AI现在不只是写代码的工具，它开始大规模地“找茬”——而人类正被迫跟上它的节奏。

发生了什么

据CNBC报道，美国银行（Bank of America）已调动约4000人投入软件漏洞修复工作，专门处理由Anthropic的Mythos以及其他AI模型发现的漏洞。这4000人中包含1000名外部承包商。换句话说，AI负责发现，人类负责修补，而修补这一端被撑到了数千人的规模。

需要说明的是，目前公开信息只到“人数”和“来源”这一层，具体涉及哪些系统、漏洞的严重程度、修复周期多长，均未披露。

为什么重要

这件事的信号价值大于数字本身。

过去几年，AI在代码领域的叙事主线是“生成”：补全、写函数、提PR。但真正让大型金融机构紧张的，是另一条线——AI在漏洞挖掘上的效率。当模型能批量、低成本地扫描代码库并定位潜在缺陷时，发现漏洞的速度会迅速超过组织的修复能力。

这就是安全圈常说的“修复瓶颈”：找到问题从来不是最贵的部分，验证、排期、打补丁、回归测试才是。美国银行把人力堆到修复端，本质上是在为AI带来的“漏洞发现通胀”买单。

另一个值得注意的点是外包比例。1000名外部承包商意味着这不是一次内部流程微调，而是短期、项目制的产能扩张——典型的“先把洞堵上”的姿态。

影响与看点

对安全行业而言，这可能预示一种新的分工形态：AI做静态与动态分析，人类做判定与修复，中间由自动化流水线串联。谁能把“发现→验证→修复→回归”这条链路压缩得最短，谁就能把AI的扫描能力真正转化为安全收益，而不是一堆积压的工单。

对开发者来说，短期影响是更频繁的安全工单和更严格的代码审查；长期看，修复环节本身也会被AI代理接管——自动生成补丁、自动跑测试、自动提交。人类的位置会从“写补丁”上移到“判断补丁是否可信”。

对使用同类金融服务的用户，这类投入通常是隐性的，但它是系统稳定性的底层保障。

一个独立判断：AI让漏洞发现变得廉价，这不会让软件更安全，反而会先让“修复能力”成为稀缺资源。真正的竞争，从模型能发现多少漏洞，转向组织能多快消化这些漏洞。