gemai：Gemini AI Agent 60天�狂�掃1,072個Chrome�漏�洞（終�極實�測數據！）

gemai是這篇文章討論的核心

60 天抓出 1,072 個 Chrome 漏洞:Google 的 AI Agent 是把資安工程師逼到牆角,還是遞了一把神兵?

圖:當 Gemini 驅動的 AI Agent 成為 Chrome 安全團隊的「頭號獵人」,人與機器的分工界線正在重畫(Photo by cottonbro studio / Pexels)

💡 核心結論:Google 以 Gemini 為核心的多 Agent 系統,在 Chrome 149 與 150 兩個版本、短短 60 天內修復 1,072 個安全漏洞,數量超過先前整整 23 個版本里程碑的總和(1,036 個)。這不是一次性的實驗,而是「發現→重現→分級→修補→驗證」全流程自動化的正式量產。

📊 關鍵數據(2026–2027 預測量級):Gartner 預測 2026 年全球 AI 支出達 2.59 兆美元(年增 47%);AI 在資安領域的市場規模將從 2026 年的 391 億美元,一路衝到 2033 年的 1,829 億美元(CAGR 24.7%);全球資安總支出 2026 年突破 5,200 億美元。AI 資安不再是「加分項」,而是主戰場。

🛠️ 行動指南:先從「AI 輔助模糊測試 + 自動化分級」切入,別急著全自動修補;用開源工具與 MCP 標準介面降低導入門檻;把「AI 抓漏 + 人類覆核」寫進 CI/CD,讓安全修復變成日常流水線。

⚠️ 風險預警:同一套 AI 抓漏技術是雙面刃——攻擊者也能拿它快速挖掘零日漏洞;且目前企業「用 AI 的支出」遠高於「保護 AI 的支出」,Agentic AI 的採用速度比治理機制快了 8 倍,2026 年的資安缺口恐怕比你想的還大。

📑 本文導覽

① AI Agent 如何在 60 天內揪出 1,072 個 Chrome 漏洞?完整流程白話拆解
② 從 Naptime 到 Big Sleep:AI 抓漏的三年演化,2026 年為什麼突然「量產」?
③ AI 修洞到底省多少?數字說話:2026 資安市場與 AI 支出的真實量級
④ AI 抓漏模式能複製到自家專案嗎?導入門檻、成本與 5 個落地建議
⑤ 2027 年之後:當「機器獵人」成為常態,防禦者與攻擊者的軍備競賽誰先倒下?

老實講,第一次看到「60 天修好 1,072 個漏洞」這組數字,我的直覺是:這該不會又是哪個部門在衝 KPI 吧?直到我把 Google Security Blog 那篇〈Stronger with every update〉翻完,又交叉比對了 ZDNET、BleepingComputer 的獨立報導,才確認這不是嘴砲——Chrome 149 與 150 兩個版本,AI Agent 確實扛下了 1,072 次安全修復,而這數字甚至超過先前整整 23 個版本里程碑的總和。我觀察到,這已經不是「AI 輔助人類」,而是「AI 主導、人類覆核」的架構轉型。

這件事的重量,在於它背後站著 35 億活躍使用者。當一個養著 35 億人的瀏覽器,把「發現漏洞→重現→分級→寫補丁→生成測試」這條原本要燒掉大量人力的流水線,交給 Gemini 驅動的多 Agent 系統去跑,真正的訊號是:軟體安全的「人海戰術」正式落幕,「機器獵人」時代開幕。

① AI Agent 如何在 60 天內揪出 1,072 個 Chrome 漏洞?完整流程白話拆解

Google 內部這套系統,本質上是一個「Gemini 驅動的 Agentic Harness」——白話講,就是一組會自己拿工具、自己下判斷、自己寫程式的小機器人軍團,在 2026 年初被派去掃描整個 Chrome/Chromium 程式碼庫。它的工作分五段:

找洞:除了傳統模糊測試(fuzzing),AI Agent 會直接「讀」原始碼,模擬攻擊者的思路去推演攻擊場景,並把誤報率壓低——這是過去純規則引擎最頭痛的地方。
重現:LLM 把零散的 crash report 轉成可重現的 test case,省掉工程師熬夜手動重演 bug 的地獄時光。
分級與派單:AI 自動判斷漏洞嚴重程度,再把任務路由給正確的團隊,連 spam 回報都能順手過濾。
生成補丁:直接給出修補建議,甚至產出初步 patch。
驗證:生成測試來驗證修復真的有效,不讓「修了等於沒修」的窘境發生。

數據佐證:這條流水線在 Chrome 149、150 兩個里程碑交出 1,072 個修復,而過去 23 個里程碑合計才 1,036 個——等於產能翻了十倍以上。以下圖表把這組對比攤開來看,差距相當震撼。

🟦 Pro Tip(專家見解):別只盯著「1,072」這個數字。真正的槓桿在於 AI 把「重現 bug」和「驗證修復」這兩個最吃人力的環節自動化了——在傳統流程裡,這兩個步驟往往吃掉工程師 60% 以上的時間。把這段流程 AI 化,等於把資安團隊的單位產能直接乘上一個數量級,而且 24 小時不打烊。

② 從 Naptime 到 Big Sleep:AI 抓漏的三年演化,2026 年為什麼突然「量產」?

很多人以為這是 2026 年憑空蹦出來的黑科技,但這其實是一條走了三年的「龜兔賽跑」,只是烏龜終於在終點線前變成火箭。回顧 Google 的官方脈絡:

2023 年:Google 開始用 LLM 提升 fuzzing 的覆蓋率與效能——此時 AI 還只是「加速器」。
2024 年:與 Project Zero 合作推出 Naptime,給 LLM 掛上專門的漏洞研究工具,AI 開始像研究員一樣「動手」。
2025 年:與 DeepMind 聯手的 Big Sleep 直接挖出 Chrome V8 引擎裡一個真實存在、此前未被發現的記憶體安全漏洞——那一刻,AI 從「助手」變成「發現者」。
2026 年:把所有能力收束進 Gemini 多 Agent 系統,覆蓋完整漏洞生命週期,於是有了 1,072 這個量產數字。

我觀察到,2026 年之所以「突然加速」,關鍵不是模型變聰明多少,而是工程架構成熟了——Agent 學會了正確呼叫工具、控制誤報、把任務拆給不同專才。這種「量產」不會只停在 Chrome,而是會像漣漪一樣擴散到整個開源與商業軟體世界。

🟦 Pro Tip(專家見解):給管理者的訊號很簡單:如果 Google 需要三年才把 AI 抓漏從「demo」磨到「量產」,你公司想在下個季度就複製同樣成果,基本是天方夜譚。務實的路徑是照著 Google 的腳本走——先讓 AI 做 fuzzing 與分級,再逐步開放修補權限,別想一步到位。

③ AI 修洞到底省多少?數字說話:2026 資安市場與 AI 支出的真實量級

把鏡頭拉遠,這起事件剛好卡在一個「錢潮」的風口上。Gartner 預測 2026 年全球 AI 相關支出將達 2.59 兆美元,年增 47%;其中 AI 軟體支出從 2025 年的 2,828 億美元暴增到 2026 年的 4,532 億美元。而在資安側,Gartner 估算 2026 年全球資訊安全支出約 2,442 億美元,Cybersecurity Ventures 更預測 2026 年全球資安總支出突破 5,200 億美元。

最關鍵的交叉點在這裡:Grand View Research 統計,AI 在資安領域的市場規模 2025 年約 315 億美元,2026 年來到 391 億美元,預估 2033 年衝上 1,829 億美元,年複合成長率 24.7%。換句話說,「AI 抓漏」不是 Chrome 的獨家表演,而是一個正在以近四分之一速度狂奔的產業賽道。下圖把這條成長曲線畫出來,趨勢一目了然。

風險要劃重點:錢多不代表安全。目前產業的畸形現象是——企業花在「使用 AI 工具」上的錢,是花在「保護 AI 本身」上的 17 倍;Agentic AI 的採用速度比對應的治理機制快了 8 倍。白話講:大家搶著開 AI 這台超跑,卻沒幾個人先裝煞車。

🟦 Pro Tip(專家見解):看財報或編預算時,把「AI 安全」從「IT 雜項」裡獨立出來。2026 年以後,真正成熟的企業會同時有兩個預算科目:一個是「用 AI 打仗」,一個是「保護 AI 別被敵人搶走」——後者才是未來五年最被低估的護城河。

④ AI 抓漏模式能複製到自家專案嗎?導入門檻、成本與 5 個落地建議

好消息是,Google 沒有把這套本事鎖在保險櫃裡。Chrome/Chromium 本身就是開源專案,而且 Google 還開源了連接 AI Agent 與 Chrome Enterprise API 的 MCP Server,讓 IT 與資安團隊能用自然語言指揮 Agent 排查部署問題、建立 DLP 規則、調查安全告警。這代表「AI 抓漏」的基礎設施已經有標準介面可以接。

但潑個冷水:別以為裝個開源工具就能複製 1,072 的神蹟。你的程式碼品質、測試覆蓋率、資料標註,決定 AI 的上限。以下 5 個落地建議,是現階段務實的路線圖:

先自動化「分級」,再自動化「修補」:讓 AI 先負責把漏洞排優先序,人類只處理高風險項,風險最低、見效最快。
把 AI 接進 CI/CD:每次 commit 都跑一輪 AI 輔助 fuzzing + 程式碼掃描,把安全檢查從「發布前」提前到「寫碼時」。
建立「可重現 bug」的黃金資料集:AI 最怕髒資料,先餵它乾淨的 crash repro 案例,誤報率才會掉。
用 MCP 標準介面串工具:別再寫一堆客製化 script,用標準協定讓 Agent 自己取用你現有的安全工具鏈。
保留人類覆核的最後一哩:生成式 patch 一定要有真人 review 關卡——AI 修壞的 bug,往往比它修好的 bug 更可怕。

成本方面,中小團隊不必一步登天。先從雲端 API + 開源 fuzzing 框架起步,月成本可能壓在數千元等級;等到產能瓶頸真的出現,再考慮自建 Agent 叢集。記住:這是一場馬拉松,不是百米衝刺。

🟦 Pro Tip(專家見解):如果你手上有一堆「歷史債」——老舊程式碼、低覆蓋率、沒有測試——AI 抓漏再強也救不了你。導入 AI 之前,先把「可測試性」補起來。機器獵人再會打獵,也得先有一片健康的森林讓它巡邏。

⑤ 2027 年之後:當「機器獵人」成為常態,防禦者與攻擊者的軍備競賽誰先倒下?

把時間軸推到 2027 年,我認為會出現三個幾乎可以確定的趨勢。第一,漏洞發現速率將指數級上升——Google 用兩個版本超越 23 個版本,這種效率一旦擴散到 Linux、Kubernetes、各家商業軟體,「已知漏洞」的清單會以前所未有的速度膨脹,修補速度將成為軟體公司最赤裸的競爭力。第二,零日漏洞的「甜蜜期」被壓縮——攻擊者原本能靠一個 0day 爽吃好幾個月,現在 AI 可能讓防禦方在數天內完成補洞,漏洞經濟的商業模式被迫改寫。第三,資安工程師的角色位移——重複性的抓漏、重現、打補丁會被 AI 吃掉,但「設計 Agent 策略、判斷風險取捨、處理詭異的業務邏輯漏洞」這些需要脈絡理解的工作,反而會更值錢。

最該警惕的是雙面刃效應:同樣的 AI 輔助模糊測試與漏洞挖掘技術,攻擊者也能拿來用。2026 年以後,「AI 對 AI」的攻防將取代傳統「人海戰術」,這是一場比誰的 Agent 更快、更準、更懂業務邏輯的軍備競賽。防禦者的好消息是:Google 這套模式證明「先手補洞」是可行的;壞消息是:你沒有 35 億使用者和一支 DeepMind 當隊友,所以得更早開始布局。

🟦 Pro Tip(專家見解):2027 年的勝負手不在模型,而在「流程重構」。把 AI Agent 當成新進員工——給它權限、給它工具、給它 KPI,但也要給它監控與保險絲。誰能把「人機協作的安全運營中心」跑順,誰就能在下一輪攻防裡活得比較久。

❓ 常見問題 FAQ

Q1:Google 的 AI Agent 真的能自己修漏洞嗎?它具體做了哪些事?

可以,但更精確的講法是「AI 主導、人類把關」。Gemini 驅動的多 Agent 系統涵蓋漏洞發現、重現、嚴重度分級、任務路由、補丁生成與測試驗證全流程;在 Chrome 149 與 150 兩個版本中,它協助修復了 1,072 個安全漏洞。不過 Google 也強調這套流程仍有工程師覆核,並非完全無人值守。

Q2:一般企業或開發者可以怎麼導入 AI 抓漏?需要花很多錢嗎?

可以從低成本路徑開始:先讓 AI 負責 fuzzing 覆蓋率提升與漏洞自動分級,再接進 CI/CD 流程,使用雲端 API 與開源框架的月成本可能僅數千元等級。Google 也開源了 MCP Server,讓 AI Agent 能以自然語言指揮 Chrome Enterprise 安全工具。重點是先做好程式碼可測試性,別一頭熱投入全自動修補。