2026年3月，RSAC大会现场。StackHawk董事会成员Joe Sullivan抛出一组数据：企业AI生成代码量正在指数级膨胀，而传统静态扫描工具对"可达漏洞"的识别率，正在以肉眼可见的速度失效。
这不是危言耸听。Sullivan用了一个让在场工程师集体点头的类比——AI就像刚学会走路的toddler（学步幼儿），你可以放它进屋，但最好有人全程跟着。问题是，大多数企业的安全团队，现在连"跟着跑"的工具都没准备好。
静态扫描的盲区：AI写的代码，漏洞会"隐身"
过去二十年，安全团队依赖静态应用安全测试（SAST，Static Application Security Testing）在代码入库前抓虫。这套逻辑在人工编码时代成立：工程师写一行，扫描器查一行，漏洞在"睡觉"时就被标记。
但AI代码生成改变了游戏规则。GitHub Copilot、Claude、Cursor们正以每秒数千行的速度吐出代码，其中大量是"看似有问题、实际不可达"的死代码，或是"看似安全、实际可 exploited"的活雷区。静态工具分不清两者区别，结果就是：安全团队被淹没在误报里，真正的风险从指缝溜走。
Sullivan在CUBE访谈中直言："2026年，坏人已经全部跳进AI阵营，他们不需要过治理委员会就能开机。好人这边呢？我们有流程，得管风险。就算安全团队想部署最酷的AI方案，也得先测试它。"
这种不对称正在制造一种"创新瓶颈"——开发侧代码产量暴增，安全侧审核能力线性增长，中间的空隙就是攻击者的游乐场。
运行时测试：从"验尸"到"急诊室监护"
StackHawk的解法是把安全检测从"代码仓库"迁移到"运行现场"。他们的核心产品HawkScan不做静态文本扫描，而是在应用实际跑起来的瞬间，动态探测哪些漏洞真的能被外部触达。
CEO Joni Klippert解释技术路径时强调了一个反常识点：开发者其实愿意修漏洞，前提是别让他们变成安全工程师。"我们得嵌入他们的工具链，把摩擦降到极低。如果他们看到'我刚引入了一个漏洞'，他们会修的。他们想写高质量代码，但不想转行做安全。"
这套逻辑直指AI时代的组织痛点。传统安全流程是"开发完→扔给安全→开ticket→返工"，平均延迟以天计。AI代码的产出速度把这个周期压缩到小时级，旧流程直接崩溃。
HawkScan的配置即代码（Configuration as Code）设计允许它在两个位置同时生效：开发者的本地机器，以及CI/CD流水线。前者给即时反馈，后者保交付质量。Klippert称之为"便携式自动化运行时测试"——工具跟着代码走，而不是代码等着被检查。
Agentic工作流：机器提示机器，风险连锁反应
比单点AI编码更复杂的场景正在浮现。Sullivan和Klippert反复提及的"agentic workflows"（智能体工作流），指的是AI不再只是辅助人类写代码，而是多个AI代理相互触发、自主完成任务链。
一个典型场景：需求分析AI生成用户故事→架构AI设计模块→编码AI实现功能→测试AI生成用例→部署AI推上生产。全流程无人介入，也意味着全流程无人对安全负责。
StackHawk的应对是把运行时测试变成这个链条的默认环节。不是事后审计，而是并行监护。Klippert的原话是："答案不是更多ticket或事后审查，而是与现代软件交付同步运行的安全工具。"
这种设计哲学与DevSecOps的"左移"口号表面矛盾，实则进化。传统左移是把安全往早期推，现在则是让安全"无处不在"——既在左，也在右，更在应用呼吸的每一秒。
董事会视角：CISO的角色正在重构
作为前Uber首席安全官、现多家公司董事，Sullivan的观察视角不止于技术。他注意到CISO（首席信息安全官）的KPI正在发生微妙位移：从"阻止漏洞上线"转向"证明运行时防护有效"。
这种转变背后是董事会对AI风险的重新定价。静态扫描的"零漏洞报告"曾经是好故事，现在董事会更关心：如果AI写的代码里有我们没发现的reachable漏洞，攻击者需要多久 exploit 它？以及，我们有没有在运行态拦住它的能力？
Sullivan的toddler类比在这里显露出第二层含义。企业引入AI不是"用不用"的问题，而是"怎么盯"的问题。放任toddler独自探索的代价，可能是把整栋房子点着。
StackHawk的融资节奏印证了这个判断。该公司2024年完成B轮融资，投资者名单包括Intel Capital和Salesforce Ventures，资金用途明确指向"AI原生安全测试"的产品线扩展。Klippert在访谈中透露，HawkScan的AI代码检测模块上线六个月内，客户侧的"可达漏洞识别率"提升了47%，而误报率下降了三分之一。
数字背后是一个正在被验证的假设：当代码生成速度突破人类审核的物理极限，安全工具必须从"人驱动的流程"变成"机器驱动的默认配置"。
工具链战争： friction 是唯一的敌人
Klippert在访谈中反复提及一个词：friction（摩擦）。她的判断很直接——任何增加开发者认知负担的安全工具，在AI代码洪流面前都会失效。
StackHawk的产品设计因此极度克制。HawkScan的输出不是安全报告，而是类似编译器错误的即时提示：位置、风险等级、修复建议、一键跳转。开发者不需要理解OWASP Top 10的分类体系，只需要知道"这行代码现在会让我背锅，改不改"。
这种"低摩擦"策略与AI编码工具本身的交互逻辑形成共振。Copilot用户已经习惯在IDE里接受建议，HawkScan把安全警告做成同样的形态——不是打断流的弹窗，而是侧边栏的标注。
但挑战依然存在。运行时测试需要应用实际跑起来，这意味着资源消耗和测试环境复杂度。对于微服务架构，一次完整的运行时扫描可能涉及数十个容器的编排。StackHawk的解法是把扫描粒度拆分到服务级别，并支持在开发者本地用轻量级容器模拟生产环境。
Sullivan补充了一个更宏观的视角：安全行业的历史循环，是从"买工具"到"买结果"的转移。防火墙时代卖的是盒子，SIEM时代卖的是平台，现在客户要的是"漏洞没被 exploit 的事实证明"。运行时测试的价值，在于它能提供这种动态的证据链。
RSAC 2026的现场，Sullivan和Klippert的访谈被安排在"AI与安全"主题日的开场时段。台下坐着的人群构成很有代表性：一半是戴着vendor徽章的安全厂商，一半是穿着连帽衫的工程师。两个群体对AI代码安全的态度泾渭分明——前者想卖解决方案，后者只想别被解决方案拖累。
StackHawk的赌注是，后者的人数正在指数级增长，而他们的耐心正在指数级下降。
访谈结束前，Klippert被问到对三年后的预测。她没有提技术路线，而是说了一个用户反馈：某客户的安全团队最近发现，他们拦截的AI生成漏洞中，有17%来自"AI试图修复另一个AI引入的漏洞"时产生的新缺陷。
机器在互相治疗，而人类还在学习怎么给机器挂号。你的安全团队，准备好当这个急诊室的值班医生了吗？
热门跟贴