独家解读丨为什么是 Virtue AI？揭秘 Meta 收购华人 AI 安全团队始末

做决定之前，李博和 Virtue AI 团队讨论过很多问题。

这不是一次简单的跳槽，也不是一个创业团队突然被大公司带走。对核心成员来说，他们要判断的不只是“要不要加入 Meta”，而是一个更具体的问题：如果过去两年做出来的 AI 安全能力，真的有机会进入数十亿用户规模的产品系统，他们要不要走进去？

这件事最早并不是从一场收购谈判开始的。在更早之前，Meta 已经是 Virtue AI 的客户。双方先从战略合作切入，Virtue AI 团队先要做的，是像所有创业公司一样，证明自己的产品真的有用。

Meta 并不是一个容易被说服的客户。它有自己的模型团队、产品团队、安全团队，也有足够多的内部技术资源。对这样一家公司来说，外部供应商如果只是提供一个单点工具，很难真正进入核心系统。

但 Virtue AI 说服 Meta 的，不只是一个产品，而是一整套关于 AI 安全的判断。在 Meta 实际使用了一段时间之后，双方的关系开始发生变化。

Meta 看到的，也不只是自动化红队、运行时防护、Agent 安全测试这些具体能力，而是一支长期研究 AI 安全、又已经在真实客户场景中打磨过产品的团队。

真正让李博和团队开始认真考虑这件事的，是 Meta 正在推进的 personalized agents。

过去，AI 更像一个聊天窗口。用户问问题，模型回答。回答错了，问题大多停留在内容层面：一句不准确的总结，一个荒谬的建议，一段有漏洞的代码。但 Agent 不一样。

Agent 会进入用户和企业的工作流，可能访问邮箱、日历、代码仓库、数据库和内部系统，也可能调用工具、运行命令、修改文件、发起请求，甚至替用户完成一连串操作。

这意味着，AI 的风险不再只是“说错话”，而是“做错事”。

这恰好是李博和 Virtue AI 过去几年一直试图回答的问题：当 AI 走出论文、走出 Demo，真正进入真实世界，人们如何确认它是安全的、可信的、可控的？

在创立 Virtue AI 之前，李博已是国际 AI 学术界备受瞩出的青年学者，先后获得多项具有国际影响力的荣誉，包括有“诺贝尔奖风向标”之称的斯隆研究奖（Alfred P. Sloan Research Fellowship）、MIT Technology Review TR35（全球35位35岁以下科技创新者）、IEEE AI's 10 to Watch、IJCAI Computers and Thought Award、NSF CAREER Award，以及一系列国际顶级会议的最佳论文奖。

在论文里，安全问题可以被拆成很多方向：robustness、privacy、security、alignment、generalization。每一个方向都有自己的定义、实验、数据集和评测方法。但创业之后，她面对的是另一种问题。

客户不会先问一个攻击样本在 benchmark 上的表现，也不会只关心某个模型在公开评测里的分数。企业客户的问题通常更直接，也来自真实的人。

银行里的安全负责人要面对监管和客户数据。保险公司的合规团队要确认系统不会泄露敏感信息。大型科技公司的产品经理要在上线速度和安全风险之间做取舍。基础模型公司的红队成员则要不断寻找模型边界，测试它会不会在复杂任务中被诱导、滥用或绕过限制。

这些人每天都在问同一个问题：我能不能放心把 AI 放进生产环境？

Virtue AI 创立后，李博和团队试图把研究里的安全问题，翻译成企业可以真正部署的产品。这不是一件简单的事。研究可以证明某种攻击是可能的，但企业需要的是一套流程：上线前怎么测，上线后怎么防，出了问题怎么追溯，风险怎么记录，权限怎么控制，合规怎么交代。

也正是在这些客户身上，Virtue AI 逐渐形成了一套更工程化的判断：AI 安全不是一个单点功能，而是一套覆盖开发、测试、部署和运行全过程的基础设施。

过去两年，Virtue AI 服务过 Fortune 500 企业，也和国际领先 AI 实验室合作，开展模型和 Agent 的安全评估。这些客户来自不同行业，但他们遇到的问题越来越相似。

金融行业最早把 AI 安全当成刚需。银行、保险、资产管理机构本身受到严格监管，又处理大量敏感数据。对他们来说，AI 系统能不能上线，不只是技术问题，也是合规问题、审计问题和责任问题。

大型科技公司和基础模型公司则更早遇到前沿风险。Prompt Injection、模型滥用、Agent 攻击、工具调用风险，这些问题不再只是研究论文里的案例，而是产品团队每天都可能遇到的真实场景。

最近一年，企业软件、办公自动化 Copilot、客服系统和代码生成平台也开始更快采用 AI。很多公司原本只是想让 AI 帮员工写邮件、总结文档、生成代码，但很快就发现，只要 AI 开始连接内部系统，安全边界就会被重新打开。

在不同场景里，安全负责人、产品经理、工程团队和法务合规团队的关切并不完全一样。产品团队关心上线速度，安全团队关心风险边界，法务和合规团队关心责任和审计，业务团队则关心 AI 到底能不能提高效率。

Virtue AI 要做的，是把这些不同角色的关切放进同一个系统里。

上线之前，企业需要自动化红队。它解决的是最基础的问题：在 AI 真正进入业务之前，企业到底知不知道它会在哪里出问题。Prompt Injection、越狱、数据泄漏、越权访问、Agent 滥用，这些问题都应该尽可能在上线前暴露出来。

上线之后，企业需要运行时防护。因为没有任何测试能够覆盖所有真实情况，AI 进入生产环境后，仍然需要实时检测恶意 Prompt、危险工具调用、异常 Agent 行为和敏感数据泄露。

这也是Virtue AI 的产品之一 VirtueGuard 的位置。它不是只处理文本的简单 guardrail，而是面向真实企业环境的实时防护系统。企业里的风险不会只出现在一种语言里，也不会只出现在一种输入形式里。它可能来自 text、image、video、audio、code，也可能来自一个跨语言、跨系统、跨工具的复杂任务。

到了 Agent 阶段，问题会更复杂。传统 Chatbot 主要生成内容，Agent 却会调用工具、访问系统、执行动作。因此，安全系统不能只看输入和输出，还要看 Tool、MCP、Memory、Action、Network 等环节，判断每一步是否符合企业安全策略。

VirtueAgent Suite 要解决的，正是这个问题。它更像是 agentic systems 的 agentGuard 和 gateway，既要在 Agent 执行动作前发现风险，也要在 Agent 运行过程中约束它能访问什么、能调用什么、能执行什么。雷峰网(公众号：雷峰网)

最后是治理和合规。大型企业不只关心 AI 会不会出错，还要回答监管和审计问题：是否符合企业政策，是否符合行业规范，是否留下完整日志，风险管理流程是否可追溯。

所以，Virtue AI 衡量产品效果时，也不会只看一个指标。漏洞发现数量、风险类别覆盖、攻击拦截率、误报率、系统延迟、上线时间缩短，以及是否帮助客户形成可审计的治理流程，都是重要指标。

回到 Meta 收购 Virtue AI 这件事。从形式上看，这次更接近硅谷常见的团队收购。Meta 一开始关注的，也不只是某一个单点产品，而是更广义的 AI 安全能力。

模型安全、Agent 安全、红队、治理、运行时保护，这些能力都和 Meta 未来要做的 personalized agents 有关。对 Meta 来说，personalized agents 不只是一个新的 AI 应用形态。它意味着 AI 会更深入地进入用户生活和工作场景，理解用户偏好，帮用户完成任务，也可能在更多系统和工具之间行动。

这也是安全问题最容易被放大的地方。如果一个模型只是回答问题，安全系统可以更多关注内容边界。但如果一个 Agent 能替用户执行任务，安全系统就必须知道它在什么上下文里行动、代表谁行动、有没有权限行动、行动之前是否需要确认、行动之后是否可以追溯。雷峰网

这和 Virtue AI 过去两年的经验高度重合。过去，他们在企业客户身上证明了一套 AI 安全基础设施的必要性。进入 Meta 之后，这些经验有机会被放进更大规模的产品系统里。这也是 Virtue AI 一直以来的目标：making AI secure and trustworthy for everyone。

但做决定并不容易。团队需要考虑研究自主性，也需要考虑团队完整性；需要考虑产品延续性，也需要考虑已有客户的责任；更重要的是，他们要判断自己进入 Meta 之后，能不能真正影响核心系统，而不是只停留在边缘位置。

外界也不只有 Meta 一家公司表达过兴趣。但最后选择 Meta，是因为它的产品方向、组织位置和安全需求，与 Virtue AI 过去两年的积累更匹配。

换句话说，这不是一次简单的“被大厂买走”。更像是一个研究者和一支创业团队，在经历了学术研究、产品验证和真实客户之后，走进了下一代 AI 系统的建设现场。

李博对 Agent 时代有一个很关键的判断：未来 AI 安全最大的挑战，不只是模型越来越强，而是模型能力增长很快，但安全基础设施、治理流程和行业标准没有同步跟上。

强大的模型如果缺少足够强的安全系统，会放大已有风险。过去，很多人讨论 AI 安全时，关注的是模型会不会输出危险内容、会不会幻觉、会不会被越狱。但 Agent 时代的问题更像企业安全问题。

如果把企业里的 AI Agent 看成一种“数字员工”，那么企业也需要重新设计它的入职、授权、监督和退出机制。那些过去属于身份管理、权限控制、企业安全和审计的问题，现在都会成为 Agent 安全的一部分。

Prompt Injection 在这个场景下也会变得更危险。在普通聊天中，Prompt Injection 很多时候影响的是模型输出。但如果 Agent 能调用工具、读取文件、访问邮件或执行命令，被注入的指令就可能影响真实动作。一个看似普通的网页、一封邮件、一段文档，都可能成为攻击入口。

更复杂的是多步组合风险。Agent 的每一步单独看都可能合理：读取一个文件、调用一个工具、生成一段代码、修改一个配置。但这些步骤连在一起，可能导致越权访问、数据泄漏或破坏性操作。

安全系统必须理解的不只是单次输入输出，而是整个执行链路。这就是为什么 Agent 安全不能只靠一个模型层面的回答。

近几年行业中的一些事件，也让这种变化变得更直观。

模型过度迎合用户，说明 AI 安全不只是阻止危险内容输出，也包括防止模型强化用户的错误判断、负面情绪或冲动行为。这不只是体验问题，也涉及 alignment、可信 AI 和安全。

AI 搜索摘要给出荒谬答案，说明可信 AI 不只是普通幻觉问题，还涉及信息来源、语境理解、检索质量和系统设计。如果企业内部知识库里混入旧文件、错误文件或低质量文档，AI 也可能把这些内容总结成看起来很权威的答案，反而放大组织内部的错误信息。

Coding Agent 误删生产数据库，则更直接地说明：当 AI 能执行动作，风险已经从“答错”升级为“做错”。随着 AI coding assistant 被越来越多开发者使用，另一个风险也在变大：AI 生成的代码可能包含安全弱点，开发者也可能因为过度信任模型而减少审查。

这些事件共同指向一个趋势：AI 安全不能再只被放在产品发布前的最后一步。过去，安全常常像一道发布流程：模型训练完，产品做出来，然后评测、红队、合规，最后上线。

但 Agent 时代，这种方式已经不够了。安全必须更早进入产品设计，进入权限系统，进入工具调用，进入运行时监控，也进入治理流程。

这也是李博理解 alignment 和 AI security 的方式。Alignment 关注 AI 系统的目标、价值和行为是否符合人类意图；AI security 关注系统在真实环境中是否能抵御攻击、滥用和异常行为。到了 Agent 时代，这两件事很难分开。

一个系统是否可信，不能只看模型在公开评测里的分数，也不能只看它是否会输出安全答案。更重要的是，它能访问什么数据，能调用什么工具，能执行什么动作，是否符合权限，是否留下审计记录，是否能在运行中被持续监控。

前沿模型的安全测试也因此正在变得更复杂。公开系统卡、agentic safety 测试、computer use 测试、coding capability 测试、cyber evaluations，都会越来越重要。测试不能只问模型几个普通问题，而要把模型放进有目标、有上下文、有工具使用能力的复杂场景里，看它到底会怎么做。

红队机制也需要变化。内部红队适合持续嵌入研发流程，在训练、微调和产品化过程中发现问题；外部红队则提供独立视角，在关键发布节点帮助团队发现盲区。更成熟的方式，是让安全评估成为模型迭代的一部分，而不是发布前最后一道检查。

治理同样如此。AI 安全治理最难的地方，不只是技术变化快，也不只是风险定义不清，而是参与方很多。研究团队、产品团队、法务、合规、政策、客户、监管机构，甚至社会公众，对“可接受风险”的理解都不一样。

所以治理不是写几条原则就够了，而是要把原则变成可执行、可衡量、可审计的流程。组织既要快速创新，也要能对风险负责。

从研究者，到创业者，再到 Meta Superintelligence Labs，李博的路径背后，是 AI 安全位置的变化。

在学术界，她研究的是 AI 系统为什么会不可靠、不安全、不可信。在 Virtue AI，她面对的是客户每天都会问的现实问题：系统能不能上线，风险能不能看见，权限能不能控制，出了问题能不能审计。

进入 Meta 之后，她和团队要面对的，是更大规模的产品系统，以及更复杂的 personalized agents 场景。这件事最值得关注的地方，也许不只是李博去了哪里，而是 AI 安全正在从边缘走向中心。

未来 3 年，AI 安全会从“模型安全”走向“系统安全”和“Agent 安全”。企业不会只在上线前测试一次 AI，而是会在开发、测试、部署、运行全过程中持续红队、持续监控、持续治理。

这或许是李博及其团队加入 Meta 最值得关注的地方。

它不是一个单纯的个人去向，也不是一个普通团队加入大厂的故事，而是一个 AI 安全研究者在经历学术研究和创业验证之后，进入下一代 AI 系统建设现场的故事。

当 AI 只是聊天工具，安全可以是最后一道检查。

但当 AI 开始替人做事，安全就必须成为系统本身。