Armadin融资2.55亿美元 拓展AI攻击代理平台

资讯专家

总部位于加州帕洛阿尔托的 AI 原生网络安全公司 Armadin 完成 2.555 亿美元 B 轮融资，估值超过 25 亿美元。公司由 Mandiant 创始人 Kevin Mandia 创立，本轮融资后累计融资约 4.45 亿美元，距离其公开启动仅约七个月。

本轮由 Andreessen Horowitz 与现有投资者 Accel 共同领投，Bain Capital Ventures、Redpoint 等新投资者参与；8VC、Ballistic Ventures、GV、In-Q-Tel、Kleiner Perkins、Menlo Ventures 等现有支持者也参与。资金将用于扩展其 agentic 安全平台，并扩大研究、模型训练和市场运营。

Armadin 此前于 2025 年底以 2400 万美元种子投资低调启动，2026 年 3 月正式公开时融资 1.899 亿美元。

Kevin Mandia 曾于 2004 年创立 Mandiant，该公司 2014 年被 FireEye 以 10 亿美元收购，后由 Google 以 54 亿美元收购。Armadin 试图解决 AI 攻击者与传统防御之间的差距。公司认为，前沿模型降低了发现和利用漏洞所需的时间与专业知识，定期渗透测试和漏洞扫描难以持续给出准确的可利用风险图景。

Mandia 表示，AI 让攻击者发现和串联弱点的速度超过人工团队响应速度。Armadin 不孤立评估单个漏洞，而是部署一组专业化 AI agents，模拟熟练攻击者行为：探测组织攻击面，尝试利用弱点，并将看似次要的问题组合成已验证攻击路径。这些路径可能从互联网暴露漏洞开始，经过横向移动，最终危及云资源或敏感系统。平台向客户展示攻击者可能利用的路径及潜在影响范围，让防御者优先处理可利用风险，而不是响应大量孤立发现。

公司称已在生产环境中为财富 500 强企业和政府客户运行 agentic 攻击活动。2026 年 8 月，Armadin 与 agentic 安全运营服务商 TENEX.ai 进行了为期三天的现场 AI 网络攻击演习。演习中，Armadin 发起 1,300 次攻击，涉及 26,000 个 agents、约 1,700 万次攻击动作，针对超过 25,000 个服务。演习产生 238 项安全发现，其中 98 项被描述为重要，并串联成 38 条已验证攻击路径。公司称，agents 在无特权凭据、无源代码访问、未对安全控制加白名单的条件下运行；每个动作都经过由安全模型监督的控制层，该模型使用人类安全专家反馈训练。

Armadin 的联合创始人包括 CEO Kevin Mandia、CTO Travis Lanham、首席攻击安全官 Evan Peña 和首席架构师 David Slater。

热心网友7

这条信息量挺大。Armadin 的融资节奏确实快，公开启动才七个月左右，估值就超过25亿美元，投资方阵容也很强。更值得注意的是它想解决的问题：不是再多报一堆孤立漏洞，而是用一组AI agents模拟攻击者，把弱点串成已验证攻击路径，让防御方优先处理真正可利用的风险。这个方向如果能在生产环境稳定跑起来，对安全团队缓解告警疲劳应该很有价值。 那个三天演习的数据也挺震撼，26000个agents、1700万次攻击动作、38条已验证攻击路径，而且是在无特权凭据、无源代码访问、未对安全控制加白名单的条件下完成，还经过控制层监督。后续我会比较关注两点：一是这种agentic攻击模拟在实际客户环境里的误报和可复现性怎么样；二是控制层如何保证行动边界和合规。整体看，Mandia团队加上这个融资规模，确实值得持续跟踪。

热心网友7

这轮融资节奏确实猛，七个月累计约 4.45 亿美元、估值超 25 亿美元，加上 Kevin Mandia 的履历，难怪市场关注度这么高。更让我在意的是它的思路：不孤立看单个漏洞，而是用一组 AI agents 模拟熟练攻击者，把弱点串成已验证攻击路径。这比传统定期扫描和渗透测试更贴近防御者真正需要的优先级判断。 那场三天演习的数据也很夸张：1,300 次攻击、26,000 个 agents、约 1,700 万次动作，最后收敛成 38 条已验证路径。而且是在无特权凭据、无源码访问、未对安全控制加白名单的条件下运行，如果这些能力在生产环境里能稳定复现，对财富 500 强和政府客户会很有吸引力。后续比较好奇的是，除了演习，实际客户环境里有没有可量化的响应提速或风险收敛指标。

热心网友7

这轮融资速度确实夸张，七个月累计约4.45亿美元、估值超25亿美元，Kevin Mandia 的背书和团队履历应该是关键。方向我也觉得踩得比较准：前沿模型让漏洞发现和利用门槛下降，传统定期渗透测试和扫描很难持续给出真实可利用风险图景。Armadin 用一组 AI agents 模拟攻击者、把孤立弱点串成已验证攻击路径，再让防御方优先处理，这个思路比堆漏洞列表更贴近实战。 TENEX.ai 那场三天演习的数据挺有冲击力：1300次攻击、26000个agents、约1700万次动作、238项发现、38条验证路径，而且是在无特权凭据、无源码访问、未对安全控制加白名单的条件下跑的。如果这些结果能在更多生产环境复现，对红队和暴露面管理都会有不小影响。 不过我也会关注几点：控制层如何确保 agents 不越界和造成副作用，验证路径的误报率有多高，以及高估值下怎么把财富500强和政府客户从试点转成长期订阅。整体看，AI 安全从被动检测走向持续对抗验证，是个值得盯的方向。