随着生成式 AI 彻底打破代码编写的速度极限，软件工程的焦点正在发生深刻转移。当 AI 能在几分钟内生成过去需要数天才能完成的代码时，真正的瓶颈已不再是"写得够不够快"，而是"部署到生产环境的软件是否可信"。在代码变更频率和数量呈指数级增长的背景下，安全模型必须从传统的定期扫描和人工代码审查，转变为对部署制品的持续信任验证。
软件制品成为核心攻击面
在 AI 加速交付的语境下，攻击者的目标已从静态的源代码转向动态的实际部署软件制品。这种转变催生了三种典型的供应链攻击模式：上游依赖投毒（输入破坏）、构建系统篡改（构建破坏）以及 CI/CD 流水线注入后门（运行时破坏）。面对这些不断演化的威胁，仅仅回答"是否扫描过"已经不够，系统必须能够证明即将部署的制品未被破坏且完全满足当前的安全策略。
信任证据与制品同行
传统的漏洞扫描器只能提供静态时间点的快照，无法应对持续变化的威胁环境。新一代安全模型要求软件物料清单（SBOM）、源码溯源信息、漏洞发现记录及策略评估等安全证据必须作为制品的"基因"随其移动。这意味着制品仓库的角色发生了根本性转变：它不再仅仅是一个简单的二进制存储地点，而是演变为构建阶段与生产环境之间的关键控制点。
检测与强制执行的闭环
在具备可见性的同时，系统必须拥有强制执行能力。这要求在制品入库前应用漏洞、许可证合规及上游信任等多维度的策略，并在入库后实施制品隔离、基于角色的访问控制（RBAC）以及严格的部署策略。通过形成检测、评估、执行和修复的完整闭环，组织才能有效阻断风险向生产环境蔓延。以 Open Policy Agent（OPA）为代表的策略引擎，在此过程中扮演着将策略代码化、标准化和自动化的核心角色。
AI 代理驱动持续验证
为了应对快速变化的威胁，AI 代理正在成为自动化安全防御的关键。例如，Harness DevOps Agent 和 AppSec Agent 展示了 AI 在安全生命周期中的应用潜力：AppSec Agent 能够自动修复代码并生成安全策略；其路线图上的 Firewall Agent 和 Lifecycle Agent 将进一步扫描制品仓库，结合实时威胁情报，自动触发隔离、清理和修复工作流。这种智能代理系统使得面对新漏洞时的自动修复和即时响应成为可能，解决了实时新发布的 CVE 能否瞬间阻断特定版本部署的痛点。
组织落地与策略安全
在组织内部建立自动化、可扩展的机制，将 SBOM 和溯源数据作为强制的交付门禁，需要依靠策略驱动的环境间制品晋级和新漏洞触发的自动修复机制。然而，当 AI 代理开始自动生成和修改 OPA 等安全策略时，防范策略配置本身引入新漏洞的"策略即代码"安全挑战也随之浮现。这要求对 AI 生成的策略进行独立的沙箱验证与人工审计，确保策略逻辑的严密性。
核心结论
AI 生成的代码本身并不是最核心的风险，未经验证的部署信任才是真正的瓶颈。解决了快速生成代码的"内环"后，确保代码安全到达生产环境的"外环"才是当前的挑战。软件交付流水线实质上已经成为安全边界，将其作为边界进行管理，并内建持续验证和制品溯源机制，是团队在保持快速交付的同时避免盲目发货的关键路径。
小结：在 AI 驱动的开发范式中，软件安全已从构建时的静态检查演变为面向制品全生命周期的持续信任验证。唯有将 SBOM、溯源数据与强制执行策略深度集成到 CI/CD 流水线中，并引入 AI 代理进行自动化威胁响应，组织才能在高速交付中守住安全底线，真正实现从"构建时安全"到"持续信任"的跨越。