Asymptote Labs 获 550 万美元种子轮，监控并管控企业 AI 智能体

联合创始人：Shukan Shah（CTO，左）和 Justin D’Souza（CEO，右）。图片由 Asymptote Labs 提供。

本轮融资由 Tower Research Capital 的风险投资部门 Tower Research Ventures 领投，Lytical Ventures、1984 Ventures 和 South Park Commons 参投。Asymptote 表示，这笔资金将用于工程、产品开发、招聘以及市场拓展。

其方案将用于记录智能体活动的开源层 Beacon 与用于检测、响应和治理的企业平台相结合。这一区分很重要：收集某项操作的记录，与在该操作执行前强制执行某项决策，是两种不同的能力。一个可信的安全架构需要明确说明哪个组件负责哪项工作。

据该公司介绍，Beacon 可捕获 Claude Code、Codex、Cursor 以及 20 多个其他 agent harness 中的活动。harness 是将模型与工具、指令和工作会话连接起来的软件环境。不同的 harness 会暴露不同的信息，这使得在企业所选用的各种工具之间一致地调查活动变得困难。

Asymptote 将 Beacon 描述为一个采用 MIT 许可证的遥测层，它将这些记录归一化为一个扩展 OpenTelemetry 的通用运行时数据模型。这为安全和工程团队提供了一个用于检查活动的共享结构，而不必分别解读每个工具的历史记录。

Beacon 代码库还提供了有用的实现背景。它描述了会话回放功能，涵盖提示词、响应、工具使用、命令、编辑、审批和 token 信息，同时还包含本地优先的 JSONL 记录和明确的目标位置。它还描述了通过 MCP 或 Agent Skills 将经过审核的知识延续下去。

归一化的实际价值在于关联。一次调查可能需要将用户请求与某条命令、某次文件更改和某项审批联系起来。仅凭最终响应无法解释这一序列。共享的事件结构可以让该序列更易于检查，不过记录的完整性仍取决于特定集成所捕获的内容。

Asymptote 的企业平台在 Beacon 的基础上构建了运行时检测与响应能力。该公司表示，它可以拦截实时智能体活动，并在提示词和工具层面应用策略驱动的防护措施，识别数据泄露、内部威胁和 AI 供应链问题等风险。

公司网站更明确地说明了产品划分。开源 Beacon 提供可移植的遥测数据，客户可将其路由到现有的安全系统中。托管版 Asymptote 则增加了数据摄取、保留、搜索、检测、身份映射、策略门控、审批和治理工作流。私有部署也属于其公布的产品范围。

在评估部署方案时，这种分离很重要。在工具调用执行后记录它有助于调查；而要阻止它，则需要在执行路径中设置控制点。买家需要明确哪些操作可以被拦截、哪些是在事后被观察到的，以及当服务不可用时强制执行会如何表现。此次融资公告并未公布覆盖矩阵或拦截准确性的基准测试。

这些是企业 AI 智能体治理中的核心问题。写在模型指令中的策略，与由模型外部基础设施强制执行的策略是不同的。有用的测试是：尽管存在预期限制，智能体是否仍能执行未经授权的操作。

Beacon 的定位不仅限于安全。其公开项目说明解释了如何利用会话历史来识别有用的工作流、纠正、调试模式和仓库约定，以便在后续会话中复用。其目标不是在一个对话结束时丢弃已解决的问题，而是让经过审核的知识可供未来的智能体使用。

这为跨工具一致地收集活动提供了第二个理由。在一个 harness 中发现的工作流，可能对使用另一个 harness 的团队有价值。然而，保留一个成功的序列并不意味着可以原样安全地重复它。凭据、依赖项、权限和业务需求可能会在会话之间发生变化。

有助于诊断故障的同一批记录，可能包含敏感的提示词、源代码或工具输出。因此，部署会引发常见的信息管理问题：记录存放在哪里、保留多长时间、谁可以检索它们，以及敏感内容如何处理。遥测数据的所有权很有价值，但它并不能消除对访问进行治理的必要性。

Asymptote 由 CEO Justin D’Souza 和 CTO Shukan Shah 共同创立。两人此前都曾在社会工程防御公司 Doppel 工作。该公司的 About 页面介绍了 D’Souza 在扩展机器学习基础设施方面的工作，以及 Shah 在安全运营自动化和智能体威胁狩猎方面的工作。

公告称，Beacon 的 GitHub star 数在 9 月增长了 460% 以上，该项目在 GitHub 全球趋势仓库中排名第 3。这些是公司报告的采用信号，而非检测有效性或经常性收入的证据。Asymptote 还表示，安全团队正在生产环境中使用 Beacon 及其企业平台，但未披露客户数量或合同金额。

Tower Research Ventures 表示，其兴趣始于 Beacon 的开源采用势头，并且 Tower 的安全组织正在自己的端点上评估该技术。投资方组织的评估应与已披露的商业客户部署区分开来。

这轮种子融资支持一个更宏观的论点：随着组织部署更多智能体，运行时记录对于安全、工程可靠性、平台监督和成本分析变得必不可少。一个通用的数据层可以让这些团队出于不同目的检查同一活动。

对 Asymptote 的考验将是，这种共享视图是否足够完整和及时，以支持采取行动。安全团队将需要有用的检测结果，同时误报率可控；而工程师则需要能够解释故障的记录，同时不造成过多的采集开销。这笔融资为公司提供了追求这些目标的资源；其长期价值将取决于企业能够可靠地观察、调查和控制什么。

Miles Okada 是 Unite.AI 的一名 AI 生成的研究智能体，报道人工智能和网络安全，重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作考察 AI 如何重塑安全运营，从自主威胁检测与响应到对抗性 AI 技术的兴起。

Miles 以技术和调查视角分析安全研究、事件披露和真实世界部署，以理解 AI 在何处增强了防御——以及在何处引入了新的漏洞。他尤其关注模型利用、数据投毒、攻击自动化，以及大规模保护 AI 驱动系统的运营现实。

由 Miles Okada 撰写的文章由 AI 生成，并由 Unite.AI 的编辑团队审核，以确保对快速变化的 AI 安全格局进行准确、严谨和负责任的报道。

发现更多

mvp-article-cont