析代码和审查日志很难持续覆盖快速变化的AI环境。“以AI治理AI”核心是利用AI提升资产识别、代码分析、风险关联、行为研判与安全响应效率同时通过明确的规则、权限和审计机制约束AI运行边界。在代码治理阶段AI能够辅助理解业务语义识别人工代码与AI生成代码中的安全缺陷并生成修复建议。在组件治理阶段AI能够识别复杂依赖关系关联漏洞、恶意组件和许可证风险判断组件是否在真实业务中被加载和调用。在智能体治理阶段AI能够结合提示词、上下文、模型输出和工具调用链识别异常规划、越权访问、敏感数据暴露与工具滥用等风险。在安全运营阶段AI能够辅助生成事件摘要、影响分析、处置建议与修复方案提升安全、研发、算法和业务团队之间的协同效率。AI不是安全规则的替代者而是安全治理效率的放大器。通过以AI治理AI企业能够让安全能力与智能体开发、运行和迭代速度保持同步。从源头覆盖智能体AI全生命周期悬镜安全将新一代数字供应链安全治理能力覆盖AI全生命周期。在数据准备阶段识别训练数据、微调数据、知识库数据和推理上下文的来源、属性、敏感级别和使用边界建立数据与模型、知识库及智能体之间的关系。在模型训练调试阶段分析训练框架、开源依赖、容器镜像和工具链风险记录模型来源、版本、依赖和评测结果。在智能体开发阶段将AI生成代码纳入安全开发流程统一治理代码、组件、模型、知识库、提示词、插件、Skills和MCP服务。在部署运行阶段持续感知用户输入、模型推理、任务规划、数据访问和工具执行在风险触发的关键节点进行告警、限制或阻断。在持续迭代阶段通过资产发现、风险情报、安全评测、运行监测和修复验证持续评估模型、知识库、插件和业务流程变化带来的影响。由此企业可以形成“资产识别—风险分析—策略控制—运行监测—事件追溯—修复验证”的完整治理闭环。从代码与组件到数据与智能新一代数字供应链安全治理的核心不是增加更多孤立的安全工具而是构建一套统一体系。这套体系要让代码、组件、数据、模型、知识库、智能体、插件和工具等资产持续可见让风险与真实业务关联明确风险来源、影响范围和处置优先级让安全能力深入开发、训练、部署与运行过程在风险真正触发时进行控制让每一次安全事件都有完整证据支撑审计、修复和运营改进。悬镜安全通过AI原生安全、软件供应链安全与AI供应链安全情报的深度融合让安全从应用之外的附加能力转变为伴随数据流动、模型调用和智能体执行持续运行的内生机制。结语Agentic AI正在重新定义企业应用也在重塑数字供应链。悬镜安全首创基于“AI原生安全软件供应链安全AI供应链安全情报”的新一代数字供应链安全治理体系坚持以AI治理AI将安全能力前置到数据准备、模型训练、智能体开发、部署运行和持续迭代全过程。从代码与组件到数据与智能从软件供应链到AI供应链悬镜安全帮助企业构筑智能体AI全生命周期内生安全治理体系。领航新一代数字供应链安全持续守护企业智能化创新。