过去两年，企业在讨论 AI 安全时，几乎所有争论最终都会收敛到同一个问题上：我们到底应该相信哪个模型？闭源模型还是 Open-weight Model，美国模型还是其他国家的模型，大厂托管的模型还是自己部署的模型，一个经过 Safety Training 的模型，是否天然比一个可以自由修改权重的模型更值得托付？
这些问题当然重要，但它们共享着同一个隐含前提：企业必须先找到一个 " 足够可信 " 的模型，然后才敢把重要业务交给它。信任在这里被当成了准入条件，而不是被当成风险本身。
9 月 8 日，Axios 刊出对高盛首席信息官 Marco Argenti 的独家专访。Argenti 的立场是，企业不应该先验地排除 Open-weight Model，只要遵循一套相应的防护措施，包括银行在内的机构应当有足够的保证去运行任何来源的模型。值得注意的是，他并没有试图论证 Open-weight Model 本身足够安全，而是把网络安全领域两个非常成熟的原则直接搬进了 AI：Zero Trust 与 Defense in Depth。Axios 对前者的概括极其直接——假设模型可能已经遭到破坏。
这句话真正值得停留的地方，不在 Open Model，而在 " 假设 " 两个字。一旦这个假设被接受，AI 安全里的许多问题就必须被重新定义。
一、过去的问题是：这个模型可信吗？
今天绝大多数企业采用 AI 的流程，本质上是一条审查链：模型评估、Red Team、Safety Benchmark、供应商审查、数据安全评估、模型风险评级，最后形成一个 judgment ——这个模型的风险可以接受，于是它被允许进入企业。
这套方法本身没有错，它甚至是必要的。真正的问题在于，它很容易在无人察觉的情况下完成一次安全责任的转移：只要模型已经通过审查，后面的系统就会开始越来越相信它。
这种信任的膨胀通常是渐进的，也因此格外难以察觉。模型先是被允许访问更多数据，接着被允许调用更多 Tool，Agent 被允许操作越来越多 API，自动化程度不断提高，人工确认的环节被逐一取消。到了某个节点，一个原本只负责生成文本的概率系统，已经悄然变成了能够改变现实状态的行动主体。
于是企业真正依赖的东西也发生了替换。它依赖的不再只是模型的输出质量，而变成了一件更强的事情：模型不会在关键时刻做出错误行动。
这里隐藏着一个几乎不可能成立的假设——我们能够持续地判断一个模型到底可不可信。
但模型显然不是一个静态对象。Prompt 会变，Context 会变，Tool 会变，System Prompt 会变，模型版本会变，Fine-tuning 会变，外部输入会变，模型所连接的企业数据也会变。甚至完全相同的模型权重，放在不同的 Agent Framework、不同的权限配置和不同的业务流程里，其风险画像都可能截然不同。一次通过的评估，评估的是那个时刻的那个组合，而不是此后所有时刻的所有组合。
所以问题正在从 " 哪个模型安全 "，转向一个更根本的追问：为什么系统的安全性必须依赖模型始终安全？
这是两个完全不同的问题。前者寻找的是一个可信对象，后者质疑的是这种寻找本身。
二、Zero Trust 真正进入 AI，意味着什么？
要理解这种转向的分量，需要先回到 Zero Trust 在传统安全世界里到底改变了什么。
它最重要的贡献从来不是增加了一套认证产品，而是推翻了一个基本假设：不要因为一个主体已经进入网络，就默认它之后的所有行为都是可信的。身份是真的，不代表这一次请求是真的；设备是合规的，不代表设备没有失陷；账号拥有权限，不代表这一次操作符合业务意图。Zero Trust 真正在做的事情，是不断缩短信任传播的距离，让每一次验证都尽可能贴近它所要保护的那个动作。
到了 AI Agent 的世界，这个原则的必要性只会更强。因为我们第一次面对一种如此特殊的软件组件：它可能理解错误，可能被 Prompt Injection，可能受到 Context Poisoning，可能调用错误的工具，可能在长链任务中逐步偏离最初目标，也可能因为供应链、Fine-tuning 或模型文件本身被修改，而在某些特定条件下表现出完全不同的行为。它的失效方式不是崩溃，而是继续流畅地、看起来完全正常地工作下去。
因此，" 这个 Agent 使用的是经过批准的模型 " 与 "Agent 这一次准备执行的行动是安全的 "，这两句话之间并不存在天然的等号。前者是一次性的资格认定，后者是一次具体的事实判断。
如果真正接受 Zero Trust，模型就不应该因为通过了一次安全评估，从此获得持续性的信任。在它每一次准备越过重要边界时，系统仍然应该重新发问：它准备做什么，对谁做，操作的是什么对象，当前状态是什么，使用了哪一份权限，依据是什么，参数有没有在链条中途发生变化，最终执行的对象是不是最初被授权的那一个。
到这一步，AI 安全所关注的对象已经开始位移——从 Model Identity，逐渐转向 Action Validity。
信任一个主体，和验证一次行动，从来不是同一件事。
三、真正重要的变化，是安全责任开始离开模型
Argenti 提出的另一半，Defense in Depth，正是这种位移在架构上的落点。
据 Axios 报道，他把这套防御拆成四层：模型测试与认证、安全的推理环境、被严格监控的 Agent 权限，以及对企业数据访问的控制。高盛现有的 AI 系统并不直接访问底层数据源，而是经过银行自己的数据平台，由这个中间层负责执行访问控制。
这是一个比 " 支持开源模型 " 重要得多的架构信号。它意味着模型不再拥有最终解释权。
模型可以提出请求，但数据平台决定它能看到什么；模型可以生成行动，但权限系统决定它能调用什么；模型可以参与决策，但外围系统继续构成独立于模型判断之外的安全边界。这些边界的有效性，不依赖模型此刻是否清醒。
这正是 Defense in Depth 最有价值的部分：它的目标不是造出一个更坚固的模型，而是让任何一层的失败都不会导致整个系统一起失败。假设模型产生幻觉，系统还有边界；假设模型被 Prompt Injection，系统还有边界；假设 Agent Framework 出现漏洞，系统还有边界。再推进一步——假设模型本身被恶意修改，系统仍然应该有边界。
这比 " 选择一家更可信的模型供应商 " 要成熟得多。前者是在采购环节解决安全问题，后者是在架构环节解决安全问题。而只有后者，才能在供应商的承诺失效之后依然存在。
四、模型应该变成一个可替换组件
安全责任一旦离开模型，会立刻带来一个非常现实的商业后果。
如果企业的安全性主要来自模型自身，那么更换模型就是一件危险的事情。Claude 换成 GPT，需要重新评估；GPT 换成 Gemini，需要重新评估；闭源模型换成 Open-weight Model，整套安全假设几乎要从头开始。每一次模型变化，都意味着一次重新论证。
久而久之，企业会形成一种相当严重的模型依赖，而这种依赖的成因往往被误读。它不是因为某个模型的能力无法替代，而是因为安全架构与那个模型绑定在了一起。锁定的从来不是能力，是假设。
但如果真正采用 Defense in Depth，模型就会开始更像数据库、CPU、操作系统或者云服务中的某一个组件。它当然重要，它依然需要评估，但它不应该成为整个系统安全成立的单点前提。
今天使用 Claude，明天使用 GPT，后天使用 Gemini，某个业务采用 Open-weight Model，某个敏感业务甚至采用企业自己 Fine-tune 的模型——在这些变化之间，安全系统应该尽可能保持同一套边界。
这才是真正意义上的 Model Agnostic。它不是 " 我的系统支持十种模型 API" 这种接口层面的兼容性。
真正的 Model Agnostic 是：无论模型是谁，关键安全属性都不跟着模型一起变化。
前者是采购的自由，后者是架构的自由。Axios 提到，大多数企业目前在模型选择上本就倾向于保持中立，以避免供应商锁定。但如果安全边界仍然长在模型身上，这种中立就只是暂时的、而且随时可能被收回的自由。
五、这可能也是 AI Agent 时代真正困难的地方
不过，即便边界从模型转移到了系统，还有一个问题没有被解决。
传统 Defense in Depth 保护的对象，大多是数据访问、网络访问、身份权限和服务调用。这些控制仍然重要，但它们共享一个前提：被保护的东西是 " 信息 "。而 Agent 带来的变化是，它不只是访问系统，它开始改变现实。
发送一笔支付，创建一个账户，修改生产配置，提交代码，调用交易接口，控制工业设备，批准订单，执行资产转移。当 AI 从 Information System 进入 Action System 之后，" 它有没有权限调用这个 API" 就不再是一个足够的问题。
因为一次真正的事故，完全可能满足所有传统安全条件：身份合法，Token 合法，网络合法，API 合法，权限合法，甚至 Agent 本身也是公司正式批准部署的 Agent。每一道检查都通过了，但它执行的那件事情仍然是错的。
这是 AI Agent 时代最容易出现、也最难被现有体系捕捉的一种危险状态：Authorized，但不 Intended。
系统仔细验证了 Who can do it，却从未真正验证 Should this action happen。前者是一个关于资格的问题，后者是一个关于这一次、这个对象、这个金额、这个时点的问题。资格可以预先授予，具体行动不能。
因此，Defense in Depth 如果继续向前发展，最终很可能需要出现一个新的、独立的层——它不再判断模型是谁，也不再判断谁有权限，而是在真正执行之前判断：这一次行动本身，是否满足执行条件。
这一层的价值，恰恰体现在它拥有拒绝的能力。一个不能说 " 不 " 的检查环节，本质上只是一段日志。而这种最终拒绝能力之所以必须独立于模型，是因为它要防御的正是模型本身的失效——如果拒绝的依据来自被怀疑的那个主体，防御就等于没有发生。
这也是整件事在思想上最关键的一次跨越：从依赖一个可信的判断者，走向依赖一个可信的结构。
六、" 不信任模型 " 并不意味着 " 模型不重要 "
走到这里，很容易产生一个误解，需要明确澄清。
假设模型不可信，并不等于模型 Safety 没有意义。恰恰相反，模型越安全越好，Alignment 越好越好，Prompt Injection Resistance 越强越好，Interpretability 越强越好，模型供应链越可信越好。这些工作的价值不会因为架构层面的怀疑而减损。
但它们应该属于 Risk Reduction，而不应该自动变成 Security Boundary。
这个区别看似细微，实则决定了整个系统的性质。风险削减降低事故发生的概率，安全边界决定事故发生后的后果。把前者当作后者使用，等于用概率去承担确定性的责任。
一个成熟的工程传统早就理解这一点。飞机当然希望飞行员永远不犯错，金融系统当然希望员工永远不点钓鱼邮件，服务器当然希望管理员账号永远不会泄露。但没有任何一个严肃的安全工程会因此设计出 " 只要这个人足够可靠，系统就安全 " 的架构。我们设计的是最小权限、双人复核、交易限额、网络隔离、异常检测、独立审计、硬件安全模块和 Fail-safe。
这些机制的存在，并不构成对参与者的不敬。它们只是承认了一件事：可靠的人也会有不可靠的时刻，而系统需要在那个时刻仍然成立。
成熟的工程从不要求某个参与者永远正确，它只关心：当它不正确的时候，系统会发生什么。
AI 也应该被这样对待。这不是对模型的贬低，这是把它当作真正的关键组件来对待。
七、未来企业购买的，也许不是 " 最安全的模型 "
这种视角的变化，最终会传导到市场上，改变企业实际在为什么付钱。
过去企业会问：哪一家模型安全性最好，哪一个模型最适合金融，哪一个模型最值得长期押注。这些问题指向的都是同一类答案——一个更值得信任的对象。
以后，一个更成熟的问题可能会变成：我的系统能不能让我安全地更换模型？甚至更冷峻一点：如果我无法信任模型，我的关键业务还能不能运行？
Argenti 对 Axios 说，高盛希望的是在不增加风险的前提下拥有选择权。这句话可以被读作一个采购原则，也可以被读作一个架构目标——选择权本身，是被防御层数换来的。
在这个逻辑下，企业真正购买的就不只是模型能力，而是一组围绕模型的能力：隔离能力，权限约束能力，数据边界，Agent Runtime Control，执行边界，证据能力，以及异常发生之后的阻断能力。归根结底，是一个问题的答案——在某个组件失陷以后，整个系统还能剩下多少安全性。
这才是 Defense in Depth 最核心的价值所在。
它不是让所有东西都值得信任，而是让系统不需要一次性相信所有东西。
八、AI 安全可能正在经历一次很经典的成熟过程
如果把视野拉远，会发现这并不是一次特殊的转变。几乎每一代计算基础设施走向成熟时，都经历过结构相同的过程。
最早，人们相信网络内部，后来有了 Zero Trust。最早，人们相信登录之后的用户，后来有了持续认证和最小权限。最早，人们相信软件供应链，后来开始要求签名、Attestation、SBOM 和 Provenance。
规律是一致的：一项技术真正成为关键基础设施之后，它的安全体系都会逐渐从 " 寻找可信对象 "，走向 " 限制不可信对象能够造成的后果 "。这不是因为人们变得更加悲观，而是因为系统变得更加重要，重要到不能再把安全建立在某个环节的良好状态之上。
AI 恐怕也不会例外。今天我们仍然花大量时间讨论哪个模型更安全、哪家公司更可信、Open Model 有没有风险、Closed Model 是否更可控。这些问题会继续存在，也应该继续存在。但真正成熟的下一阶段，很可能会问一个更冷静的问题：假设答案是 " 不可信 "，然后呢？
模型可能犯错，Agent 可能偏离任务，Prompt 可能被污染，上下文可能不完整，工具可能返回恶意内容，SaaS 可能失陷，甚至模型权重本身都可能被替换。安全架构不能假设这些事情永远不会发生，它应该假设其中一些事情迟早会发生，然后在这个前提下继续设计系统。
高盛这次表态真正有意思的地方也在这里。它表面上是在讨论企业应不应该使用 Open-weight Model，实际上触及的是一个远比 Open Model 更大的问题：AI 的安全究竟应该建立在哪里？
如果答案仍然是 " 建立在我们选中了一个足够可信的模型上 "，那么随着 Agent 能力越来越强、越来越多的行动被直接交付给它，这个前提只会越来越脆弱。它不会在某一天突然崩塌，它只会在无数次顺利执行之后，被一次完全合规的错误行动击穿。
真正成熟的 AI 基础设施，应该允许模型变化，允许模型犯错，允许模型被攻击，甚至在设计假设里，允许模型本身就是不可信的。因为可靠的安全系统从来不要求世界里的每一个参与者都值得相信，它真正需要保证的是：即使其中一个参与者不值得相信，重要的事情仍然不能因此随意发生。
说到底，需要被约束的从来不是某一个模型。而是那种不受检验、就能把一个判断直接变成现实的执行权力。成熟的 AI 基础设施，不应该要求企业先相信模型，才能相信系统。
