美國喬治亞州新創公司 AvalonX 經過 18個月隱匿開發期 後，於2026年10月公開推出 Artemis 平台，以自主式AI代理搭配人工資安專家，持續模擬駭客入侵並驗證企業防禦弱點。平台核心為參數規模達 4,000億 的 Aether 安全AI，訓練資料涵蓋九年真實滲透測試經驗及600億筆暗網紀錄。
客戶輸入網域、劃定合法測試範圍後，最快當日即可取得以一般語言撰寫的報告；結果亦對應 SOC 2、ISO/IEC 27001、PCI DSS v4.0與HIPAA等規範。服務採月費訂閱模式，瞄準缺乏大型紅隊、顧問預算與專責安全團隊的中小型企業。
AvalonX 執行長暨共同創辦人 Craig Goodwin曾任Fujitsu、Monster與CDK Global資安長；由Onecom共同創辦人Aaron Brown、Darren Ridge所掌控的Ridown Capital，則宣布投資最高 1,000萬美元。
這場新創競賽的核心挑戰，是大型企業長期採用的年度或專案型滲透測試模式，是否能改寫成由AI驅動、持續運作且價格可被中小企業接受的服務。AvalonX選擇的不是單純出售掃描工具，而是把「自主攻擊模擬、弱點判讀、修補建議及法規映射」包裝成完整安全營運流程，直接挑戰傳統顧問公司的交付模式。
其技術敘事具有吸引力：Aether模型以九年真實進攻資料與600億筆暗網紀錄進行訓練，自主代理可反覆測試外部曝露面、驗證弱點利用路徑，並模擬入侵後的橫向移動；人工滲透測試人員則負責處理高風險、誤報與情境判讀。AI代理解決速度與規模問題，人類專家則成為複雜情境與責任判斷的最終把關者。這種混合模式比純自動掃描更接近企業實際需求，也能降低大量無意義警示對資安團隊的干擾。
但商業落地仍取決於三個關鍵驗證。第一，4,000億參數與九年資料是否真的能轉化為低誤報、可重現的入侵成果，而非只適合行銷的模型規模數字；第二，AI代理誤判、服務中斷或測試觸及未授權系統時，責任如何由客戶、法規與平台三方劃分；第三，資料來源、模型安全及攻防技術是否可能反向成為雙用途能力。AvalonX並未公開揭露完整訓練資料授權、第三方測試結果、客戶續約率或模型運作成本。
真正的產業利益角力，是資安預算由「購買一次性顧問工時」轉向「訂閱持續性自動化平台」。大型資安業者掌握品牌、認證與服務流程，中小型託管服務商則掌握客戶入口；AvalonX若能以一致、可稽核的結果降低成本，兩者都可能被動搶走專業服務收入。反之，若企業仍將AI結果視為待人工覆核的線索，顧問產業便能延伸既有合約，而非被全面取代。
AI滲透測試的發展，可與早期網路防火牆向雲端安全、惡意軟體掃描向端點偵測暨回應的演進相比：自動化並未消滅專業服務，而是將其價值從重複掃描移向策略判讀、事件回應與高風險驗證。AvalonX所代表的路線，是將紅隊能力轉為中小企業可負擔的持續性商品。
01 起因觸發：AvalonX結束18個月隱匿開發，並獲得Ridown Capital最高1,000萬美元投資
02 一階傳導：中小型企業開始以月費訂閱取得持續性AI滲透測試，傳統專案型顧問需求受影響
03 二階擴散：資安服務商、電信通路商、託管服務商與保險業者可能把平台接入既有服務流程
04 宏觀終局：資安能力由大型企業專屬資源轉為標準化數位基礎設施，責任、模型治理與雙用途風險成為監管核心
跨事件因果網路圖譜 1 驗證節點
AI 驗證因果鏈條 · 可拖曳節點 · 點兩下開啟文章
