Exein 融资轮押注 2.7 亿美元，以 AI 对抗 AI 黑客

Exein 在其网络中每周检测到约 5,000 起新攻击后完成了 2.7 亿美元融资，这一数量是去年同期报告量的五倍。此次 Exein 融资轮使这家意大利网络安全公司的估值达到 17 亿美元，也支持了一项大胆押注：攻击者正利用 AI 攻击联网设备，而防御同样需要运行在设备内部的 AI。

这比又一家网络安全公司新增 AI 助手的主张更进一步。Exein 希望在固件和操作系统层面保护机器人、车辆、工业系统及医疗设备。这些系统一旦遭到入侵，可能造成现实世界的后果，而不只是信息泄露。

公司如今面临严峻考验：必须将专有设备遥测数据转化为自主防御能力，同时不能引入新的错误、延迟或不可接受的控制风险。与此同时，Armis、Claroty 和 Dragos 等成熟安全厂商，已通过资产发现、网络监控和威胁情报保护联网环境。

Exein 融资轮将设备安全变成规模之争

新资金让 Exein 能够在大型厂商缩小差距前，争夺联网设备内部的安全位置。

Exein 于 2026 年 9 月 15 日宣布这轮融资。Headline 领投，Sofina、Goldman Sachs、European Investment Bank Group、KfW Capital 和 T.Capital 参投。

现有投资者也再次加码，包括 Balderton Capital、HV Capital、Intrepid Growth Partners、33N Ventures、Lakestar、Supernova Invest、Blue Cloud Ventures 和 Geodesic Capital。

公司表示，本轮融资获得大幅超额认购。此外，Exein 还扩大了由 JPMorgan 牵头的循环信贷额度，KfW 也作为另一家贷款方加入。该额度为 Exein 在欧洲和美国开展收购提供了额外资金能力。

此次融资紧随公司在 2025 年完成的两轮大额融资。Exein 于 7 月融资 7,000 万欧元，并于 12 月再融资 1 亿欧元。公司称，后续这笔投资使其 2025 年融资总额达到 1.7 亿欧元。

最新这笔交易对应 17 亿美元估值，使 Exein 跻身欧洲最有价值的非上市网络安全公司之列。Axios 在其融资报道中称其为欧洲估值第二高的网络安全初创公司，仅次于 Nord Security。

这一估值反映的不只是营收预期，也意味着市场押注安全支出将进一步向控制物理流程的设备靠拢。

Exein 表示，其技术已覆盖超过 20 亿台设备。这一数字描述的是公司的技术覆盖范围，并不一定意味着有 20 亿个单独计费的部署。评估商业规模时，这一区别十分重要。

公司还表示，其在该网络中每周观察到约 5,000 起新的、非重复性攻击，并称这一数量在一年内增长了五倍。

这些数字尚未经过公开资料中的独立审计。不过，它们解释了为何投资者将分发能力视为 Exein 的核心优势。部署于众多设备类型中的安全供应商，能够收集较小规模实验室部署无法复制的行为信号。

Exein 计划利用这笔资金拓展美国和亚太市场。公司已在台湾设立区域总部，并在日本成立法人实体。公司预计将在 2026 年第四季度拓展日本业务，并计划于 2027 年在韩国设立办事处。

公司还计划在湾区设立办公室。此举将使 Exein 更接近美国芯片制造商、云服务商、机器人开发商和制造企业，也使其直接面对资金更雄厚的安全行业巨头。

因此，这笔交易改变了竞争的时间表。Exein 不再只需证明嵌入式保护有效，还必须证明其方法能够在竞争对手平台进一步深入固件之前，成为可复制的全球化产品。

为什么 AI 黑客正在向网络之下转移

AI 加快了发现和利用设备弱点的速度，而联网设备会让成功攻击产生超越数据失窃的后果。

传统企业安全通常聚焦于笔记本电脑、服务器、云账户、网络和员工身份。联网设备则带来不同的问题：它们使用专用硬件、长期运行的固件、受限的计算资源，以及无法容忍常规停机的操作环境。

商业应用中的漏洞可能导致记录泄露，而机器控制器中的漏洞则可能使生产线停摆、改变车辆行为，或中断医疗设备运行。

这种差异解释了 Exein 对“物理 AI”的使用。它指的是通过现实环境中的机器进行感知、决策和行动的 AI 系统。机器人、无人机、车辆和工业控制器均属于这一类别。

攻击者不需要恶意的通用机器人模型就能造成伤害。他们可以瞄准围绕 AI 系统运行的操作系统、固件、软件依赖项、更新流程或凭据。

生成式 AI 降低了实施部分此类攻击的门槛。它可帮助攻击者分析代码、翻译技术文档、生成不同的漏洞利用变体，并自动化侦察工作。人类专业能力依然重要，但单个攻击者能够在更短时间内测试更多路径。

学术研究已开始审视这一转变。一篇关于消费级机器人安全的 2026 年论文报告称，一名自动化网络安全代理在测试的机器人平台中发现了 38 个漏洞。这一结果并不能证明每台机器人都面临同样的暴露风险，但确实显示 AI 如何压缩专业安全工作的时间成本。

联网设备防御还面临架构性劣势。许多组织无法在每台控制器或嵌入式系统上安装传统终端工具。部分设备的内存和处理能力有限，另一些则必须多年保持可用，无法进行重大软件变更。

网络监控可帮助安全团队识别可疑通信，资产发现平台则帮助团队确认有哪些设备，以及哪些漏洞会影响它们。但这两种方法都无法自动阻止恶意代码在设备内部执行。

Exein 认为，保护能力应部署得更接近执行点。其软件旨在集成到设备固件中，使安全控制能够从机器内部观察行为。

这一位置很重要，因为网络边界不断变化。联网摄像头、工业网关或机器人可与云服务、本地控制器、维护工具和第三方应用通信。边界安全产品可能看得到流量，却未必理解设备内部发生的每一项操作。

欧洲监管时间表进一步增加了紧迫性。欧盟《网络韧性法案》对含有数字元素的产品提出网络安全要求，规定制造商在设计、开发、生产和漏洞处理等环节承担责任。

该法律的事件报告要求于 2026 年 9 月 11 日生效，比 Exein 宣布融资早四天。其主要产品安全义务将于 2027 年 12 月 11 日开始适用。

制造商必须通过统一的欧洲平台报告符合条件的已被积极利用漏洞和严重事件。报告框架规定，预警时限为 24 小时，并须在 72 小时内提交更完整的通报。

该法规并不要求制造商购买 Exein 的产品，但它提高了以下能力的价值：了解正在运行哪些软件、检测异常执行情况，以及在漏洞利用开始时快速响应。

对硬件制造商而言，网络安全正从可选的企业级附加层，转变为产品生命周期的一部分。这为嵌入式供应商创造了机会，同时也吸引大型安全公司、半导体供应商和操作系统提供商推出竞争性控制措施。

Exein 的 AI 防御从机器内部开始

Exein 的战略将内核级运行时强制执行与计划中的基础模型结合，后者基于机器行为而非人类语言训练。

第一部分是运行时安全。运行时系统会在软件执行期间对其进行观察或控制。这不同于在发布前扫描固件，或在设备开始通信后审查网络流量。

Exein 于 2026 年早些时候推出名为 Photon 的架构。公司称，Photon 运行于内核层，即管理进程、内存、设备和系统权限的特权层。

Photon 旨在恶意执行完成前将其阻止。Exein 尚未公开足够的独立性能数据，以证明其在所有支持环境中都能始终如一地实现这一结果。

该架构建立在 Exein 此前使用 eBPF 的工作基础上。eBPF 是一种 Linux 技术，可在内核中运行经过验证的程序。Exein 的开源 Pulsar 项目使用 eBPF 收集和分析系统活动，无需传统内核模块。

这种方法具有重要优势。安全逻辑能够在靠近源头的位置观察进程和系统调用，因此可以识别远程监控系统可能遗漏的行为。

但这种接近性也提高了对可靠性的要求。在内核附近运行的安全软件必须避免崩溃、资源消耗过高和误报。在笔记本电脑上错误拦截会造成干扰；同样的错误若发生在车辆或医院设备内部，后果可能更严重。

第二部分是 Exein 计划推出的 AI 模型。公司表示，正利用其设备覆盖范围内两年的遥测数据训练专有基础模型。

基础模型从大型数据集中学习广泛模式，并可支持更专业的任务。根据公司的融资公告，Exein 提出的模型聚焦机器行为，而非普通文本。

这一数据集是投资逻辑的核心。基于真实运行行为训练的模型，可能学会识别通常预示危险的进程组合、资源变化和执行序列。

防御代理随后可在本地作出反应，无需等待人工分析师审查警报。这种速度将直接应对由攻击性 AI 生成或调整的攻击。

Exein 预计将在 2026 年底前推出其代理式安全架构，并预计于 2027 年第一季度推出首批基础模型。

这些是公司面向未来的目标，而非已经完成的产品里程碑，也留下了若干尚未解答的技术问题。

公司尚未公开说明模型架构、评估基准或决策边界，也未详细阐述模型将如何处理陌生设备、罕见但合法的行为，或试图操纵其观测结果的攻击。

数据质量带来了另一项挑战。覆盖二十亿台设备听起来颇具说服力，但规模本身并不能保证训练数据具有代表性。不同机器使用不同的处理器、操作系统、工作负载和安全约束。

一个主要基于摄像头或工业网关训练的模型，未必能够安全地迁移至自动驾驶汽车。即使是相似设备，在不同客户、地区和软件版本中也可能表现不同。

遥测数据同样带来隐私和治理问题。Exein 表示，其模型使用的是机器运行行为，而非人类生成的文本。但采购方仍会希望获得关于数据收集、保留、匿名化、区域存储和访问控制的明确答案。

Exein 方案最有力的版本，并不是让中央模型自由控制每一台机器，而是将广泛学习与适用于各设备的范围有限、可审计策略结合起来。

这种设计既能保留机器速度的检测能力，又能限制自主操作。它还可帮助制造商记录防御决策的发生方式。

对采购方而言，实际问题不在于 Exein 是否使用 AI，而在于该系统能否在不增加运营风险的前提下提升检测与响应能力。

真正的竞争：嵌入式防御与外部可视性

Exein 正在挑战一种观点：组织主要依靠发现资产并监控其网络，就能保护物理系统。

Armis、Claroty 和 Dragos 等安全厂商围绕联网资产和运营技术建立了庞大业务。其平台通常强调可视性、暴露面管理、网络行为、工业协议和威胁情报。

这些功能解决了一个严峻问题。许多组织并不了解其设施内运行的每一台联网设备。安全团队无法保护自己无法识别的资产。

被动网络监控在运营环境中尤为有用。它可以在不安装软件、也不主动扫描可能较为脆弱的系统的情况下发现设备。

Exein 则从另一种立场出发。它瞄准能够在产品交付客户之前，将保护能力整合至固件中的制造商和技术供应商。其产品随设备一同部署，而非完全依赖所有者的网络控制措施。

两种方法都无法取代彼此。嵌入式运行时无法完整呈现工厂、医院或交通系统中的全局情况；网络平台也并非总能观察到机器内部正在执行的精确代码路径。

核心竞争在于，哪一层将成为主要的执行点。如果攻击速度加快，并瞄准网络之下的执行层，Exein 的定位就更具价值。若制造商抵触嵌入式代理，外部监控则会保留运营优势。

集成构成第一道障碍。设备制造商必须评估兼容性、内存使用量、处理器开销、更新行为和长期维护。每个产品系列都可能需要单独的工程和认证工作。

销售周期构成第二道障碍。向企业销售的安全平台可在部署后开始产生价值。固件集成则可能取决于持续数年的产品开发周期。

Exein 可通过与芯片制造商和原始设备制造商建立合作关系来应对这一延迟。在通用硬件或软件层进行集成，可将其技术部署到众多下游产品中。

该公司此前已宣布涉及 MediaTek 和工业计算供应商 Kontron 的合作关系。它还将 Nvidia、Arm、AWS、Intel、Hitachi Energy、MediaTek 和 Daikin 等组织列为使用或与其技术合作的公司。

这些关系的范围各不相同。技术集成、市场平台上架、客户部署和战略合作并不具有相同的商业含义。公开描述不应被视为等同于合同。

竞争也可能从底层出现。半导体厂商正日益在产品中加入安全启动、可信执行、加密身份和硬件隔离功能。操作系统供应商也可以加入自身的运行时策略。

竞争同样可能来自上层。大型云和安全平台可以结合设备清单、漏洞情报和 AI 辅助响应。收购活动可能迅速推动成熟厂商更深入地进入嵌入式保护领域。

Exein 扩大的信贷额度表明，管理层认识到了这一压力。收购互补技术或分销渠道，可能加速其进入那些通过自然集成需要耗费过长时间才能进入的市场。

监管强化了双方的价值。Cyber Resilience Act 要求制造商评估风险，并在受支持产品的整个生命周期内管理漏洞。官方的 CRA 摘要 还说明了文档、合规评定和报告责任。

嵌入式控制措施可通过生成设备级证据来支持这些义务。外部平台则可通过资产清单、漏洞管理和事件工作流程提供支持。

因此，胜出者不会由单一 AI 基准测试决定。采购方将评估覆盖范围、部署工作量、可审计性、资源使用情况和响应可靠性。

Exein 的融资为其争取了时间，以证明固件级执行应成为这一技术栈的一部分。但这并不保证制造商会在多样化的产品线中接受单一供应商。

17 亿美元估值仍需证明什么

Exein 接下来必须验证三件事：安全的自主响应、可重复的制造商采用，以及能够产生可衡量商业规模的扩张。

第一个信号将随着计划中的智能体架构到来。Exein 表示，计划在 2026 年年底前推出该系统。

仅仅发布并不能解决问题。采购方需要看到展示检测质量、误报率、资源消耗和恢复行为的评估结果。他们还需要了解哪些操作仍由人类控制。

成功部署将强化 Exein 的核心论点。延迟推出或能力受到严格限制，则可能表明机器速度的自主性仍比融资叙事所暗示的更难实现。

第二个信号是预计于 2027 年第一季度发布的首个基础模型。Exein 应说明其如何跨设备类别评估该模型，以及如何防止不安全的泛化。

独立测试比内部声明更具分量。比较应涵盖传统规则、异常检测和基于网络的系统。采购方需要证据证明，该模型带来的价值超越了人们熟悉的安全技术。

该模型还必须支持调查。当机器控制着关键流程时，安全团队不能依赖无法解释的拦截决策。有效输出应将一项操作与可观察行为及可执行策略关联起来。

透明的评估将增强该公司关于专有遥测数据能带来持久优势的主张。结果若表现疲弱或范围狭窄，将削弱该数据集所对应的价值。

第三个信号是欧洲以外的商业采用。Exein 计划在湾区、日本和韩国开展新业务，同时扩大其在台湾的现有基础。

办公室开设展现的是雄心，而非产品接受度。更有参考价值的指标包括量产集成、已部署的产品系列、续约合同，以及现有制造商内部的业务增长。

该公司还需要说明其二十亿台设备覆盖范围如何转化为经常性收入。当许可条款规模较小或较为间接时，广泛的技术分发也可能只带来有限的经济收益。

制造商还会审视另一项权衡。在产品内部安装自主防御能力，会使产品依赖其安全供应商。采购方必须了解更新承诺、支持期限、故障模式和迁移选项。

Cyber Resilience Act 使这些问题更难以拖延。其生命周期义务促使制造商选择能够维持多年的控制措施，而不是短暂的实验。

出于同样原因，Exein 的收购策略值得关注。一项精心挑选的收购可以增加固件分析、设备身份、漏洞管理或美国分销能力。一项缺乏聚焦的交易，则可能让本已横跨众多环境的平台更加复杂。

投资者实际上正在为两个加速系统之间的竞赛提供资金。攻击者可以利用 AI 扩大探测和利用的规模。防御者则希望借助 AI 以相近速度识别并阻止这些活动。

这种对称性很有吸引力，但并不完整。攻击者能够容忍许多失败尝试；防御软件则必须在保护无法轻易重启的系统时保持准确。

这种不平衡是针对 Exein AI 防御计划最有力的怀疑论理由。面对快速的自主攻击，快速的自主保护听起来确实合适。然而，当防御错误会带来物理后果时，速度无法取代验证。

Exein 可以通过受限自主性、记录完备的策略、独立测试和明确界定的响应来回应这一担忧。其技术应阻止明显恶意的行为，同时将模糊案例升级处理。

Exein 此轮融资为公司带来了地域覆盖、产品开发时间和收购能力。它也将市场预期提升到远超传统嵌入式安全厂商所面临的水平。

开发者应关注模型评估和受支持环境。制造商应审查集成工作量、证据质量和生命周期承诺。企业采购方应询问嵌入式执行如何与其现有资产和网络平台协同运作。

决定性问题如今已十分具体：Exein 能否在 AI 辅助攻击者以更快速度利用同样机器之前，将机器遥测数据转化为可靠的安全决策？

首先关注 2026 年年底的架构发布，随后是计划于 2027 年年初推出的模型。之后，留意美国和亚太地区具名的量产部署。这些结果将表明，Exein 此轮融资究竟资助了一个持久的安全层，还是一场代价高昂、旨在证明其可行性的竞赛。