当AI代理开始偷你的工牌：Oak的6000万美元赌注与身份管理的下一场战争

想象一下，你公司的门禁卡只认一个实体——你本人。某天，一个AI代理以你的名义刷开了门，但它的行为逻辑与你完全不同：它一天能访问上千份文件，24小时不停歇，而且它自己还会生成新的子代理，每个子代理又需要一套独立的授权。传统身份管理系统的“人-权限-资源”三角模型，在这个场景下瞬间崩塌。

这就是Oak试图解决的问题。这家刚刚走出隐身模式的初创公司，带着6000万美元融资，把矛头指向了一个被多数人忽视的痛点：AI代理正在让原本就混乱的数字化身份管理雪上加霜。

两个世界的碰撞：人力身份 vs 机器身份

传统身份管理（IAM）的核心逻辑是“一人一身份”。无论你是用Okta、Azure AD，还是开源的Keycloak，底层设计都假设身份主体是人类。人类有行为模式（8小时工作制、偶尔访问SaaS应用）、有生物特征（指纹、人脸）、有社交关系（汇报线、角色）。IAM系统以此为基础，通过RBAC（基于角色的访问控制）或ABAC（基于属性的访问控制）来分配权限。

但AI代理完全打破了这些假设。一个AI代理可以：

• 并发执行：同时调用100个API，访问100个数据库
• 非线性时间：无需休息，可在深夜批量处理敏感数据
• 自我复制：一个主代理可生成数百个子代理，每个子代理需要独立的凭据
• 动态行为：其权限需求随模型训练、数据召回、上下文变化而实时变化

维度	传统身份管理	AI代理身份管理
主体	人类	机器/软件实体
行为模式	可预测，有规律	高并发，不定时，可派生
生命周期	入职-离职（年/月）	创建-销毁（秒/分钟）
权限粒度	应用级/文件级	API级/数据字段级
审计需求	相对低频	实时、全量、可追溯

Oak的解法：从“身份”到“身份流”

Oak的创始人来自Cybereason和Palo Alto Networks，有着深厚的安全背景。他们的核心观点是：AI代理不应该被当作“人类账号的扩展”，而应该被当作独立的、具有生命周期的数字实体。

具体来说，Oak的方案包含三个关键层：

1. 代理身份注册与发现：自动识别网络中正在运行的AI代理，捕获其元数据（来源、能力、所属组织）

2. 动态权限引擎：基于代理的实时上下文（调用的API、访问的数据类型、当前任务）动态授予最小权限，且权限随任务完成自动回收

3. 行为审计与异常检测：记录代理的每一次操作，并与人类基准行为对比，发现“不合规”的代理行为（比如一个客服代理突然尝试访问财务数据库）

[!info] 这让人联想到安全领域的一个经典概念——“零信任”。但Oak的零信任不是面向网络，而是面向代理的“身份防火墙”。每个代理在访问任何资源前，都必须经过动态验证，且验证结果不是一次性的，而是持续变化的。

为什么是现在？6000万美元的窗口

AI代理的爆发式增长是背景板。2025年，GitHub Copilot、Claude Code、OpenAI的GPTs、各类RPA平台都在推动“代理化”趋势。据Gartner预测，到2027年，60% 的企业将运行至少三个不同的AI代理系统。但这些代理的身份管理几乎是一片空白——大多数企业只是让代理使用一个共享服务账号，或者干脆以管理员身份运行。

Oak的融资来自Andreessen Horowitz和Palo Alto Networks的联合创始人，这本身就传递了一个信号：身份管理市场正在从“人”转向“人与机器混合”。Okta和微软当然也看到了这一点，但它们的架构是“先有人的身份，再代理人的身份”，而Oak是从零开始设计“代理的原生身份”。

趋势预测：身份管理的“基础设施重构”

未来三年，我认为会出现两个关键变化：

• 身份管理将从“后端工具”变成“核心架构”。就像今天每个公司都必须有DNS和防火墙，未来每个AI代理系统都必须有一个内置的身份层。Oak的挑战在于，它需要说服企业放弃“在现有IAM上加补丁”的惯性思维，接受“为机器重新设计一套身份系统”的投入。

• 代理身份标准将会出现。目前，各个AI代理框架（LangChain、CrewAI、AutoGPT）各有各的认证机制，互不兼容。Oak如果能在早期成为事实标准，或者被OpenAI、微软等巨头收购，它将获得巨大的网络效应。但更可能的是，一场“身份标准战争”将发生，类似于当年OAuth和SAML的竞争。

Oak的6000万美元不是终点，而是起点。当AI代理开始替我们“刷工牌”时，我们需要的不是更坚固的门禁卡，而是一套全新的、能识别机器身份的数字门禁系统。谁能在这场身份混战中定义

原文链接：https://techcrunch.com/2026/07/15/backed-by-60m-in-funding-oak-steps-out-of-stealth-to-fix-the-identity-mess-that-ai-agents-are-making-worse/