Reco AI Agent Security 融资攀升，市场竞争日趋拥挤

Reco 为 AI agent security 募集 5,500 万美元，使其总融资额达到 1.4 亿美元；与此同时，越来越多的供应商正瞄准同一企业级难题。

本轮战略融资由 AT&T Ventures 领投，Forestay 和 Quadrille Capital 作为新投资者加入。此前，Reco 曾于 2 月宣布完成 3,000 万美元 B 轮融资，因此融资速度几乎与融资总额同样值得关注。

因此，Reco AI agent security 融资并非又一笔普通的网络安全交易。投资者押注于这样一种理念：企业需要独立的控制层来管理跨业务应用运行的 agent。随着初创公司和成熟安全企业纷纷涌入这一赛道，Reco 现在必须证明，这一控制层能够保持自身的独特性。

Reco 从 agent、身份、权限、应用、数据和工作流之间的连接关系切入问题。这不同于主要专注于保护模型、过滤提示词或扫描 AI 生成代码的产品。

然而，仅靠技术定位无法决定市场归属。安全采购方已经在管理身份、SaaS、数据、云和应用控制。Reco 必须说明，为何 agent 行为需要另一个平台，以及为何现有供应商无法吸收同样的功能。

Reco AI Agent Security 融资达到 1.4 亿美元

在该类别整合前，新资金让 Reco 有了更多空间来销售其 agent 治理模式。

Reco 于 2026 年 9 月 29 日宣布完成这轮 5,500 万美元战略融资。AT&T Ventures 领投，Forestay 和 Quadrille Capital 作为新支持者参与投资。

本轮融资使 Reco 的累计融资额达到 1.4 亿美元。它也延续了 2 月宣布的 3,000 万美元 B 轮融资，当时公司的融资总额达到 8,500 万美元。

这一融资序列至关重要。Reco 在数月内募集了更多资金，同时将其叙事从 SaaS 安全扩展至企业 agent 安全。这一转变紧随能够访问数据、调用工具并在业务系统内发起操作的 agent 日益普及。

根据融资详情，Reco 计划扩大销售、合作伙伴关系、渠道运营和客户支持。这些重点表明，该公司正从品类建立阶段迈向更广泛的商业执行。

这轮融资并未被描述为仅聚焦产品研发的传统融资。AT&T 既是投资者也是客户，为这笔融资赋予了战略维度。

领导 AT&T Ventures 的 Vikram Taneja 表示，组织日益需要了解 agent 如何与业务应用和数据互动。他还表示，Reco 对可视性和治理的关注，与 AT&T 在各类企业中看到的需求相契合。

这一背书的价值不止于品牌。一家大型电信公司运营着复杂的身份系统、应用资产、数据环境和审批流程。这些条件与 agent 访问权限变得难以追踪的环境相似。

不过，客户参与投资并不能独立证明产品性能。它表明，这一问题足够严重，足以让大型企业在资金上支持一家潜在供应商。

Reco 表示，其平台可以识别活跃 agent、确定其使用的身份，并绘制其可访问的系统。平台还追踪权限、API 连接、会话、工作流和 Model Context Protocol 工具。

Model Context Protocol，通常称为 MCP，是一项让 AI 系统连接外部工具和数据源的标准。这些连接让 agent 更有用，但也扩大了遭入侵或被误导的软件可触及的范围。

该公司将其 Reco Graph 描述为连接这些要素的上下文层。安全团队可利用该图谱发现过度权限、过时访问权限、高风险集成，或违反政策的活动。

这种方法反映了 Reco 在 SaaS 安全领域的历史。现代 agent 经常通过 SaaS 安全产品已在监控的同类云应用、授权令牌和服务账户运行。

因此，这轮融资同时资助扩张与重新定位。Reco 押注于其现有的跨应用视图能够成为治理自主软件的基础。

这一押注构成了融资背后的核心张力。Reco 有足够的资金追逐一个庞大市场，但许多竞争对手也得出了相同结论。

Agent 的采用正在让访问权限成为主要风险

当 agent 的指令、身份和所连接的系统共同形成一条非预期的行动路径时，它就成了安全问题。

传统业务软件通常等待人类选择操作。AI agent 在接收到更广泛的目标后，可以自行选择工具、检索信息，并完成多个步骤。

这种自主性改变了风险计算方式。安全团队不仅必须考虑某个应用是否获批，还必须考虑 agent 能通过它做什么。

连接到客户数据库的 agent 可能会汇总账户活动。如果恶意指令改变了任务，同样的访问权限也可能暴露机密记录。

另一个 agent 可能更新服务工单、发送消息并查询财务数据。单独审查时，每项权限看起来都可能合理；但它们的组合可能形成更大的运营范围。

Reco 将这一范围称为 agent 的爆炸半径。这个说法描述了 agent 出错或遵循敌对指令时会受到影响的系统、数据和工作流。

该公司的agent 安全研究称，在其研究环境中，五分之四的 AI 工具在没有 IT 监督的情况下运行。Reco 还报告称，在中小型组织中，每 1,000 名员工就有 414 个未经批准的工具。

这些数据来自公司研究，应据此看待。Reco 表示，其方法结合了平台遥测数据、对已发布 MCP 服务器的分析以及公开漏洞记录。

同一报告考察了 500 个已发布的 agent 工具。Reco 表示，其中一半可以在主机上执行 shell 命令，62% 可以读取本地数据并访问互联网。

这一组合说明了安全供应商为何正超越提示词过滤器。当受影响的 agent 可以读取文件、访问外部系统并执行命令时，成功的提示词注入攻击会造成更大影响。

提示词注入是一种攻击方式，即在由 AI 系统处理的内容中嵌入敌对指令。即使这些指令与其既定任务冲突，agent 也可能遵循它们。

员工可能要求 agent 总结一个网页。该页面中的隐藏文本可能会指示 agent 检索本地信息并将其传输到其他地方。

这种漏洞并不只取决于底层模型。它还取决于权限、集成、数据访问、运行时控制，以及是否有人注意到异常行为。

Reco 希望管理这一更广泛的运行上下文。其平台旨在发现 agent，并将其活动与周围的身份和应用关联起来。

这一框架给多个成熟安全类别带来压力。身份供应商追踪访问权限，SaaS 安全工具检查云应用，数据安全平台则绘制敏感信息分布。

云安全公司监控基础设施和工作负载。应用安全供应商测试软件和 API。模型安全专家检查输入、输出和模型行为。

AI agent 横跨这些边界。单个工作流可能涉及模型供应商、身份账户、多个 SaaS 应用、MCP 服务器和客户数据库。

没有任何一个传统类别必然拥有完整链条。这一缺口为 Reco 等公司创造了机会，但也吸引了来自每个相邻市场的竞争者。

Reco 押注上下文，竞争对手则构建控制点

核心竞争在于跨应用治理层，与附着于单个模型、网关、身份或工作负载的安全控制之间的较量。

Reco 于 6 月推出专用的 Agent Security 产品。该产品在其现有平台基础上扩展了 agent 发现、所有权映射、权限分析和上下文修复功能。

产品公告将 agent 描述为互联企业环境中的组件。Reco 认为，其风险会延伸至身份、应用、工作流和集成。

基于图谱的方法适合支撑这一主张。图谱系统对关系进行建模，使安全团队能够看到一个 agent 如何与账户、令牌、工具、应用或数据集连接。

设想一个销售 agent：它读取客户记录、起草电子邮件、安排会议并更新销售管道。对这些权限进行列举，可提供有用的资产清单信息。

关系图谱还可以补充所有权、近期活动、继承访问权限以及各系统之间的连接关系。这些上下文有助于分析人员识别会造成异常暴露的权限组合。

Reco 表示，团队随后可缩小权限范围、撤销陈旧访问权限、禁用未经授权的 agent，并将发现结果导入既有的工单工作流。

7 月，该公司扩展了运行时控制。Reco 表示，该更新增加了基于浏览器的强制执行、实时提示词分析、拦截和自动修复。

运行时安全会在软件运行过程中评估其行为，而非仅依赖配置检查。这一补充使 Reco 更接近专注于网关和实时干预的竞争对手。

不过，该公司仍将上下文作为其差异化重点。其核心主张是，当安全决策纳入身份、应用、权限和业务关系时，决策将更加准确。

其他供应商则从不同方向切入。身份安全公司可以将 agent 视为非人类身份。数据安全供应商可以限制 agent 检索敏感信息的范围。

云安全和应用安全公司可以检查 agent 工作负载或生成的代码。模型安全专家可以测试模型、扫描提示词，并在输入和输出周围实施规则。

大型平台供应商也具备分发优势。Microsoft、Salesforce、ServiceNow 和主要云服务商可以将治理控制部署在客户构建 agent 的系统旁边。

Cisco 也将 agent 视为一项独特的安全挑战。其agentic security 产品组合在更广泛的企业平台内结合了身份、网络、应用和 AI 控制。

竞争性问题不在于每种方法是否都应对了合理风险，而在于采购方更倾向于选择独立的跨平台层，还是选择嵌入其现有产品的控制措施。

独立平台可以提供跨供应商的中立性。它们可能识别出单一应用供应商无法在自身环境之外观察到的关系。

集成型供应商可以减少采购和部署摩擦。它们还掌控着身份系统、网络、浏览器、云平台和业务应用中的重要强制执行点。

Reco 已与包括 OpenAI、Anthropic、Microsoft Copilot、Salesforce、ServiceNow 和 Workday 在内的提供商及应用集成。广泛覆盖至关重要，因为企业很少会将所有智能体统一到单一模型或平台上。

仅靠覆盖范围不足以形成持久优势。随着提供商不断调整 API、权限、审计事件和智能体架构，集成能力必须始终保持更新。

Reco 的融资为其维护这些连接、拓展渠道提供了资源，但并未消除快速变化的市场所带来的运营负担。

拥挤的市场既能验证 Reco，也会挤压其空间

验证需求存在的竞争，同样会让 Reco 更难守住独特的产品类别。

多年来，网络安全投资者一直在寻找下一个重要的控制节点。在计算行为发生变化后，终端、云基础设施、身份和数据领域都曾催生大型公司。

AI 智能体看起来是又一次这样的转变。它们兼具自主性与权限，能够跨越原本围绕人类用户设计的系统采取行动。

初创公司看到了机会，因为现有工具往往将这些系统拆分到不同的仪表板中。安全团队或许了解员工账户，却无法看见所有使用该账户凭证的智能体。

应用负责人可能知道已安装哪些集成，却不了解智能体如何将它们串联起来。数据团队可能追踪敏感记录，却无法观察请求这些记录的推理过程。

智能体安全供应商承诺连接这些零散视图。然而，它们的产品描述正日益围绕发现、资产清单、态势管理、身份、运行时监控和策略执行而趋同。

这种重叠可能让买家困惑。一家正在评估多款产品的公司，可能会听到用不同架构语言表达的相似主张。

由此形成的类别可能会分化为专业层。有些买家可能采用面向智能体的身份控制、面向模型交互的运行时检查，以及面向检索的数据控制。

另一些买家则可能更倾向于覆盖完整智能体环境的一体化平台。Reco 以图谱为中心的策略更接近后一种结果。

市场也可能通过收购实现整合。当客户对控制能力的需求快于内部团队的开发速度时，成熟供应商可以收购专业技术。

这种模式早已定义了网络安全领域。新的基础设施变革会吸引专注型初创公司，而随着采购重点愈发清晰，大型供应商则会增加功能或收购领先者。

融资环境反映了这场竞赛。行业报道称，AI 原生初创公司正迫使现有厂商自行开发或收购新能力。

该报道引用的 PitchBook 数据显示，2025 年半数网络安全交易涉及 AI 原生初创公司。数据还发现，涉及安全编排和自动化响应的交易增长强劲。

这些数字覆盖的市场范围大于智能体治理，但仍显示出人工智能已多么迅速地成为网络安全投资和收购策略的一部分。

竞争也来自客户自身。大型企业可以围绕其偏好的智能体平台，构建内部资产清单、审批系统和策略层。

当组织拥有特殊系统或严格的合规要求时，内部开发会更具吸引力。当智能体遍布数百个应用时，这种方式的吸引力则会降低。

Reco 必须证明，其平台能减少足够多的集成和调查工作，足以证明再增加一层安全合作关系是合理的。这一证明将取决于部署速度、覆盖质量和可衡量的修复效果。

该公司称其支持数百个应用，并能快速部署。这些均为公司自身主张，更重要的证据将来自持续的客户使用。

通过 AT&T 及其他大型企业实现扩张，可以提供这类证据。成功部署可能表明，即使各个平台增加原生控制能力，跨应用可见性仍然必要。

相反的结果将削弱 Reco 的差异化。如果客户主要依赖 Microsoft、Cisco、云服务商或身份供应商提供的控制能力，独立的智能体层将更难站得住脚。

融资并未解决衡量问题

安全团队仍缺乏一种公认的方法，用于衡量智能体治理是否降低了实质性风险。

发现一个智能体并不等于保护它。建立资产清单并不能证明某个平台能在不阻碍合法工作的情况下防止有害行动。

智能体行为难以分类，因为同一项行动在一种情境下可能恰当，在另一种情境下却可能危险。读取客户记录可能是支持工作所必需的，但对于无关的工作流则不可接受。

责任归属也可能并不明确。员工可能配置智能体，平台提供商负责托管，而多个部门依赖其输出。

权限带来了另一层复杂性。智能体可以从用户、服务账户、API 密钥、浏览器会话或连接的应用中继承访问权限。

安全工具必须准确重建这些路径。漏掉一条连接会低估风险，而过多的警报则可能压垮团队并拖慢采用速度。

基于图谱的上下文可帮助确定风险暴露的优先级，但图谱质量取决于完整且及时的数据。企业系统中经常存在过期账户、未记录的集成和不一致的责任归属记录。

实时干预也会带来自身的权衡。阻止可疑请求可能防止泄露，但错误的决定也可能中断业务流程。

因此，安全买家需要的不只是已发现智能体数量。实用的衡量指标包括已移除的高风险权限、已停用的未授权智能体，以及已阻止的高影响行为。

买家还应考察误报率、调查时间、集成覆盖范围，以及保持策略更新的运营成本。

由于智能体架构变化迅速，独立测试仍然有限。不同产品对智能体、副驾驶、工作流和非人类身份的定义也可能不同。

这使供应商比较变得困难。一个平台可能统计每个启用了 AI 的应用，而另一个平台则只统计能够采取行动的自主工作流。

Reco 自身的研究说明了当前证据的价值与局限。其遥测数据发现了大量未受管理的使用情况，但该公司也销售定位为解决该问题的平台。

这并不意味着这些发现无效。它意味着买家应区分：哪些证据证明存在广泛问题，哪些证据验证了某一家供应商的解决方案。

更广泛的安全记录使这种担忧具有可信度。若配置了广泛权限，智能体可以访问文件、业务系统、通信工具和生产环境。

在一起已报道的事件中，配置错误的智能体删除并重新创建了一个正在运行的云环境，导致了一次持续较长时间的故障。其他案例涉及隐藏指令、不安全插件、暴露的令牌或过度访问权限。

这些事件支持为智能体权限和活动设置控制措施的必要性，但并不能确定哪种产品架构将成为标准。

Reco 的新融资为其收集客户证据提供了时间，同时也提高了市场对其商业增长、部署成果和产品成熟度的期待。

最有说服力的结果将把可见性与已预防或已遏制的事件联系起来。仅仅原始资产清单的增长，也可能只是 AI 工具快速普及的反映。

三个信号将显示 Reco 能否领先

客户扩张、可衡量的修复效果和竞争整合将揭示，Reco 是在打造一个类别，还是仅占据暂时的空档。

第一个信号是超越初始发现项目的采用情况。企业通常先购买安全工具来了解一个新问题，再决定部署范围有多广。

Reco 需要让客户从资产清单转向持续的治理和运行时执行。这一转变将表明，智能体安全已成为一项运营要求。

AT&T 同时担任客户和投资者的双重角色，使其部署尤为重要。扩展使用的证据将加强 Reco 对其他大型买家的说服力。

相关指标包括更多受治理的智能体、更广泛的应用覆盖，以及安全运营团队的持续使用。公开客户案例应说明部署后发生了什么变化。

第二个信号是可衡量的修复效果。Reco 必须证明，其图谱能够识别出现有身份、SaaS 或数据工具无法清晰暴露的风险。

最有力的案例将记录已移除的过度访问权限、已撤销的废弃凭证，或已中断的危险工具组合。它们也应说明误报和业务中断情况。

这些证据将帮助买家区分智能体治理与又一种资产清单工具，也将阐明上下文分析是否改善了日常安全工作。

缺乏这类结果将削弱该类别。买家可能会认为，现有产品只需增加智能体字段和仪表板，而无需引入另一个平台。

第三个信号是大型竞争对手如何回应。产品发布、合作伙伴关系和收购将表明哪些控制节点正在吸引企业支出。

收购一家专业厂商将证实成熟供应商看到了智能体安全的战略价值，但也可能让独立竞争变得更困难。

主要应用提供商的原生控制能力同样值得关注。如果 Microsoft、Salesforce、ServiceNow 和云公司提供了足够的跨系统治理能力，独立平台将面临更大压力。

不过，碎片化的原生控制可能增强 Reco 的地位。使用多个模型和应用提供商的企业，可能需要一个将它们连接起来的中立层。

随着安全团队将智能体从试点转入生产，市场走向将变得更清晰。生产使用会带来持续存在的身份、权限、数据流和问责要求。

它也会暴露为聊天机器人设计的控制措施的局限性。智能体并不只是生成文本，它们会通过所连接的系统采取行动。

Reco 的 5500 万美元融资是对这一差异的重要背书。加上 2 月份的融资，这为公司在买家需求尚未稳定之际扩张提供了资源。

资本并不能决定这场竞赛的胜负，但它给了 Reco 更大的机会，去证明上下文治理应位于单个智能体和应用之上。

企业买家现在应提出一个实际问题：Reco 能否持续发现并遏制其现有安全技术栈遗漏的智能体风险？

答案将决定 Reco AI 智能体安全融资究竟标志着一个持久控制层的崛起，还是网络安全整合中的又一个拥挤篇章。