Reco AI 安全融资达到 1.4 亿美元，但拥挤的市场抬高了门槛

Reco 完成 5,500 万美元 B 轮扩展融资，使其总融资额达到 1.4 亿美元；与此同时，企业正努力在庞杂的 SaaS 环境中治理 AI 代理。这笔 Reco AI 安全融资为这家初创公司提供了更多资源，用于将现有的应用可视化能力转变为代理安全平台。

比起融资新闻本身，这一转型更重要。Reco 此前专注于梳理 SaaS 应用、身份、权限和配置风险。如今，它希望将这些记录与代理、代理所有者、其调用的工具以及可访问的数据关联起来。

这一战略也让 Reco 进入了一个日益拥挤的市场。HiddenLayer、WitnessAI、CrowdStrike 及其他供应商正通过运行时监控、身份控制、数据治理或应用发现等路径切入代理安全。Reco 必须证明，其 SaaS 上下文能够形成持久优势，而不只是一个应时的信息。

Reco AI 安全融资支持更广泛的代理战略

这笔新资金支持 Reco 从监控 SaaS 应用，转向治理通过这些应用执行操作的自主软件。

据融资报道称，此次扩展融资紧随 2026 年 2 月宣布的 3,000 万美元 B 轮融资之后。AT&T Ventures、Forestay Capital 和 Quadrille Capital 参与了最新一轮融资。

AT&T 的参与具有额外意义，因为这家电信公司同时也是 Reco 的客户。客户兼投资者能够提供商业验证，但这种关系并不能证明该产品在其他组织中的表现同样稳定。

Reco 计划将资金投入招聘、销售、合作伙伴关系和客户支持。这些重点表明，公司认为眼下的制约因素是执行和渠道能力，而不是寻找另一个市场。

CEO Ofer Klein 向 TechCrunch 表示，Reco 的估值自 2 月以来已增长逾一倍。他称估值处于数亿美元的高位区间，但未披露确切数字。

Klein 还表示，年度经常性收入已达到数千万美元级别，并预计将在 2026 年增长至三倍。这些均为管理层陈述，并非经独立审计的结果。该公司拥有超过 100 家客户，其中金融服务业约占其业务的 40%。

这些数字为 Reco 提供了可信的企业客户基础，尤其是在买方要求经历漫长安全审查的领域。但它们仍未解答合同规模、续约率、部署广度，以及现有收入中有多少来自代理专属产品等重要问题。

融资历程显示，Reco 的定位演变得很快。该公司在 2025 年筹集了 2,500 万美元额外资金，随后于 2026 年 2 月宣布了 3,000 万美元 B 轮融资。那轮 2 月融资使其披露的总融资额达到 8,500 万美元。

Reco 最初将其核心问题描述为 SaaS 安全缺口。公司专注于安全团队无法完整盘点、配置或监控的应用。其近期材料则将 AI 代理、非人类身份和跨应用连接置于更核心的位置。

这一演变并不意味着 Reco 放弃了 SaaS 安全。相反，它将 SaaS 视为许多企业代理获得权限并开展工作的环境。

这一区别是 Reco AI 安全融资逻辑的核心。代理很少能够孤立地创造价值。它需要访问电子邮件、客户记录、文档、工单系统、协作平台和内部数据库。

每一次连接也可能扩大受损指令、过度权限、废弃账户或配置不当集成所造成的损害。Reco 押注于其现有的应用图谱能够提供识别这些组合所需的上下文。

因此，这笔融资同时支持产品扩展和市场重新定位。Reco 必须向安全负责人推销一个更广泛的承诺，同时不失去其围绕 SaaS 可视化建立的可信度。

代理蔓延将资产盘点变成安全问题

企业无法治理自己无法识别的代理，特别是当这些代理继承来自人员、应用和服务账户的访问权限时。

代理蔓延指 AI 代理在组织内不受控制地增长。它包括内部开发人员构建的代理、商业软件内启用的功能、基于浏览器的助手、自动化工作流，以及未经正式批准便被采用的工具。

与传统软件采用相比，这更难衡量。一个应用可以承载许多代理实例，而单个代理可以与多个业务系统交互。不同供应商的定义也不尽相同，因此难以比较庞大的代理数量。

Klein 表示，Reco 曾在一家《财富》100 强客户处发现 21,000 个此前未知的代理。该客户未被点名，Reco 和 TechCrunch 也均未披露统计方法。

因此，这一数字应被视为公司报告的案例，而不是通用基准。它的重要性在于揭示了可视化缺口：大型企业可以批准主要 AI 平台，却仍可能失去对其中运行的个别自动化流程的追踪。

Reco 还声称，它曾在一家金融服务客户处发现一个由前员工创建的代理。据称，该代理仍保留 Salesforce 访问权限，并能够向该组织无法监控的域名发送信息。

该场景关联了数种常见的安全失误。员工已离职，但与该员工相关的数字执行者仍在活跃。该代理还拥有应用访问权限和对外通信路径。

传统离职流程可能会禁用员工账户，却无法识别每一个被委托的令牌、工作流或已连接代理。应用管理员可能看到一个已获授权的集成，却不知道其原始所有者已经离职。

风险来自这种组合。代理、凭据、数据源和外部目的地分别审查时，或许都显得可以接受；但结合起来，它们可能为敏感信息建立一条未经批准的路径。

Reco 将其方法背后的数据结构称为上下文图谱。图谱记录代理、应用、账户、人员、权限、工具和数据资源之间的关系。安全团队随后可以检查代理能够触及什么，而不是审查彼此孤立的告警。

这种设计类似于身份、云和 SaaS 安全产品中已使用的关系映射。代理特有的挑战在于，权限和操作可能在工作流期间发生变化。

员工通常遵循可识别的登录和应用使用模式。代理则可以在一个自动化序列中处理指令、调用多个工具、检索文档、更新记录并发送响应。

代理还可能通过人类身份、服务账户或自身凭据执行操作。这种多样性增加了所有权和问责的复杂性。

Reco 表示，其平台集成了超过 280 个应用。Klein 还称，公司可以在数日内新增集成，并利用浏览器或网络信号发现直接连接应用之外的代理。

这些说法之所以重要，是因为发现覆盖范围决定了后续每项控制措施的质量。应用或身份数据不完整的图谱，可能呈现一种看似自信但具有误导性的视图。

安全团队应询问 Reco 如何定义代理、通过哪些信号识别代理，以及如何处理重复实例。他们还应询问，部署后发现是否持续进行，以及图谱反映权限撤销的速度有多快。

更广泛的代理治理挑战已经影响采用进程。Google Cloud 报告称，79% 的受访技术领导者认为，安全、治理或运维是扩展推理能力的最大障碍。

同一报告发现，35% 的高级 IT 决策者将多系统访问的安全不足列为部署代理的主要障碍。这些由供应商赞助的数据需要结合背景来看，但它们支持了核心问题：代理通过跨越系统边界而变得有用。

Reco 将资产盘点定位为首个控制点。该公司更艰难的任务是证明，当代理改变工具、权限和行为时，发现能力能够带来可靠的策略执行。

Reco 的 SaaS 图谱面临运行时安全对手

Reco 正与另一条安全路径竞争；该路径优先关注代理在执行期间的行为，而不是从应用关系入手。

AI 代理安全市场尚未形成统一的产品边界。供应商使用相似的语言，却保护技术栈的不同部分。

Reco 从企业应用以及连接这些应用的身份入手。其平台旨在识别代理、将其与所有者关联、绘制权限关系、检查工具调用，并限制不必要的访问。

HiddenLayer 则从 AI 工作负载和运行时安全角度切入。运行时安全是指在模型或代理运行期间观察并响应其行为。

HiddenLayer 于 2026 年 9 月完成 1 亿美元 B 轮融资。该公司表示，将扩大对生产环境中代理以及编写、审查或发布代码的自主编码工具的保护。

其运行时安全战略重点是在提示词操纵、工具滥用和未授权操作发生时进行检测。HiddenLayer 还覆盖模型发现、攻击模拟和 AI 供应链风险。

CrowdStrike 具有终端安全和检测响应领域的背景。其代理安全产品将提示词和代理活动与设备及基础设施上的下游执行行为关联起来。

该公司的代理生命周期控制包括发现、身份、软件供应链保护和运行时遏制。CrowdStrike 表示，代理需要持续授权，因为它们能够执行代码、访问文件并转移敏感信息。

这些方法有所重叠，但起点不同。

Reco 询问有哪些代理存在、谁拥有它们，以及它们可以访问哪些 SaaS 资源。专注运行时的供应商则关注代理处理指令和执行操作时发生了什么。终端供应商则审查这些操作在设备和工作负载上产生的活动。

企业可能需要这三种路径的要素。完整的控制路径可能先通过 SaaS 遥测发现代理，验证其身份，限制其权限，检查其工具调用，并在运行时阻止危险行为。

商业层面的问题是，哪家供应商会成为主要控制平面。安全团队通常不愿为每一种新风险类别增加独立控制台。成熟平台可以将代理保护整合进现有合同和运营工作流。

Reco 的优势在于跨云应用的上下文。如果其图谱已经映射人员、账户、权限和 SaaS 连接，新增代理便可为客户提供更快实现可用治理的路径。

其缺点在于，映射访问权限并不会自动揭示每一项有害操作。一个智能体可能确实拥有读取文档和发送电子邮件的合法权限。当恶意或误导性内容诱使它将这些能力组合使用时，安全问题才会出现。

这正是提示词注入变得相关的原因。提示词注入是指不受信任的内容改变了智能体的指令，从而可能重定向其工具调用或暴露数据。

恶意指令可能隐藏在网页、文档、消息或工具响应中。智能体可能会在执行原本获批的任务时遇到它。

应用程序上下文有助于评估潜在损害，但运行时检查有助于识别危险的操作序列。Reco 表示，它可以检查提示词和工具调用，使其更接近这一运行时领域。

市场将检验这种检查在不同模型和应用程序中的覆盖深度。它还将检验 Reco 能否足够快速地响应，而不阻碍合法自动化。

安全采购方应避免相信一张图谱、一个网关或一个端点传感器就能独自解决智能体风险的笼统说法。它们各自只能看到工作流的不同部分。

务实的评估应当跟踪一个智能体从创建、身份验证、工具选择、数据访问、执行到退役的全过程。采购方随后便可识别哪些环节仍然不可见，或依赖于其他产品。

当 Reco 的应用程序关系能够直接导向可执行的决策时，其产品将最具优势。安全团队应能够识别被弃用的智能体、了解其访问权限、撤销有风险的连接，并确认该操作已生效。

这笔融资为 Reco 赢得了构建这一证明的时间。它并未减轻来自更大平台或资金充足的 AI 安全专业厂商的压力。

融资验证了需求，而非 Reco 的品类领先地位

投资者的兴趣证实企业愿意为智能体安全付费，但并不能决定哪种技术架构会胜出。

根据 TechCrunch 对公开公司资料的审查，目前至少有两打公司在销售某种形式的 AI 智能体安全产品。这些产品涵盖工具审查、数据访问、身份、运行时监控、提示词安全和影子 AI 发现。

这种密集竞争造就了艰难的采购环境。在通用定义、基准和部署模式尚未稳定之前，CISO 就必须评估产品。

供应商可能会用不同语言描述同一项功能。一家公司的智能体清单可能类似于另一家公司的影子 AI 发现。上下文图谱、知识图谱、身份图谱和资产图谱之间可能存在大量重叠。

反向的问题同样存在。相似的表述可能掩盖重要的技术差异。“智能体安全”可能是指监控提示词、保护模型、治理权限、筛查 Model Context Protocol 服务器，或限制端点活动。

Model Context Protocol，通常称为 MCP，是用于将 AI 系统与工具及外部数据连接起来的一项标准。MCP 扩展了智能体的能力，但也增加了防御方必须审查的一层集成。

Reco 需要证明其平台在哪些方面控制行为、又在哪些方面只是报告风险。可见性具有价值，但安全团队最终需要能够批准、限制、隔离或移除智能体。

该公司还必须证实其客户案例。报道称发现了 21,000 个未知智能体，这一数字引人注目；但如果没有定义或方法论，读者便无法评估这一结果。

该统计可能包括嵌入式助手、智能体实例、工作流、工具、服务账户或重复观测结果。每种解释都具有不同的安全含义。

少量拥有广泛访问权限的智能体，可能比数千个权限有限的自动化流程带来更高风险。原始清单规模不应替代暴露面分析。

Reco 表示，金融服务客户约占其业务的 40%。这一集中度使其能够接触到对审计、身份和数据控制要求严格的高标准采购方。

但这也会提高预期。银行和其他受监管机构需要清晰的证据链、一致的执行机制、区域控制以及可预测的集成行为。

智能体治理必须延伸到离职流程和变更管理。当员工变更角色时，每一项委托权限及其关联智能体都应接受审查。当应用程序调整其 AI 功能时，组织需要发现新的身份和连接。

同样的要求也适用于知识系统。智能体的输出受到其可检索文档、消息和数据库的控制程度制约。构建内部 AI 工作流的团队需要围绕其知识库建立清晰的访问边界，而不只是记录哪个模型生成了答案。

另一个不确定性涉及误报。浏览器和网络信号可以扩大覆盖发现范围，但广泛检测也可能将普通自动化归类为智能体。

如果平台无法按可信影响程度对告警排序，安全团队将忽视这些告警。Reco 的图谱必须区分低风险助手与拥有客户系统写入权限的弃用工作流。

漏报则会带来相反的代价。规避已知浏览器、网络或应用程序信号的智能体可能始终不会出现在图谱中。组织应测试 Reco 如何处理自定义智能体、内部 API、本地模型和自动化平台。

数据访问是另一项实际关切。映射企业应用程序和身份信息的平台可能会处理高度敏感的元数据。客户需要审查数据保留、区域托管、管理访问权限和所收集提示词的范围。

检查提示词可以提升检测能力，但也可能将机密内容暴露给另一套安全系统。Reco 必须清晰说明收集边界和脱敏控制措施。

这些问题并不会否定融资逻辑。它们界定了融资之后需要完成的工作。

最有力的证据将来自那些展示了更低暴露面、更快调查速度和可靠策略执行的部署案例。营收增长和客户数量固然重要，但安全成效将决定 Reco 能否成为持久的基础设施。

现有安全工具为何无法简单吸收这一问题

智能体安全以陌生的顺序组合了熟悉的控制手段，因此集成比再增加一个孤立产品更重要。

身份与访问管理已经决定谁能够进入企业系统。数据丢失防护已经监控敏感信息是否离开获批边界。端点检测已经观察进程、文件和网络活动。

SaaS 安全工具已经盘点应用程序和配置风险。模型安全产品则测试提示词、训练数据和推理行为。

智能体跨越了这些类别，因为它们会将语言转化为行动。它们可以像身份一样进行身份验证，像用户一样通信，像应用程序一样调用软件，并根据检索到的内容改变行为。

传统控制仍然能够发挥帮助作用。挑战在于，在自动化工作流完成之前，将它们的观测结果连接为一个决策。

以一个准备客户更新的销售智能体为例。它可能从 Salesforce 检索账户详情，搜索会议笔记，读取支持工单，创建文档并发送电子邮件。

每项操作都可能获得授权。但若指令、身份或目标地址发生变化，组合后的工作流仍可能将信息暴露给错误的收件人。

应用程序层面的图谱可以展示智能体的潜在触达范围。运行时遥测可以展示其实际执行的序列。身份控制可以验证账户身份并收窄其权限。

数据控制能够识别受保护内容。当工作流超出 SaaS API 的范围时，端点或云端监控可以遏制后续活动。

没有任何单一层面可以取代其他层面。因此，新兴竞争的核心在于协调。

Reco 的集成覆盖范围为实现协调提供了一条路径。该公司表示，其平台覆盖超过 280 个应用程序，并能在数天内新增集成。

这种广度可以帮助采购方避免为每个应用程序分别开展发现项目。然而，集成数量几乎无法说明集成深度。

一个连接器可能只暴露用户和权限。另一个则可能提供配置事件、智能体清单、提示词记录和实时执行能力。采购方应评估每个关键系统中可访问的对象和支持的操作。

CrowdStrike 认为，有效保护需要可见性、身份和运行时响应。HiddenLayer 强调持续测试，因为设计阶段的审查无法预测生产环境中的每一次交互。

如果 Reco 能成为连接这些信号的关系层，其模式便与这些论点相兼容。如果它声称可以替代更接近执行层的控制措施，它便会与它们竞争。

因此，合作伙伴关系将与产品功能同样重要。Reco 在融资前后同期宣布了与 ServiceNow 的合作，表明其正朝着与既有安全及工作流流程集成的方向发展。

该公司还与数据安全供应商开展合作。这些连接可以帮助安全团队不仅了解智能体访问了哪项资源，还能判断该资源是否包含受监管或机密信息。

协调系统应能在事件发生后回答若干问题：哪个智能体采取了行动，谁拥有它，哪条指令启动了工作流，哪些工具被运行，哪些数据发生了流动，以及是哪项策略阻止了它？

它还应保留证据，而无需分析师在多个控制台之间重建事件。这一要求为基于图谱的产品带来了机会，但前提是其记录始终完整且及时更新。

运营模式对员工同样重要。知识工作者将继续采用能够减少重复性任务的助手。封锁每一个未经批准的工具，可能会将使用行为进一步推向监控系统之外。

组织需要一种机制，能够审查、批准并收窄访问权限，而不让每一次实验都等待漫长的采购周期。可搜索的获批工作流记录可以支持这一过程。

团队可以将同样的纪律应用于自己的AI 工作流。他们应识别数据源、预期输出、人工审批节点，以及每一步所使用的凭据。

Reco 的机会在于让这种纪律在企业 SaaS 环境中可执行。其风险则在于沦为另一个描述智能体蔓延、却无法减少其规模的仪表板。

三个信号将显示 Reco 的押注是否奏效

接下来的考验在于，Reco 能否将融资转化为可量化的控制、可辩护的集成能力和持久的企业采用。

第一个信号是来自生产部署的证据。Reco 应为智能体、身份和高风险连接提供更清晰的定义，并配套可重复的测量方法。

客户案例研究应解释起始环境、发现过程、所采取的控制措施，以及最终实现的暴露面降低。庞大的清单数字能够吸引关注，但修复结果才能帮助采购方评估价值。

有用的证据包括组织识别无主智能体、撤销弃用凭据或减少过度权限的速度。它还应说明误报率以及覆盖的应用程序。

如果 Reco 发布一致的方法论和独立客户验证，其上下文图谱论点将更具说服力。如果未来披露主要依赖戏剧性的匿名统计数字，采购方可能难以比较该产品。

第二个信号是竞争趋同。CrowdStrike、HiddenLayer、WitnessAI、主要云平台和身份厂商都在加入彼此重叠的控制能力。

Reco 需要证明，其 SaaS 基础能够产出竞争对手难以轻易复制的信息。随着软件公司将智能体嵌入既有应用，更快的集成开发可能会有所帮助。

深度仍将是决定性因素。Reco 应证明其连接器能够在关键企业平台中观察智能体所有权、权限、工具调用和策略变更。

公司还必须决定何时合作、何时竞争。与运行时和终端提供商集成，可以让 Reco 更有价值。若试图替代每一层安全能力，则会拉伸产品范围，并使其与规模更大的平台正面竞争。

如果 Reco 能成为智能体与应用关系的可信信息来源，它就能在技术栈中占据清晰的位置。若成熟厂商通过客户已拥有的工具提供可比的发现能力，Reco 的差异化将会收窄。

第三个信号是融资后的商业质量。管理层预计年度经常性收入将在 2026 年增长至三倍，但更重要的问题在于留存率和产品采用情况。

买方应关注现有 SaaS 安全客户是否会扩展采用智能体控制能力。这种扩展将支持 Reco 的主张：其现有客户基础为进入这一新市场提供了高效路径。

新客户构成同样重要。金融服务行业持续表现强劲，可能证明 Reco 能满足严格的治理要求。更广泛的采用则会降低对单一行业的依赖。

这笔 5500 万美元的追加融资，为 Reco 在工程、支持、合作伙伴关系和销售方面提供了更长的发展跑道。由于该公司现已披露累计融资额达 1.4 亿美元，这也提高了市场预期。

理解 Reco 的 AI 安全融资，最好将其视为一场围绕关系控制的押注。智能体的实用性来自于围绕它们的应用、身份、工具和数据。Reco 希望通过其图谱，让这些关系变得可见且可治理。

这一论点可信，但市场仍未定型。运行时专业厂商可以认为，访问映射无法捕捉行为；终端平台可以认为，遏制必须发生在动作执行的位置；身份厂商则可以认为，持续授权应属于其控制平面的一部分。

企业买方应询问，哪种产品能够在智能体的完整生命周期中持续追踪它——从创建和认证，到行动和退役。他们也应要求看到证据，证明策略能够同时适用于商业应用和内部开发的智能体。

Reco 已获得足够资本来证明自己的主张。现在，它必须展示不断扩展的图谱不仅能在智能体无序蔓延发生后揭示问题。

未来几个月应会进一步明确：客户究竟会将 Reco 视为其核心智能体治理层，还是更大安全技术栈中的一个组成部分。对于贵组织的智能体、身份和应用资产而言，哪一种结果更合理？