AI 自主执行时代的数字信任：麦肯锡 2026 年"网络安全与可信系统"研究解读
麦肯锡《Technology Trends Outlook 2026》技术趋势解读系列 · 第 6 篇
摘要
麦肯锡将"网络安全与可信系统"（Cybersecurity and trustworthy systems）列为第六项技术趋势，关注 AI 攻防、智能体身份与授权、运行时控制、后量子密码，以及共享账本等技术。它们共同回应一个问题：当软件能够自主调用工具、跨系统处理数据并执行任务时，企业怎样验证行动的来源、范围与结果？报告显示，这一领域继续吸引大量资本，整体采纳处于规模化扩展阶段，但不同技术的成熟程度存在明显差异。本文分析 AI 如何改变安全工作的速度与验证成本，解释身份认证、业务授权、数据保护和结果正确性之间的关系，并讨论后量子迁移与区块链各自解决的问题。本文认为，可信系统的价值取决于企业能否建立贯穿任务执行的权限约束、独立验证和恢复机制。未来竞争将同时发生在模型能力、工程交付和可核查的业务效果之间。
关键词： 网络安全；可信系统；智能体安全；非人类身份；零信任；运行时控制；机密计算；后量子密码；数字信任
一、理解这一趋势：为自主行动建立可以验证的信任关系
假设一家企业部署了采购助理。它可以检索合同、比较报价、生成采购单草稿，还能通过工具访问内部系统。
最初，企业需要判断它提供的建议是否准确。随着自动化程度提高，还需要判断它是否读取了适当的数据、是否有权修改记录，以及能否把任务交给另一个智能体。
如果采购助理完成身份认证，随后修改了供应商收款信息，这次操作仍可能超出任务授权。如果修改过程完整留痕，也仍然需要验证修改内容是否正确。
这是本文用于解释机制的假设场景。它说明，身份、权限、过程和结果是相互关联的验证对象，每一项都需要明确的依据。
麦肯锡将这一趋势定义为保护计算机网络、提高跨环境数字交互的可验证性，并增强数字系统的信任。涉及的技术包括 AI 安全系统、零信任、身份访问控制、区块链账本、代币化平台和抗量子密码。1，第 57 页
2026 年的名称也值得关注。报告把上一年的"数字信任与网络安全"调整为"网络安全与可信系统"，强调安全需要持续嵌入软硬件共同构成的系统。1，第 3 页
本文据此提出一个分析框架：可信系统应当让相关主体能够回答五个问题------谁在行动、行动获得了什么授权、数据可以如何使用、实际发生了什么，以及发生偏差后怎样恢复。
这一框架同时保留结果验证。一个受控、可审计的 AI 系统，仍可能提供错误的业务判断；保护模型运行环境，也不能直接证明模型结论符合事实。
因此，可信性需要按用途评价。对于资料检索，可以容许人工复核后的修正；对于修改生产配置、发起支付或控制设备，则需要更严格的执行条件与失效处理。
本系列前几篇讨论了软件开发、智能体、科学研究、模型基础设施和芯片。本篇进一步分析这些能力进入业务之后，需要怎样的控制关系，才能形成可持续使用的服务。
二、资本、人才与采纳：成熟产业正在吸收新的控制需求
报告给出的主要发展信号如下。
| 指标 | 报告结果 | 研究解读 |
|---|---|---|
| 2025 年股权投资 | 775 亿美元 | 反映流向相关企业的资本活动，包含报告口径内的融资与并购等交易 |
| 截至 2026 年中股权投资 | 约 630 亿美元 | 与全年数据的观察期间不同，不能直接视为全年增长率 |
| 相关岗位公告变化 | 2024---2025 年增长 6% | 属于此前收缩后的招聘恢复 |
| 2025 年岗位职能结构 | 研发 37%、销售与营销 12%、运营 18%、综合管理 19%、其他 14% | 安全需求覆盖技术建设、运行、治理与商业交付 |
| 整体采纳评级 | 4：规模化扩展中 | 是对整个趋势的专家判断，各组成技术仍有差异 |
资料来源：报告第 59、62---63 页；美元单位由原文 billion 换算。
这些数字显示安全仍获得持续投入，但不能直接换算为安全软件收入、客户预算或风险下降幅度。报告的股权投资包括私募、公开市场融资及相关并购等资本活动，明确不包含企业资本开支和运营支出。1，第 3 页
报告指出，相关投资仍低于 2022 年水平；招聘也经历了从 2022 年高点开始的明显收缩，2025 年才出现这一轮回落后的首次同比增长。1，第 59、62 页
因此，"持续受到重视"与"所有指标持续高速增长"需要分别评价。安全产业已经拥有广泛的客户基础，AI 带来的新需求可能通过现有产品升级、预算重新分配和工程服务扩展实现。
岗位结构提供了另一条线索。研发占 37%，明显体现技术建设的重要性；运营和综合管理也占较大比例，说明控制设计要进入实际流程，并由组织持续维护。1，第 62 页
技能图中，云计算出现在 65% 的相关岗位公告中，AI 出现在 29% 中，持续集成与持续交付（CI/CD）出现在 20% 中；AI 与 CI/CD 的人才供需比分别为 0.3 和 0.1。1，第 63 页
同一岗位可以要求多项技能，以上比例不能相加解释为互斥的岗位分类。
这些数据适合观察技能组合的需求。它们不能精确测量某个国家的人才缺口，也不能证明某一比例的求职者能够胜任岗位：报告的人才数据主要来自英语国家，职业资料中的技能标注也需要与实际经验区分。1，第 3 页
本文认为，更值得关注的变化是安全与工程能力的结合。企业需要有人理解模型与工具调用，也需要有人理解云权限、发布流程、日志和业务恢复。
整体采纳评级同样需要拆开看。报告明确指出，后量子安全仍处于较早阶段，区块链代币化的采用也不均衡。1，第 63 页 "4"不是 80% 企业已经采用，更不代表这一章的全部技术都完成规模化部署。
三、AI 改变攻防速度，也改变验证工作的成本
3.1 能力演示说明了什么
麦肯锡认为，先进 AI 正在降低部分漏洞发现与利用工作的时间、知识和执行成本，也可以帮助防守方检查关键软件。报告特别强调，多步操作可能形成单项扫描难以理解的风险路径。1，第 57、59---60 页
这一变化具有合理的技术基础：模型能够阅读代码和资料、提出假设、调用工具，再根据反馈调整下一步。研究人员与安全工程师可以把这种能力用于授权测试和修复工作。
报告引用的一个重要案例，是 Anthropic 于 2026 年 4 月发布的 Mythos Preview 安全评估。其公开材料描述了真实软件中的漏洞发现工作，部分测试在具有源码、与外部系统隔离的容器中进行，并对重要发现实施验证和协调披露。2
这个案例支持"模型能承担复杂安全研究任务"的判断。评价时也要保留条件：它属于模型开发方公布的测试，测试资源、任务选择、工具环境和验证团队都会影响结果。其成果不能直接换算为任意企业在生产环境中的被攻破概率。
对于企业，能力变化首先意味着验证压力增加。候选问题可能更快生成，但每个问题的业务相关性、可复现性、影响范围和修复方案仍需要判断。
因此，防守方的瓶颈可能沿着流程移动：从发现问题，转向筛选问题，再转向修复、发布和确认修复有效。某个环节提速，不会自动消除其他环节的等待。
3.2 零日漏洞统计需要更严格的解释
报告第 57 页提出，超过四分之三的网络安全漏洞被归为零日，并以"公开披露时已开发出利用方式"解释这一说法，引用了 Zero Day Clock。1，第 57 页
这一表述需要谨慎使用。漏洞记录、已知遭利用的漏洞目录、首次公开披露、首次实际利用和补丁发布时间，属于不同事件；"已有利用方式"也不能独立说明修复状态。
核查时，Zero Day Clock 的当前方法说明明确区分公开漏洞与利用目录数据，并提醒：记录日期不能证明实际利用的开始时间，也不能证明当时没有补丁。3
原报告注明访问日期为 2026 年 9 月 4 日，本文核查时间为 10 月 4 日，动态页面可能已经变化。因此，本文不据此重建或否定当时的页面快照；但原文没有展示足以支持"全部漏洞中零日占比"的分母与分类过程，本文不把该比例作为普遍风险基准。
这一核查也提示，评估 AI 对攻防的影响，需要把能力测试、已观测事件和统计推断分开。事件数量增加，还可能受到软件规模、报告覆盖、攻击者策略和检测能力变化的影响。
3.3 防守收益取决于完整处理链
AI 可以辅助汇总告警、关联上下文、建议处置和解释日志，但收益应通过最终工作效果验证。例如，一份准确的事件摘要有助于分析人员行动；大量缺少证据的摘要则会增加复核负担。
本文认为，安全自动化应优先减少重复调查、补齐事件上下文和缩短已确认问题的处理时间。对于影响范围较大的操作，还需要同时验证业务连续性。
衡量"每小时生成多少分析"容易，衡量"减少了多少有效调查时间且没有遗漏关键风险"更难。后者更接近企业需要获得的价值。
四、智能体身份与授权：把任务边界落实到实际动作
智能体进入企业后，一项任务可能跨越多个应用和服务。用户、模型、执行程序、工具连接器与下游系统，各自拥有不同的身份与权限。
麦肯锡的相关研究指出，智能体风险经常发生在认证之后的多步执行中，因此身份治理还需要考虑任务性的机器身份、访问期限和动作追踪。4
本文认为，应把"模型"和"有权执行任务的主体"分别管理。同一个模型可以服务多个业务，不同任务应当获得不同的数据与工具范围。给某个模型接入企业系统，也不意味着它的每次输出都已获得业务授权。
4.1 授权需要表达业务含义
回到采购助理的假设场景。允许它比较报价，可以包括读取指定采购项目的文件；生成采购单草稿，可以包括写入草稿区。这些授权应能表达项目、对象、动作和有效期限。
修改供应商收款信息，则涉及另一项业务控制。模型认为"这样有助于完成采购"，不足以成为执行依据。
权限范围还需要覆盖组合效果。读取一份文件与发送一封邮件分别可能是允许的操作，但把该文件的敏感内容发送给未经许可的收件人，可能违反数据使用规则。
| 验证对象 | 需要回答的问题 | 对控制设计的含义 |
|---|---|---|
| 行动主体 | 哪个用户、应用或智能体发起了动作？ | 每个执行主体应可识别，并有明确归属 |
| 任务授权 | 谁批准了什么任务，期限和范围是什么？ | 业务授权应能约束具体对象与动作 |
| 工具访问 | 当前工具是否能访问这一资源？ | 下游接口仍需执行相应权限检查 |
| 数据用途 | 信息可以用于何种任务、流向哪些接收方？ | 读取许可与传播许可应分别评价 |
| 委托关系 | 任务怎样传递给其他执行主体？ | 委托应保留来源、范围与失效条件 |
上表为本文提出的分析框架，具体实现取决于系统与业务。
4.2 委托需要保留责任来源
当采购助理调用另一个智能体检查合同，第二个智能体需要知道自己可以读取哪些资料，以及能否继续调用其他工具。任务传递应保留授权来源，新的委托范围也需要受到上一级和企业规则约束。
短期凭据与按任务授予访问，有助于缩短权限暴露时间，但有效期不能代替权限范围。一个短暂有效、却能修改全部关键记录的凭据，仍然具有较大的影响范围。
同样，持续监测需要知道异常发生后如何撤销访问，以及尚未完成的任务怎样处理。只有发现异常而缺少处置机制，企业就难以控制后续影响。
4.3 连接协议需要配合独立的权限执行
MCP 的完整名称是 Model Context Protocol，即模型上下文协议。其安全文档讨论了代理服务的授权风险，并明确禁止未经适当验证的令牌透传；这说明工具互联也需要维护服务之间的信任边界。5
在企业设计中，模型可以提出调用请求，授权机制则应根据任务和资源规则决定是否执行。提示词中的自我约束、模型对权限的解释，与下游系统实际执行的限制，需要分别验证。
本文认为，智能体安全的重要工程目标，是让越出任务范围的动作在执行前受到限制，并使已执行的动作能够追溯到授权来源。这样才能把模型的自主能力纳入可管理的业务流程。
五、零信任与运行时控制：在业务执行中持续检查条件
零信任并非 AI 时代才出现。NIST 的 SP 800-207 在 2020 年已经明确：不能仅凭网络位置或资产归属给予隐含信任，访问企业资源之前需要进行相应的认证和授权。6
智能体让这一原则更需要进入具体流程。软件通过了登录验证之后，仍会持续选择工具、处理输入和改变执行路径；企业需要判断这些变化是否符合当前任务。
麦肯锡因此强调持续运行时检查、细粒度访问控制和自动化遏制。1，第 58、60、64 页 本文把它理解为三个相互依赖的环节：获取足够的上下文，依据明确规则判断，再执行适当的控制动作。
上下文应包括任务身份、数据类别、目标资源和当前执行状态。只观察 API 请求是否成功，难以理解它是否服务于正确的业务目的。
控制动作也需要区分影响范围。补充记录、暂停单个工具调用、撤销某个任务凭据，与停止整项生产服务，其业务后果明显不同。
5.1 自动化程度应与影响范围匹配
本文建议按动作可逆性、作用范围与证据可靠程度评价自动化，而不是用一个开关决定全部操作是否自主执行。
对于能够清楚识别的无效访问，可以直接拒绝；对于证据尚不充分、但可能影响重要业务的动作，可以要求补充验证或进入人工复核。具体规则应由任务责任人与安全团队共同制定。
自动化遏制也会产生错误。若错误地隔离关键服务，合法业务可能受到影响。因此，安全流程需要评价遗漏风险，也需要评价错误处置的频率、持续时间和恢复成本。
在工业设备等涉及物理过程的场景中，网络隔离、暂停或重启还应符合设备的安全状态与运行要求。照搬办公系统的处置方式，可能引入新的业务风险。
5.2 日志需要形成可用于判断的证据
一次工具调用记录，至少需要能够关联到执行主体、任务、输入输出的必要信息、授权依据与操作结果。但记录完整的模型内部推理既不是核查业务授权的必要条件，也不能直接证明判断正确。
企业可以根据用途保留可验证的执行信息，并对日志本身实施访问与留存控制。日志中的敏感数据也可能构成新的暴露面。
"可追踪"还需要跨系统关联。若身份平台记录了批准，工具平台记录了调用，业务系统记录了修改，但三者无法关联到同一项任务，调查仍会耗费大量人工。
本文认为，运行时控制的价值来自这种关联能力：在适当位置阻止越界动作，并在事后说明任务如何执行、控制为何生效，以及业务是否恢复。持续检查的频率与覆盖范围则应根据风险和系统能力确定。
六、数据、硬件与机密计算：验证基础条件，并保留结果检查
报告把数据分类、机密计算和硬件信任机制列为底层技术。1，第 64 页 它们分别处理信息使用、处理过程保护和执行环境验证等问题。
数据分类的作用，是把信息的敏感程度与使用要求落实到控制规则。分类标签需要跟随实际数据流，并考虑复制、摘要、组合和导出等操作。
例如，采购助理把合同内容压缩成摘要，并不意味着摘要自动成为可以对外发送的资料。敏感信息可以以不同形式继续存在，企业需要根据内容与用途判断。
机密计算则关注数据正在处理时的保护。可信执行环境和相关证明机制，可以在规定的威胁模型下保护工作负载，并为执行环境的状态提供证据。机密计算联盟的技术介绍把远程证明视为验证处理环境的重要组成部分。7
本文认为，这类技术需要与工作负载本身的安全设计共同评价。若应用获得了数据访问权，随后按照错误指令输出敏感信息，执行环境的隔离能力并不能直接保证数据使用符合业务要求。
| 技术或控制 | 可以提供的主要依据 | 仍需独立评价的对象 |
|---|---|---|
| 身份认证 | 请求与某个身份之间的关联 | 该身份是否有权执行当前动作 |
| 数据分类与使用控制 | 信息类别、使用范围与传播条件 | 分类准确性及跨系统执行是否一致 |
| 机密计算 | 威胁模型内的数据处理保护 | 应用行为、授权输出与实现缺陷 |
| 硬件证明或远程证明 | 对特定设备、软件度量或环境状态的验证 | 业务输入真实性与模型结果正确性 |
| 行动日志 | 已记录的执行过程与结果 | 记录完整性，以及动作是否符合任务目的 |
上表为本文对不同验证对象的归纳，具体保证取决于技术实现和配置。
这也解释了可信系统为什么需要分层。基础设施保护为上层应用提供条件，应用权限约束动作，业务规则评价效果。一个层次的验证结果，应当用于它所能支持的判断。
对于 AI，事实核查、业务校验和必要的人类复核仍有价值。它们与密码、身份和隔离机制共同构成系统的可用条件，不能由其中某项技术统一代替。
七、后量子密码：以数据寿命和迁移依赖安排工作
麦肯锡把"现在收集、未来解密"列为企业规划的重要问题，并指出后量子迁移可能需要多年、跨越多个供应商与组织。1，第 60、64 页
这一问题可以从数据寿命理解。如果信息需要保密很长时间，那么今天传输的密文，也需要考虑未来被解密的可能性。与此同时，替换企业使用的密码机制还涉及产品、协议和依赖系统。
因此，迁移准备可以有现实依据，无须先给出某一年一定出现解密能力的预测。
7.1 标准提供了起点，使用仍需要系统适配
NIST 于 2024 年 8 月发布首批三项正式后量子密码标准。8
| 标准 | 算法 | 主要用途 |
|---|---|---|
| FIPS 203 | ML-KEM | 密钥封装，用于建立后续密码操作所需的共享秘密 |
| FIPS 204 | ML-DSA | 数字签名 |
| FIPS 205 | SLH-DSA | 数字签名，采用不同的数学构造 |
资料来源：NIST 首批标准公告。8 表中区分密钥封装与签名，避免把所有用途统称为消息加密。
后量子密码算法可以在经典计算系统上实现。企业规划的是密码技术与相关软件、设备的迁移，而不是等待部署一台量子计算机。
也不能把量子威胁理解为所有密码技术同时失效。具体风险取决于所用算法、参数与协议；后量子密码还需要同时考虑经典攻击、实现安全和系统适配。9
标准明确了可采用的算法，但产品支持、互操作能力、性能和密钥管理仍需验证。更换一个组件，可能要求通信对端、证书体系或嵌入式设备共同支持。
7.2 优先级取决于保密期限与迁移难度
NIST 的解释材料明确指出，具备相关解密能力的量子计算机何时出现尚不确定，同时提醒新算法融入信息系统需要时间，长期敏感数据面临提前收集的风险。9
本文据此建议，以信息保护期限、密码使用位置和迁移依赖共同评价优先级。长期有价值的数据、难以更新的设备和跨机构协议，都需要更早识别依赖关系。
首先需要知道密码在哪里使用：通信、存储访问、软件签名、设备认证和第三方服务可能拥有不同的生命周期。然后需要确定哪些组件可以更新，哪些依赖供应商，哪些必须等待对端支持。
迁移过程中，还应保留测试、回退和可观测性。算法更新引入的兼容问题可能中断合法业务，因而需要按系统条件验证部署。
本文认为，密码敏捷性具有长期价值：能够识别、替换和管理密码依赖，有助于应对未来算法评估或标准变化。它的价值可以通过迁移能力验证，无须完全依赖对"Q-Day"的年份判断。
八、区块链与共享账本：为多方协作提供特定类型的证据
麦肯锡把区块链理解为数字信任体系中的一个组成部分，强调交易、资产记录和跨主体协作的可审计性，同时指出其采用仍受到监管、隐私、互操作和现有系统整合条件影响。1，第 61、63 页
理解这种作用，需要从多方协作的成本出发。如果参与方各自维护记录，就可能反复传递消息、核对状态和处理差异。共享记录与可编程规则，可以在适当条件下减少部分重复核对。
报告引用的 BIS 2025 年研究，讨论了代币化如何结合消息传递、核对和结算，并强调可信货币与制度安排的重要性。10 这一讨论不应被扩大为"所有可信协作都必须采用公有链"；可编程平台、共享账本与具体区块链架构需要分别评价。
本文认为，选择账本技术之前，企业需要说明谁参与、谁能写入、怎样确定记录、怎样保护隐私，以及出现争议后由谁处理。
"记录可以验证"与"记录内容真实"也需要区分。例如，链上可以保留某份文件的摘要与提交事件，但这不足以证明文件描述的线下交易真实发生。资产记录与现实权利的对应关系，还依赖发行、托管和其他业务安排。
可编程规则同样需要正确设计。程序按既定逻辑执行，并不能证明逻辑满足全部业务要求，外部数据输入也需要验证。
对于智能体之间的交易，共享账本可能帮助各方确认状态、审计过程或组织结算。但智能体身份、交易许可与责任来源仍要由完整系统处理。
因此，本篇把区块链的潜在价值限定在明确的协调问题上：多方需要共享什么状态，现有方式产生了什么成本，新的机制是否改善了可核查性与处理效率。
若已经存在各方接受的记录管理者，现有数据库和审计机制也能满足要求，则需要依据增量效果决定技术选择。可信性的研究重点应落在证明范围与制度衔接上。
九、产业竞争与企业评价：控制能力需要形成可测的业务效果
9.1 集成平台的价值来自实际协同
报告观察到，身份、云安全、数据安全与自动化检测之间的整合正在加强，也提醒平台集中可能增加对大型云厂商和少数供应商的依赖。1，第 58、64 页
整合具有现实原因。智能体的一次动作可能跨越多个系统，检测平台需要上下文，身份平台需要风险信号，业务平台需要执行控制；它们之间的连接质量影响响应速度。
本文认为，企业应通过具体任务检验平台整合：能否关联同一项授权和操作，能否在正确位置施加限制，以及能否复核处置效果。把多种产品装进同一个界面，不能单独证明这种协同已经实现。
平台依赖也可以具体评价。客户是否能够导出必要证据、理解关键规则、维护独立恢复能力，以及在更换服务时保留业务连续性，都会影响长期使用成本。
9.2 工程交付与责任分工影响结果
安全系统需要理解企业自己的任务。数据类别、授权流程、可接受中断时间和事故恢复方式，往往无法完全通过通用产品默认设置表达。
这使工程交付具有价值，也意味着企业需要明确责任：业务部门说明任务边界，工程部门落实执行，安全团队验证控制，系统运营人员负责故障与恢复。
采购助理的权限设计，就是一个例子。合同审核规则属于业务要求，工具访问属于技术实现，数据传播限制涉及信息治理，错误修改的恢复则需要业务系统配合。
如果这些责任没有落实，模型能力提升反而可能使未完成的流程设计更快暴露。可信系统建设应随业务功能共同推进。
9.3 评价指标应保留分母与业务条件
麦肯锡指出，企业仍缺少一致的方法量化信任与韧性投入的效果。1，第 64 页 本文提出以下评估指标，供具体项目结合风险条件使用。
| 评价对象 | 可观察的指标 | 需要保留的解释条件 |
|---|---|---|
| 授权追踪 | 关键动作中能够关联任务与有效授权的比例 | 明确哪些动作属于"关键"，并核查记录质量 |
| 权限限制 | 授权测试中越界动作被正确阻止的比例 | 测试需要覆盖实际任务，不能外推为所有威胁覆盖率 |
| 告警处理 | 经复核的有效告警比例、每起事件的调查时间 | 同时观察漏检和任务复杂程度 |
| 自动化处置 | 正确处置率、错误处置造成的业务影响 | 区分不同动作的范围与可逆性 |
| 数据使用 | 敏感数据越界事件、规则覆盖与例外情况 | 事件数量会受到监测能力与业务规模影响 |
| 业务恢复 | 演练中的恢复时间、数据完整性与功能恢复程度 | 说明故障情境、恢复目标和实际验证范围 |
| 密码迁移 | 已盘点、验证与完成迁移的依赖覆盖程度 | 分母应包含关键系统及必要的第三方依赖 |
上表是本文提出的评价框架，并非麦肯锡公布的行业基准。
这些指标还需要与合法业务效果一起看。更严格的控制若大量阻止正常任务，企业可能通过绕开流程继续工作，最终削弱控制质量。
安全投入的完整成本包括产品、整合、持续维护、复核工作和错误处置造成的影响。潜在收益则包括调查效率、损失控制、恢复能力，以及在风险条件允许时启用更多自动化流程。
短期没有发生事故，无法独立证明系统可靠；事故数量减少，也需要排除监测覆盖变化等影响。企业可以结合授权测试、演练和真实运行数据，在相同业务条件下观察改进。
十、未来一至两年的观察：四项带有条件的判断
以下为本文依据报告与补充来源提出的前瞻分析，不是已发生事实，也不是麦肯锡的量化预测。
第一，智能体授权可能成为现有安全产品的重要升级方向。 若企业继续扩大自主执行，需要控制的任务身份、委托关系和短期权限会增加。可以观察产品是否支持具体业务范围，以及下游系统是否真正执行这些约束，而不只统计新增功能数量。
第二，安全自动化可能先在边界清楚、结果容易复核的任务中扩展。 日志整理、上下文补充和限定范围的调查，较容易与现有流程结合。高影响动作的扩展，则更依赖可逆性、处置准确程度与恢复能力。若复核成本没有下降，自主执行程度可能受到限制。
第三，后量子迁移的进展可能主要体现为依赖盘点和分阶段交付。 标准为准备工作提供了依据，但大量系统需要跨供应商协调。观察重点可以放在实际互操作、关键业务迁移和持续维护能力上，而不只看企业是否宣布支持某种算法。
第四，可信系统的竞争可能更重视证据连接与业务交付。 模型能力可以扩大检测和分析范围，工程实施决定控制是否有效。若平台能减少关联、调查与复核成本，它可能获得更强采用动力；若依赖过重或错误处置影响业务，客户也可能保留多个控制来源。
这些判断的共同条件，是企业在真实流程中扩大使用，并持续验证效果。资本活动和技术演示提供发展信号，实际业务中的稳定运行才决定规模化能否持续。
报告强调攻防速度和运行时控制，具有启发性；但系统的风险仍需根据资产、权限、补丁、架构和运营能力评价。工具的新旧或是否带有 AI 功能，都不足以独立决定安全水平。
未来研究还应关注长期效果：自动化是否改变事件处理质量，控制是否被业务稳定采用，密码依赖是否能够持续管理，以及跨机构记录是否减少了实际协调成本。
结语
麦肯锡第六项趋势把多种技术放在同一章中，是因为自主软件、分布式基础设施和跨主体协作，都需要可以验证的行动与数据关系。
AI 让部分安全任务执行得更快，同时增加验证、授权和处置的压力；零信任与运行时控制帮助约束访问和动作；机密计算保护特定处理条件；后量子密码回应长期密码风险；共享账本为部分多方协作提供记录机制。
本文认为，企业应把这些能力落实为明确的业务判断：任务有可识别的执行主体，权限符合用途，数据在规定范围内流动，关键动作留下可核查的证据，结果得到相应验证，偏差能够被限制并恢复。
这些条件决定了企业能够在多大范围内放心使用自主系统，也为评价安全投入提供了比功能数量更具体的依据。
参考资料与口径说明
- McKinsey & Company. Technology Trends Outlook 2026. September 2026，第 3 页及第 57---65 页。本文以用户提供的报告为主来源。正文页码采用报告印刷页码；PDF 物理页码相应加 2。
- Anthropic. Assessing Claude Mythos Preview's cybersecurity capabilities. 2026-04-07。用于分析模型安全研究能力及测试条件。https://www.anthropic.com/research/mythos-preview
- Zero Day Clock. 网站及数据方法说明。动态来源，核查日期：2026-10-04。用于区分漏洞记录、目录记录日期与实际利用事件；本文不重建报告 2026-09-04 所引用的历史快照。https://www.zerodayclock.com/
- McKinsey & Company. Securing the agentic enterprise: Opportunities for cybersecurity providers. 2026-03-24。用于补充智能体身份、权限和运行时控制的产业讨论。https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/securing-the-agentic-enterprise-opportunities-for-cybersecurity-providers
- Model Context Protocol. Security Best Practices. 2025-11-25 版本文档，核查日期：2026-10-04。用于核查协议名称与授权边界。https://modelcontextprotocol.io/specification/2025-11-25/basic/security_best_practices
- NIST. SP 800-207: Zero Trust Architecture. 2020-08。用于核查零信任的基本原则。https://csrc.nist.gov/pubs/sp/800/207/final
- Confidential Computing Consortium. What Is Remote Attestation? Enhancing Data Governance with Confidential Computing. 2024-10-02。用于说明处理环境与远程证明的验证对象；本文未把环境证明等同于全面合规或结果正确性。https://confidentialcomputing.io/2024/10/02/what-is-remote-attestation-enhancing-data-governance-with-confidential-computing/
- NIST. NIST Releases First 3 Finalized Post-Quantum Encryption Standards. 2024-08-13。用于核查首批标准、算法及用途，不表示此后标准化活动已经停止。https://www.nist.gov/news-events/news/2024/08/nist-releases-first-3-finalized-post-quantum-encryption-standards
- NIST. What Is Post-Quantum Cryptography? ；Post-Quantum Cryptography FAQs. 核查日期：2026-10-04。用于说明量子风险时间的不确定性、迁移与经典安全要求。https://www.nist.gov/cybersecurity-and-privacy/what-post-quantum-cryptography ；https://csrc.nist.gov/projects/post-quantum-cryptography/faqs
- Bank for International Settlements. Next-generation monetary and financial system takes shape, based on a tokenised unified ledger: BIS. 2025-06-24。用于分析代币化平台的协作机制与制度基础，相关表述属于 BIS 提出的研究方向。https://www.bis.org/media-releases/20250624-next-generation-monetary-and-financial-system-takes-shape-based-tokenised-unified-ledger-bis
统计与分析边界： 报告中的活动评分采用与所研究趋势相对的 0---1 标度，不是风险下降率或技术成熟度的直接测量；股权投资不包含企业资本和运营支出；人才数据主要来自英语国家；采纳评级来自专家判断。文中的假设场景、验证框架、评价指标与前瞻判断为作者分析。不同测试、动态页面和企业样本不具有相同分母，本文保留其适用范围，未将能力演示换算成普遍事故概率。