Reco AI Agent Security 获得 5,500 万美元融资，供应商竞争日趋拥挤

Reco 为 Reco AI agent security 融资 5,500 万美元。在企业艰难应对跨业务系统自主软件治理之际，这笔资金为公司注入了新的资本。

这笔追加融资使 Reco 的累计融资额达到 1.4 亿美元。AT&T Ventures 同时以投资者和客户身份参与，Forestay 和 Quadrille Capital 也支持了本轮融资。Reco 计划扩大销售、合作伙伴、渠道及客户支持团队。

这笔资金意义重大，但时机更为关键。Reco 正在重新定位，不再局限于 SaaS 安全；与此同时，至少两打公司正在争夺 AI agent 安全问题的不同环节。CrowdStrike、WitnessAI、HiddenLayer、Zenity 及其他供应商从不同起点切入市场。

这正是 Reco 本轮融资背后的核心矛盾。企业需要在 agents 获得更多权限前建立可见性，但买家面对的是日益拥挤市场中彼此重叠的主张。Reco 必须证明，其既有的应用、身份、权限和数据关系图谱能够构成可持续的竞争优势。

Reco 融资支持更广泛的安全布局

Reco 正利用新融资，将其 SaaS 安全基础扩展为面向企业 AI agents 的更广泛控制层。

Reco 于 2026 年 9 月 29 日宣布这笔融资。公司将其描述为额外的 5,500 万美元投资，而非新编号的一轮融资。

这一区别很重要。Reco 在 2 月完成了 3,000 万美元 B 轮融资，当时累计融资额达到 8,500 万美元。最新资金在不到八个月后到账，使其披露的累计融资额升至 1.4 亿美元。

Reco 没有披露这笔新投资的确切估值。CEO 兼联合创始人 Ofer Klein 告诉 TechCrunch，公司估值较 2 月时已翻倍以上。他称估值处于“数亿美元的高位区间”，但未给出具体数字。

Klein 还表示，公司年度经常性收入已达到数千万美元级别，预计将在 2026 年增长至三倍。这些数字仍为公司披露，未经独立审计。

据 Klein 称，该公司拥有超过 100 家客户。金融服务机构约占其业务的 40%，这使 Reco 接触到对访问控制、审计和数据治理有严格要求的买家。

AT&T 的参与增添了战略维度。这家电信公司并非只是提供资金。AT&T 也是 Reco 的用户，使这笔投资比传统的财务背书更具实际分量。

AT&T Ventures 负责人 Vikram Taneja 表示：“作为投资者和客户，AT&T 认识到，理解 agents 如何与应用和数据交互的重要性正不断提升。”

这笔融资将支持面向客户的扩张，而非一项范围狭窄的研究计划。Reco 表示，随着企业将 agents 投入生产环境，公司将在销售、合作伙伴关系、渠道运营和客户支持方面招聘人才。

这种资金配置表明，Reco 认为其核心技术主张已准备好进行更广泛部署。它也显示，分销能力已成为 AI agent 安全市场中的重要竞争变量。

一项相关合作进一步强化了这一战略。在宣布融资前一天，Reco 发布了覆盖 ServiceNow Otto agents 和平台配置的 ServiceNow 集成。

Reco 表示，该集成可映射每个 Otto agent 的身份、权限、连接工具及潜在暴露面。它还会运行超过 170 项针对 ServiceNow 的安全态势检查，随后将发现的问题发送至 ServiceNow 工作流中进行修复。

这些公告相互契合。Reco 本轮融资为分销提供资源，而与 ServiceNow 的合作则让 Reco 进入企业已用于管理运营工作的一个平台。

因此，眼前的变化不止是又一笔网络安全投资。Reco 正从监控 SaaS 应用，转向治理能够跨这些应用执行操作的 agents。

这也带来了更严苛的产品考验。发现一项应用很有价值，但追踪一个 agent 则需要理解账户、工具、会话、权限和工作流之间不断变化的关系。

为什么 Reco AI Agent Security 此时吸引资本

企业赋予 agents 运营访问权限的速度，已快于许多安全团队建立归属、清单和可执行控制措施的速度。

AI agent 是一种能够通过工具、数据和自动化操作追求目标的软件。与传统聊天机器人不同，agent 可以与应用交互，或在有限人工参与下发起工作流。

这些能力改变了安全问题。员工通常拥有可识别的身份、经理、设备和雇佣生命周期。agent 则可能借用用户的授权、使用服务账户、调用 API，或通过浏览器会话运行。

一个 agent 也可以在单项任务中跨越多个系统。它可能读取支持工单、检索客户数据、起草回复并更新 CRM 记录。单独审查时，每一步都可能看似合理。

但组合起来的路径更难评估。一个在多个应用中仅拥有有限权限的 agent，一旦这些权限相互连接，就可能带来更大的暴露风险。

这正是 Reco 强调关系而非孤立资产的原因。其 Reco Graph 是一个上下文图谱，即连接 agents、人员、应用、账户、数据、权限和操作的结构化地图。

据该公司称，该图谱可帮助安全团队确定哪些 agents 存在、它们能够访问什么，以及应移除哪些访问权限。Reco 表示，其平台支持超过 280 项应用集成和 1,000 项检测控制。

Klein 告诉 TechCrunch，该平台还利用浏览器和网络信号，在直接集成的应用之外发现 agents。Reco 表示，它能够检查 prompts 和工具调用，即 agent 向模型或已连接服务发送的请求。

需求侧的案例包括一些引人注目的客户示例，但读者应将其视为供应商主张。Klein 表示，Reco 曾在一家《财富》100 强客户处发现 21,000 个此前未知的 agents。

据 Klein 称，在一家大型金融服务公司，Reco 发现了一个由前员工创建的 agent。该 agent 能够访问 Salesforce，并将信息传输至该组织无法看到的域名。

这些例子说明了基础软件清单为何可能失效。一家公司可能知道 Salesforce 已获批准，却遗漏了与之关联的 agent、授权许可或外部目的地。

这一问题并不局限于 Reco 的客户群。HiddenLayer CEO Chris Sestito 表示，他的超过 50 家客户已将接触敏感资产和关键系统的 agents 部署至生产环境。

Cymphony 另称，它在一家上市公司发现约 85,000 个暴露给 AI 工具和 agents 的文件。这些数字是公司报告的观察结果，并不代表行业样本。

不过，它们指向了一项一致的运营挑战。企业采用可能同时通过获批平台、嵌入式功能、浏览器工具、员工试验和定制工作流发生。

安全团队无法治理无法识别的对象。如果无人知道谁拥有一个 agent，或其访问权限为何仍然有效，他们也无法分配责任。

这种清单缺口给首席信息安全官带来压力。封锁所有 agents 会限制正当采用，而在没有持续监督的情况下批准工具，则可能暴露客户记录、源代码或财务流程。

因此，组织需要一条中间道路：既要允许有用的自动化，又要限制不必要的权限，并保留所有权和变更记录。

清晰的文档与自动化控制同样重要。评估 agent 访问权限的团队需要一个可搜索的知识库，用于记录政策、架构决策、负责人和事件发现。

Reco 的时机反映了这一转变。该公司最初更专注于 SaaS 安全态势和 AI 应用可见性。如今，它将 agent 安全定位为连接这些早期能力的一层。

这一定位为 Reco 提供了一个可信的切入点，但并未解决竞争问题。许多安全公司都看到了同样的机会，而且其中几家拥有不同的技术优势作为起点。

AI Agent Security 市场已经拥挤

Reco 并非在与单一直接竞争对手赛跑；它面对的是多个汇聚至同一企业预算的安全类别。

TechCrunch 发现，至少有两打公司提供某种形式的 AI agent 安全服务。它们的产品有所不同，但营销信息往往重复相同承诺：发现、治理、运行时监控、工具控制和风险降低。

一些供应商专注于 agents 能调用的工具。另一些则聚焦数据访问、非人类身份、prompt 流量、运行时行为或未经授权的 AI 使用。

CrowdStrike 从端点检测与响应切入这一问题。对于希望将 agent 活动与设备、工作负载及既有安全运营关联起来的买家而言，这一定位具有吸引力。

Zenity 高度专注于保护 AI agents 和低代码自动化。这一定位针对的是业务团队可在缺乏传统软件开发控制的情况下配置的平台工作流。

HiddenLayer 起步于机器学习模型安全。其向 agent 保护领域的扩张，强调了模型和自主系统进入生产环境时出现的威胁。

WitnessAI 提供企业 AI 治理和数据流控制。该公司在 2026 年初从包括 Sound Ventures、Fin Capital、Qualcomm Ventures 和 Samsung Ventures 在内的投资者处融资 5,800 万美元。

这笔融资是资本流入这一类别的又一信号。Axios 报道称，PitchBook 估计，2025 年近 2.5 亿美元流入 agentic cybersecurity 公司，涉及近两打交易。

这笔agent security investment也伴随着一个重要限定。McKinsey 一项研究中，约四分之一的受访者表示，其组织正在实质性扩大 agentic AI 系统的规模。

因此，采用确实存在，但并不均衡。供应商正在为一个庞大的未来市场布局，而许多客户仍处于试点、有限部署或早期治理计划阶段。

Reco 对这一拥挤市场的回应是上下文。该公司认为，其 SaaS 覆盖能力使其能够既有地掌握应用、身份、权限和数据关系。

这一基础可帮助 Reco 识别跨连接系统的风险。安全团队或许不仅能看到某个 agent 的存在，还能了解它使用哪个账户，以及该账户能够访问哪些业务信息。

这种方法不同于仅部署在模型端点周围的控制措施。一个 agent 在模型层可能行为安全，却仍可能对 Salesforce、Workday、Microsoft 365 或 ServiceNow 持有过多访问权限。

Reco还称，它可以通过其 Reco Factory 快速添加新的集成。集成速度至关重要，因为每一个不受支持的应用都可能造成新的可见性缺口。

然而，上下文图谱并非 Reco 独有。知识图谱、身份关系、资产映射和攻击路径分析，已广泛出现在云、身份、数据和暴露面管理产品中。

因此，竞争的关键不在于关系是否重要，而在于 Reco 能否构建并维护一张比大型平台或专业竞争对手更有用的关系图谱。

成熟厂商拥有分发、遥测和采购方面的优势。已经使用主流终端、身份、云或数据安全平台的客户，可能更倾向于采用该供应商提供的代理模块。

初创公司则可以通过更深度的专业化和更快的产品开发来应对。不过，它们必须证明，独立平台能够带来足够价值，以证明额外增加一个控制台、集成项目和供应商评审流程是合理的。

AT&T 和 ServiceNow 的参与为 Reco 在这方面增添了可信度。大型客户兼投资者能够提供部署反馈，而平台集成则可以将发现结果嵌入现有安全工作流。

但两种关系都不能保证市场领导地位。战略投资者有时会投资多项技术，平台合作关系也可能扩展至相互竞争的厂商。

这正是 Reco 本轮融资既代表验证、也代表竞争压力的原因。资金为 Reco 争取了时间，使其能在相邻安全类别吸收代理治理能力之前赢得客户。

最终胜出的未必是拥有最广泛代理专属功能清单的厂商，而可能是能够将代理风险连接到安全团队已信任并运营的系统中的公司。

Reco 的 Context Graph 必须证明什么

Reco 的核心承诺取决于数据覆盖范围、关系准确性和及时修复能力，而不仅仅是展示代理清单的能力。

Reco Graph 将代理映射至身份、应用、权限、API 连接、会话、工具、数据和工作流。这种结构弥补了传统资产管理中的一个重要弱点。

清单可以显示某个代理的存在。图谱则可以显示该代理使用了前员工的授权、能够访问敏感记录，并通过外部集成发送信息。

这种关系视图有助于做出更精准的安全决策。团队无需直接禁用代理，而是可以移除不必要的权限、撤销过期令牌，或禁用某一条高风险连接。

Reco 表示，其产品可减少过度权限、撤销失效访问、禁用集成并执行策略。这些都是有意义的操作，但其可靠性取决于底层遥测数据。

覆盖范围是第一项测试。超过 280 个集成意味着相当广的覆盖面，但大型企业通常会使用数千个应用、扩展、脚本和内部服务。

未受支持的部分可能蕴含最大风险。新的代理框架和 Model Context Protocol 服务器，可能会在正式安全集成出现之前就投入使用。

Model Context Protocol，通常简称 MCP，是一种用于连接 AI 系统与工具及数据源的标准。MCP 连接可以扩展代理能够看到和执行的内容。

Reco 必须识别经批准和未经批准部署中的这些连接。浏览器和网络信号可以提供帮助，但加密流量、个人账户、自定义代码和远程服务都会使发现工作更复杂。

准确性是第二项测试。如果图谱关联了错误的负责人、遗漏了临时权限，或无法区分理论访问权限与实际使用情况，就可能得出误导性结论。

误报会带来运营成本。如果平台反复标记无害关系，或提出破坏性修复建议，安全团队可能不再信任其建议。

漏报则会带来相反的风险。当某个代理或集成仍处于不可见状态时，一个看似干净的仪表板可能会带来错误的信心。

时效性是第三项测试。随着用户授权新工具、开发人员修改工作流，或应用加入嵌入式 AI 功能，代理关系可能迅速变化。

在代理采取行动之前，周期性扫描可能无法捕捉访问链。Reco 必须证明它检测变化的速度，以及更新风险判断的可靠性。

修复能力是第四项测试。识别危险关系固然有价值，但企业需要能跨多样化应用运行、且不会破坏合法流程的控制措施。

ServiceNow 合作关系提供了一个具体模式。Reco 表示，发现结果可以作为工单和工作流返回至 ServiceNow，使修复工作保留在既有运营系统中。

但自动化方面仍存在疑问。买方需要了解 Reco 能够直接执行哪些操作、哪些操作需要审批，以及团队如何撤销错误变更。

安全团队还将审查权限边界。一个能够发现并撤销访问权限的平台，需要广泛的可见性，并可能需要敏感的管理权限。

这使 Reco 本身也成为客户关键安全架构的一部分。买方必须评估其数据处理、角色设计、审计记录、故障模式和集成权限。

据称发现 21,000 个代理的案例同时说明了机会与不确定性。Reco 尚未公开客户的计数方法、代理定义或独立验证结果。

浏览器扩展、嵌入式助手、自动化工作流和自主生产代理，并不一定产生同等风险。将每个检测到的对象视为等同，可能会夸大表面上的问题规模。

同样的审慎态度也适用于收入和增长声明。Reco 表示其年度经常性收入今年应会增长至三倍，但私营公司的预测仍未经验证。

这些问题都不会否定产品论点。它们指出了买方在将上下文图谱视为代理风险权威来源之前应要求验证的关键要点。

评估应从受控的资产清单对比开始。安全团队可以衡量 Reco 找到了多少已知代理、发现了哪些未知项目，以及有多少结果经得起人工审查。

第二项测试应检查访问路径准确性。买方可以选择真实工作流，并确认 Reco 是否正确映射身份、权限、工具、数据目的地和业务负责人。

第三项测试应衡量修复结果。平台应在不中断已批准自动化流程、也不产生难以管理的告警队列的情况下减少暴露面。

只有当这些测试的表现优于现有身份、SaaS、云和终端工具时，Reco 的竞争优势才会显现。仅凭视觉上细致的图谱，无法建立这种优势。

三个信号将决定这场押注是否奏效

Reco 的下一阶段将取决于企业部署深度、可量化的控制结果，以及其对竞争对手进入相同工作流的应对。

第一个信号是从初始发现向更广泛部署扩展。Klein 表示，Reco 已拥有超过 100 家客户，但仅凭客户数量无法说明企业对产品的使用深度。

应关注部署是否从有限审计发展为覆盖多个业务部门的持续治理。更广泛的采用将支持 Reco 的主张：代理安全正在成为一项运营要求。

最有力的证据将包括客户报告的变化。例如，减少过度权限、更快清除被弃用的代理，或在部署后减少未知集成。

独立案例研究将进一步强化这一论点。目前披露的信息主要依赖公司声明和精选客户案例。

如果客户仍主要关注一次性资产盘点，市场可能是在将代理安全视为评估项目，而不是持久的平台类别。

第二个信号是产品对不断变化的代理环境的覆盖能力。Reco 表示其支持数百个应用，但真正相关的问题是：覆盖范围是否能跟上新平台和内部工作流的发展速度。

ServiceNow 关系是一个早期指标。该集成保护 Otto 代理、评估平台态势，并将发现结果导入现有工作流。

Reco 应证明这一模式能在其他环境中奏效。买方将寻找其在 Microsoft Copilot、Salesforce、Workday、OpenAI、Anthropic、浏览器和自定义代理框架中的相似深度。

新集成不能只提供连接器数量。安全团队需要在每个环境中获得一致的身份解析、权限分析、活动监控和修复能力。

快速且准确的集成证据将强化 Reco 的 AI 代理安全论点。持续存在的缺口或浅层连接器则会削弱这一论点。

第三个信号是竞争对手如何打包类似控制能力。如果更大的安全平台将代理治理捆绑进客户已拥有的产品中，Reco 的机会空间将缩小。

CrowdStrike 和其他终端厂商可以将代理活动与设备遥测数据连接起来。身份提供商可以将生命周期控制扩展到非人类账户和委托访问。

云安全平台可以映射工作负载、密钥和 API。数据安全公司则可以聚焦于代理能够检索或传输哪些敏感信息。

WitnessAI、HiddenLayer 和 Zenity 等专业厂商可以通过专注的代理专业能力展开竞争。它们的产品可能与 Reco 重叠，但强调不同的控制点。

当前的安全融资已展现出这一竞争格局。Reco 必须在类别边界确定之前，将新资金转化为可防御的部署经验。

市场整合也是另一种可能。企业可能不愿分别运营 SaaS 态势、模型安全、代理运行时保护、数据治理和身份控制工具。

厂商将通过产品扩展、合作和收购来应对。Reco 的集成策略使其具备参与条件，但大型平台拥有相当大的影响力。

随着业务扩展，该公司还需要保持清晰定位。“Agentic security”可能成为一个涵盖发现、治理、运行时防御、数据保护和应用态势的总括术语。

广泛的平台叙事可以帮助 Reco 获得更多预算，但如果买方无法识别哪些控制措施目前已成熟，也会使直接的产品评估变得更困难。

最可信的路径是可量化的具体性。Reco 应展示它检测到什么、如何连接这些证据、建议采取何种行动，以及之后哪些暴露面得以消除。

5,500 万美元融资为 Reco 围绕这一价值主张建立分发能力提供了资源。但这并不能证明该类别足以支撑当前所有参与其中的公司。

企业买方不应仅凭融资金额或代理数量选择厂商。他们应针对已知资产清单测试发现能力、验证访问路径，并衡量修复准确性。

他们还应询问部署后每个代理由谁负责。如果业务团队、安全团队和平台管理员无法就责任归属达成一致，技术可见性的价值将十分有限。

对开发人员而言，这一教训同样务实。每一项新的工具连接或委托权限都会成为代理安全边界的一部分，即使模型本身的行为符合预期。

对知识工作者而言，采用代理会改变访问权限的持续方式。为某个项目创建的自动化流程，可能在其最初目的消失后仍继续访问文档、消息和记录。

Reco 的投资表明，这些问题已变得具有商业紧迫性。在技术边界和主导厂商尚未确定之前，AI 代理安全市场正吸引大量资本。

未来几个月将揭示 Reco 能否将战略支持转化为更深入的部署、更丰富的集成能力，以及经验证的风险降低成果。这些结果比又一则融资新闻更重要。

正在评估 Reco AI agent 安全能力的组织，应先从一个问题开始：该平台能否发现并解释现有工具确实遗漏的访问路径？要给出令人信服的答案，需要进行真实环境测试、建立有据可查的基线，并取得安全团队能够复现的结果。采购方应将这些发现与已部署的身份、终端、SaaS、云和数据安全产品进行比较。随后，他们应衡量 Reco 是否能在不阻碍有用自动化的前提下，消除高风险访问权限。若部署能够带来可重复的改进，这笔融资将显得是对持久控制层的早期押注。若其价值仍主要集中于发现仪表板和厂商自行报告的案例，激烈的竞争将成为 Reco 更大的问题。