AI 寫程式太快，資安跟不上？瑞典新創 Oplane 募 1.5 億，從「架構盲點」下手

總部位於瑞典馬爾默（Malmö）的資安新創公司 Oplane，近期宣布籌集了 450 萬歐元（約合 520 萬美元，折合新台幣約 1.5 億元）的種子輪資金，目標是守住一個快速成長的攻擊面：AI 生成程式碼的「架構」。隨著 Claude Code 和 GitHub Copilot 等工具大幅提升開發速度，傳統的程式碼掃描器卻無法捕捉到可能癱瘓整個應用的系統性架構瑕疵。Oplane 提出的解決方案，是一個代理式（Agentic）、AI 原生的平台，直接將架構威脅模型分析，嵌入開發者的工作迴圈中。

募資概況

本輪融資於 2026 年 6 月 2 日公布，由 Seed Capital 領投，Icebreaker.vc 參投。此外，還有三位重量級天使投資人加入：圖形資料庫巨頭 Neo4j 的創辦人暨執行長 Emil Eifrem，以及被 Google 收購的安全建模公司 Foreseeti 的共同創辦人 Robert Lagerström 與 Joakim Nydrén 。

Oplane 計劃將這筆新資金投入三個具體方向：拓展歐洲的地理版圖、深化與 AI 編碼工具的整合，以及擴編團隊，招募資深的工程、資安、品管與市場推廣人才 。

核心技術：架構層級的威脅建模

Oplane 的平台執行的是自動化、持續性的威脅模型分析，其最大差異化在於運作於「架構層」，而非只是掃描單行文字程式碼 。該公司指出，程式碼層級的靜態分析工具在結構上無法識別因元件連接、通訊與處理數據方式而產生的風險——當大多數程式碼都由 AI 撰寫時，這個問題會呈指數級惡化。

其核心工作流程包含幾個步驟：

• 即時資產關係圖： Oplane 會自動將程式碼庫的完整架構繪製成即時資產關係圖，建立系統元件及其相互關係的動態全景 。
• 風險識別： 該平台會浮現系統層級的安全需求，並標示出架構風險——例如不安全的服務間通訊，或缺失的信任邊界——這些都是程式碼檢查工具（Linter）和靜態應用程式安全測試工具（SAST）看不見的盲點 。
• 情境式修復： 有別於產出一份靜態的 PDF 報告，Oplane 直接在開發者既有的工作流程中提供修復建議。它會比對即時威脅模型來審查每一個拉取請求（Pull Request），並提供內聯的查找結果與一鍵修復方案 。

這種做法試圖跟上 AI 輔助開發的速度。過往定期的人工威脅建模審查動輒耗費數週，而 Oplane 的目標是讓資安成為一種隨著每次程式碼提交（Commit）自動執行的持續性流程 。

嵌入 AI 編碼迴圈的整合能力

Oplane 並非是一個獨立的儀表板，而是將自己嵌入開發者日常使用的工具中。它透過模型上下文協定（Model Context Protocol, MCP），整合了 Claude Code、Cursor 與 GitHub Copilot。這意味著當 AI 代理人撰寫與重構程式碼時，架構安全檢查就會自動觸發 。

這樣的設計讓安全審查流程不需開發者額外切換工作場景。舉例來說，透過 Copilot 生成的拉取請求，可以在處理程式碼審查與測試的同一個工作流程中，一併完成架構風險的評估。

創辦團隊與背景

Oplane 成立於 2022 年，由 Emil Kvarnhammar（執行長）、Oscar Andersson（技術長）與 Anders Söderling（產品長）共同創立，總部位於瑞典馬爾默 。該公司表示，其平台已在 Miro 與 Tandem Health 等客戶的環境中正式營運，這為其在工程團隊積極使用 AI 工具的場域中，提供了初步的市場驗證 。