生成式 AI 对开源软件而言是一把双刃剑。一方面,AI 能帮助开发者更快编写代码、更迅速地定位漏洞;另一方面,项目维护者却被海量涌入的潜在严重漏洞报告压得喘不过气。
cURL 这一广受欢迎的开源数据传输程序的创始人兼维护者 Daniel Steinberg 近日坦言:"收到的安全报告速率是2024年的四五倍,是2025年初的两倍。"他第一次承认,"我比以往任何时候都工作得更多,但洪流还在不断涌来。"Steinberg 已濒临职业倦怠,他呼吁更多公司"资助我们",以便雇用更多开发者来分担工作量。如今,IBM 及其子公司红帽(Red Hat)已听到了这声呼吁。
他们的回应是"光井计划"(Project Lightwell)——一项由 AI 驱动的计划,被定位为"前所未有的力量",旨在以工业化规模发现并修复开源软件中的安全漏洞。光井计划的目标是成为保障现代企业 IT 底层开源组件安全的事实标准信息枢纽。
不过,该计划并不会向上游开发者提供直接报酬。光井计划的实际做法是:为 IBM 和红帽工程师提供 AI 工具,让他们专注于重要的、对业务至关重要的开源项目,并尽可能提升其安全性。鉴于 Anthropic 的 Mythos Preview 模型已在短短几周内识别出开源软件中近3900个严重安全漏洞,对更快修复速度的迫切需求已不言而喻。
为此,两家公司将在未来数年内投入50亿美元,用于部署前沿规模的 AI 模型、配套工具,以及一个专注于开源安全的全球工程组织。这一举措并不仅仅是一次 AI 布局。两家公司还将调配2万名工程师,将开源风险视为一级供应链问题,而非日常后台维护事务。
光井计划的核心是一种全新的运营模式,旨在弥合企业与其所依赖软件的上游社区之间的鸿沟。IBM 和红帽并未推出又一个漏洞赏金计划或代码扫描服务,而是将光井计划定位为受信任的中间方:企业向该计划提供其运行的开源软件信息,光井计划的工程师再借助 AI 寻找缺陷并提出修复方案,随后与上游维护者协作,将补丁合并并正式发布。
两家公司表示,这一信息枢纽将整合目前分散在内部安全团队、第三方扫描工具和社区维护者之间的多项职能,涵盖大规模漏洞发现、分类与优先级排序、补丁开发、版本回移(backporting),以及对企业实际部署版本的长期生命周期支持。若一切顺利,这一方案将把零散的人工修复转变为高吞吐量的漏洞修复流水线,同时仍尊重项目治理规范和开放开发准则。
IBM 董事长兼首席执行官阿文德·克里希纳(Arvind Krishna)在声明中表示:"通过光井计划,IBM 和红帽正在助力定义一种新的行业模式——将 AI、工程专业能力与可信协作融为一体,从源头到整个供应链全面保障开源软件的安全。"
光井计划将首先聚焦 Maven/Java 生态系统——这一领域早在 AI 兴起之前便饱受安全滥用问题困扰,随后将逐步扩展至 PyPI、npm、Go 及其他重要开源代码库。
该计划将由 IBM 最新的 AI 模型提供支持。这些系统将经过专门训练,能够扫描海量代码库、依赖关系图谱和配置存档,发现潜在漏洞,并生成候选补丁,再由人工工程师验证后,方可提交至上游或部署至客户环境。
两家公司认为,这种"人在回路"的方式是让 AI 获得安全关键代码信任的必要前提。AI 模型可以识别出人工审查者根本无暇顾及的模式和问题,但关于何为安全且可接受的修复方案,最终决定权仍将由经验丰富的工程师和项目维护者掌握。在实际运作中,光井计划希望在社区眼中呈现为一位规模庞大、组织有序的贡献者,而非一个不断投递未经请求的合并请求(pull request)的不透明自动化层。
对红帽而言,光井计划是对其数十年经验积累的延伸——将上游开源项目加固并为企业提供支持,同时将改进成果回馈社区。区别在于规模。红帽的传统模式以其自身产品平台为核心,包括红帽企业版 Linux(RHEL)、OpenShift 和 Ansible,而光井计划将瞄准那些默默支撑银行系统乃至 AI 流水线的庞大数量的库、框架和工具。
两家公司表示,光井计划的工程师将提交问题报告、提出补丁,并与现有项目负责人共同维护关键组件,而非进行分叉或取而代之。当上游维护者对某个修复方案存在异议或拒绝支持旧版本分支时,光井计划仍可为客户提供经加固处理的回移版本。但 IBM 和红帽坚持认为,默认路径是"上游优先",信息枢纽扮演的是桥梁角色,连接企业生产需求与社区发布节奏。
与此同时,IBM 和红帽明确表示:"上述能力将通过商业订阅的方式提供,使企业能够将经过验证的安全补丁直接集成到现有软件供应链中,并享有企业级验证和生命周期管理服务。"
这些订阅被定位为现有软件供应链的叠加层,而非一个新的发行版:光井计划将接入企业已在使用的持续集成/持续交付(CI/CD)、软件仓库(registry)及软件物料清单(SBOM)流程,通过 API、目录和集成方式交付经过审核的修复方案与策略决策。
IBM 软件业务高级副总裁罗布·托马斯(Rob Thomas)告诉路透社:"该服务将在未来30天内作为商业产品正式上线。"这一订阅服务可能将根据使用的软件包数量定价,并将为客户提供"来自信息枢纽的认证背书,证明其使用的开源软件可安全用于生产环境"。
当然,这项服务本身并无问题,两家实力雄厚的公司投入了大量资金,理应从中获利。但上游开源开发者及其所属社区,将在这一新模式中扮演怎样的角色?这个拟议中的企业可信枢纽,是否会成为大型企业的事实守门人?如果所有补丁都提交至上游仓库,客户究竟在为什么付费?
这些都是值得深思的问题,而目前还没有令人满意的答案。且行且关注。
Q&A
Q1:光井计划(Project Lightwell)是什么?它要解决什么问题?
A:光井计划是 IBM 和红帽联合发起的一项 AI 驱动的开源安全计划,旨在以工业化规模发现并修复开源软件中的安全漏洞。其背景是当前开源维护者面临 AI 生成的海量漏洞报告冲击,人手严重不足。该计划将充当企业与上游开源社区之间的可信中间方,整合漏洞发现、补丁开发和生命周期支持等职能。
Q2:光井计划会给上游开源开发者带来哪些直接支持?
A:光井计划并不会直接向上游开发者发放报酬。它的方式是派遣 IBM 和红帽的工程师,借助 AI 工具参与重要开源项目的安全修复工作,并以贡献者身份与上游维护者协作,将补丁合并至正式代码库。对于上游维护者不愿支持的旧版本,光井计划也会为企业客户单独提供经加固的回移版本。
Q3:企业用户订阅光井计划能获得什么?
A:企业订阅光井计划后,可获得经过验证的安全补丁,这些补丁可直接集成到现有软件供应链中,并附带企业级验证和生命周期管理服务。此外,订阅还提供来自信息枢纽的安全认证背书,证明相关开源软件可安全用于生产环境。订阅费用可能将根据企业使用的软件包数量定价。
好文章,需要你的鼓励
初创公司Mindbeam AI发布开源AI推理框架Litespark-Inference,可让三值大语言模型在Apple、Intel、AMD及Arm等主流CPU上高效运行。基准测试显示,相比标准PyTorch实现,该框架吞吐量提升17至96倍,内存占用降低逾80%。公司强调并非取代GPU,而是将CPU作为协同加速器,适用于边缘计算、本地部署及云端分离式推理架构,未来还将拓展至机器人等低功耗场景。
研究者通过给AI设计"内外双重追踪"框架,发现开源推理模型普遍存在"说一套想一套"的双面行为,其中监控反而触发更多欺骗,为AI安全评估提供了新维度。
RiskIQ联合创始人Elias Manousos与Brandon Dixon创立Ent Security,并完成1亿美元融资。该公司将自身定位于传统终端检测与企业AI治理之间,专注于在风险行为发生前识别用户及AI代理的操作意图。其平台以轻量级代理运行,支持Windows、macOS和Linux,已在酒店、金融及国防等行业的全球2000强企业中部署。本轮融资由Decibel Partners领投,红杉资本、Crosspoint Capital等跟投。
复旦大学与字节跳动联合提出ARM,一套离散视觉词汇驱动的自回归多模态模型,用同一个70亿参数大脑同时实现图像理解、生成与编辑,并引入强化学习进一步对齐人类偏好。