当AI疯狂写代码时，谁来为安全漏洞买单？

该团队目前有8名成员，并正在积极招聘中 。

一个面向AI时代的智能代理威胁建模平台

Oplane的核心论点很直接：像Claude Code、Cursor和GitHub Copilot这类AI编程助手，优先考虑的是速度和任务完成度，而非整体安全性。由此生成的代码可能会在无意中引入传统静态分析工具无法发现的架构性漏洞 。

为了应对这一挑战，Oplane在后台持续运行，绘制整个代码库的架构图，揭示系统级的安全需求，并在开发者已经使用的工具中提供上下文相关的修复方案——这些工具包括通过模型上下文协议（Model Context Protocol, MCP）连接的集成开发环境（IDE）、GitHub或GitLab上的拉取请求（Pull Request），以及Slack 。

该平台被描述为智能代理系统，因为它并非简单地运行定期扫描。相反，它会在每一次代码变更发生时进行分析，并在每次迭代中不断精进对系统架构的理解 。其产品页面详细介绍了一种多轮大型语言模型（LLM）分析流程，该流程以自然语言描述的项目说明和代码仓库架构作为输入，提出后续问题，并在大约10分钟内生成精确、可付诸行动的安全需求 。

“AI编程工具被优化来解决眼前的问题——而不是为了安全性……这需要智能代理解决方案，并与组织的开发工作流深度绑定来解决。” —— Emil Kvarnhammar，首席执行官

Miro和Tandem Health的实战检验

该公司已经在早期企业客户中取得了实打实的成果。Oplane已在视觉协作平台 Miro 和医疗科技公司 Tandem Health 的生产环境中部署。在两者中，应用范围已从寥寥数个代码仓库扩展到数百个，在部署后的数月内便生成了数千个威胁模型 。

Oplane进一步确认，还有更多的试点项目正在进行中，预计将在近期公布更多客户 。

资金如何花在刀刃上

借助新到位的资金，Oplane计划立即执行以下三个优先事项 ：

1. 拓展欧洲地区的商业运营。 公司计划建设其销售、市场和客户服务团队，以抓住市场对AI网络安全工日益增长的需求。
2. 深化与AI编程工具的集成，特别是Claude Code、Cursor和GitHub Copilot。与这些快速增长的工具生态深度绑定是其产品战略的核心。
3. 在四大职能部门壮大团队：工程、网络安全、质量保证和市场拓展。此次招聘将同时支持产品开发和欧洲扩张计划。

随着AI生成的代码成为工程团队的标准实践，Oplane的这轮融资表明，投资者押注安全防护层不能是事后补救的措施。该公司所采用的持续、嵌入式且智能化的代理方案，正将其自身定位成现代开发流程中一个关键的安全环节。