แหล่งที่มาของต้นฉบับ: 机器之心
“圣杯”ของระบบกระจาย — โปรโตคอลการบรรลุข้อตกลง (Consensus Protocols) — ตลอดเวลากลายเป็น “นรกของบั๊ก” สำหรับวิศวกรโครงสร้างพื้นฐานระดับสูง เนื่องจากสถานะมีความซับซ้อนอย่างยิ่งและมีโหนดหลายจุดเชื่อมโยงกัน การทดสอบแบบดั้งเดิมและ LLM แบบโมโนลิธิกแทบไม่สามารถจัดการกับ Deep Bug (ช่องโหว่เชิงตรรกะระดับลึก) ได้
เมื่อไม่นานมานี้ นักวิจัยจากทีมวิชาการและอุตสาหกรรมชั้นนำ เช่น 0G Labs มหาวิทยาลัยแห่งชาติสิงคโปร์ มหาวิทยาลัยปักกิ่ง และมหาวิทยาลัยโพสต์และโทรคมนาคมปักกิ่ง ได้เสนอกรอบงานทดสอบอัตโนมัติแบบแรกที่ผสานความรู้เชิงโดเมนเข้ากับการร่วมมือแบบหลายเอเจนต์ของโมเดลขนาดใหญ่อย่างลึกซึ้ง ชื่อว่า Agora
กรอบงานนี้ใช้สถาปัตยกรรมที่สร้างสรรค์เพื่อแก้ไขจุดอ่อนของโปรโตคอล โดยค้นพบข้อบกพร่องระดับโปรโตคอลที่ไม่เคยมีใครรู้จักมาก่อนถึง 15 จุด ในโปรโตคอลหลักทั้งในอุตสาหกรรมและทางวิชาการ เช่น Raft, EPaxos, HotStuff และ BullShark ในขณะที่โมเดลขนาดใหญ่แบบดั้งเดิมอย่าง GPT-5.2 และ Claude 4.5 กลับล้มเหลวและไม่สามารถค้นพบข้อบกพร่องใดๆ เลย ในยุคที่ระบบหลายตัวแทน (Multi-Agent) และการตรวจสอบความปลอดภัยแบบตัวแทน (Agentic Quality Control) กำลังเป็นเส้นทางที่ร้อนแรงที่สุดในปี 2026 Agora ไม่ได้แค่เสนอเอกสารวิจัย แต่ยังมอบวิธีแก้ปัญหาเชิงอุตสาหกรรมที่สามารถนำไปใช้งานได้จริง
เอกสารวิจัย: 《Agora: Toward Autonomous Bug Detection in Production-Level Consensus Protocols with LLM Agents》
1. บริบท: 0G และ NUS ร่วมมือกันอย่างแข็งแกร่ง ผสานความรู้เชิงระบบระยะยาวกับรูปแบบ Multi-Agent ข้ามสาขาและข้ามยุค
การพัฒนาของโปรโตคอลการตกลงกันแบบกระจาย เป็นทั้งประวัติศาสตร์ของการคิดค้นอันยอดเยี่ยม และประวัติศาสตร์ของการนักวิศวกรชั้นยอดนับไม่ถ้วนที่ต้องเจ็บปวดจากข้อผิดพลาด ดังที่ผู้ได้รับรางวัลทัวริง Lamport กล่าวว่า การรับรองความถูกต้องของการใช้งานโปรโตคอลแบบกระจาย มีความยากเทียบเท่ากับการเดินผ่านเขาวงกตที่สั่นไหวอยู่ตลอดเวลาโดยไม่สามารถมองเห็นได้ และบนเส้นทางที่ “ยากเย็นยิ่ง” นี้ ตลาดกำลังเปลี่ยนแปลงอย่างเงียบๆ: ตามการสังเกตของ Gartner ปริมาณการให้คำปรึกษาด้านระบบตัวแทนหลายตัวเพิ่มขึ้นกว่าสิบเท่าภายในเวลาหนึ่งปีครึ่ง และตลาดแพลตฟอร์มตัวแทนหลายตัวก็เข้าสู่ช่วงการขยายตัวอย่างรวดเร็วใกล้เคียงกับการเพิ่มขึ้นเป็นสองเท่าต่อปี — การใช้ “การประสานงานของตัวแทนหลายตัว” ในการตรวจสอบระบบพื้นฐานที่ซับซ้อนที่สุด กำลังเปลี่ยนจากแนวคิดขั้นสูงสุดให้กลายเป็นความจำเป็นทางอุตสาหกรรม
ในการแข่งขันที่ยากเย็นยิ่งนี้ บริษัทเทคโนโลยีชั้นนำที่มีชื่อเสียงได้เริ่มต้นการสำรวจแบบลงทุนหนักก่อน โดยตัวอย่างเช่น Anthropic ผู้นำอุตสาหกรรม ซึ่งกำลังขับเคลื่อนโครงการ Glasswing ภายใน Claude Code แม้จะพยายามใช้ Agent เพื่อทดสอบโครงสร้างพื้นฐานระดับล่าง แต่สถาปัตยกรรมของมันยังคงพึ่งพาโมเดลเชิงพาณิชย์ขนาดใหญ่ระดับสูงสุดอย่างมาก รายละเอียดโครงการยังไม่เปิดเผย และมีการร่วมมือแบบปิดเฉพาะกับองค์กรเทคโนโลยีขนาดใหญ่และบริษัทข้ามชาติเพียงไม่กี่แห่งเท่านั้น ยิ่งไปกว่านั้น แนวทางของบริษัทขนาดใหญ่เหล่านี้อาจแสดงปริมาณ Token ที่กินสูงมากในระหว่างการดำเนินงาน กำแพงพลังการคำนวณและแนวทางที่ต้องใช้ทรัพยากรหนักนี้ ได้ปิดกั้นบริษัทสตาร์ทอัพและธุรกิจขนาดเล็กและกลางที่มีงบประมาณจำกัดอย่างตรงไปตรงมา
บริษัทขนาดเล็กหรือชุมชนโอเพนซอร์สต้องยอมรับชะตากรรมที่ไม่สามารถใช้เครื่องมือตรวจสอบช่องโหว่อัตโนมัติระดับสูงสุดได้หรือ?
วิศวกรจาก 0G Labs ร่วมกับหลิวเซียงจากมหาวิทยาลัยแห่งชาติสิงคโปร์ ซ่งซาและซุนยงจากมหาวิทยาลัยปักกิ่งการสื่อสาร และจางเจิ้นเหวินและจางเซ่อเยี่ยนจากคณะปัญญาประดิษฐ์ มหาวิทยาลัยปักกิ่ง ได้นำความรู้อันลึกซึ้งในด้าน Agent มาใช้ขับเคลื่อนระบบ สร้างนวัตกรรมแบบพลิกโฉมที่ “เล็กแต่แข็งแกร่ง” โดยงานของพวกเขาได้รับการตีพิมพ์ในงานประชุมระดับแนวหน้าด้าน AI ปี 2026 คือ ICML
ความรู้เชิงระบบระยะยาวจากวงการวิชาการ พบกับความท้าทายและความไวต่อสัญญาณจากวงการอุตสาหกรรม จะทำอย่างไรจึงจะกระตุ้นการปฏิวัติด้านความปลอดภัยของระบบรุ่นถัดไป?
ทีม 0G มีประสบการณ์เชิงผลิตจริงด้านการโจมตีและป้องกันในกระบวนการประยุกต์ใช้โปรโตคอลการให้ความเห็นชอบบนบล็อกเชน; ทั้งยังมีพื้นฐานทางวิชาการอันลึกซึ้งในด้านระบบกระจายประสิทธิภาพสูง การควบคุมการประมวลผลแบบขนานระดับพื้นฐาน และการตรวจสอบรูปแบบของระบบ พวกเขาเข้าใจดีว่าแนวทางแบบดั้งเดิม (เช่น การทดสอบแบบฟัซซิง) มักถูกจำกัดโดยการระเบิดของพื้นที่สถานะเมื่อเผชิญกับรหัสฐานข้อมูลระดับอุตสาหกรรม นักวิจัยหลายฝ่ายจึงตัดสินใจนำความรู้เชิงตรรกะเกี่ยวกับ invariants แบบองค์รวมของระบบกระจายที่สะสมมานานมาเป็น “วิญญาณ” แล้วผสานเข้ากับรูปแบบการทำงานร่วมกันของตัวแทนอัจฉริยะขั้นสูงสุดและสถาปัตยกรรม Harness อัตโนมัติ เพื่อเปิดตัวกรอบงาน Agora ที่เปิดแหล่งรหัสและเท่าเทียมกัน
ในขณะเดียวกัน ทีม 0G ซึ่งเป็นโครงสร้างพื้นฐาน AI แบบโมดูลาร์และเครือข่ายความพร้อมใช้งานของข้อมูลแบบกระจายศูนย์ที่มีประสิทธิภาพสูงชั้นนำของอุตสาหกรรม ได้สะสมประสบการณ์ด้านการป้องกันและโจมตีระดับผลิตจริง รวมถึงตัวอย่างข้อบกพร่องของโปรโตคอลในโลกจริง ในการประยุกต์ใช้งานจริงของโปรโตคอลการให้ความเห็นชอบของบล็อกเชนและสถาปัตยกรรม BFT (Byzantine Fault Tolerance) ที่รองรับการประมวลผลแบบขนานสูง
การผสานรวมข้ามขอบเขตนี้ได้เปลี่ยนกฎของเกมอย่างสิ้นเชิง: มันไม่ใช่การทดสอบแบบใช้กำลังอย่างไร้จุดหมาย หรือแบบโมเดลขนาดใหญ่ที่ขาดความรู้เฉพาะด้านเหมือน “คนตาบอดจับช้าง” แต่เป็นการแปลงสัญชาตญาณเชิงตรรกะของผู้เชี่ยวชาญระบบซึ่งสะสมมานับทศวรรษ ให้กลายเป็นการแข่งขันและการร่วมมือระหว่างเอเจนต์ที่เชี่ยวชาญ ทำให้มีพลังเหนือชั้นในการต่อสู้กับเครื่องมือทดสอบแบบดั้งเดิม
แตกต่างจาก Glasswing ที่ใช้แนวทางที่ต้องใช้ทรัพยากรหนักและกลืนท็อกเก็นระดับสูงจำนวนมาก Agora นำเสนอทางเลือกที่เป็นมิตรต่อธุรกิจขนาดเล็กและกลาง—มันพิสูจน์แล้วว่าแม้โมเดลพื้นฐานจะ “ไม่ดีเท่า” และมีราคาคุ้มค่ากว่า ก็ยังสามารถจับ Deep Bug ที่ซับซ้อนได้ผ่านสถาปัตยกรรมการประสานงานของหลายเอเจนต์ที่มีความเข้าใจเชิงเฉพาะโดเมนอย่างชาญฉลาด!
2. จุดที่ท้าทาย: LLM แบบโมโนลิธิกยากที่จะข้ามขีดจำกัด ระบบกระจายมีดาบดาโมคลีสที่แขวนอยู่เหนือตรรกะระดับลึก
ในยุคที่ข้อมูลขนาดใหญ่ บล็อกเชน และฐานข้อมูลแบบกระจายมีอิทธิพลอย่างยิ่ง โปรโตคอลการบรรลุข้อตกลง (เช่น Paxos, Raft, PBFT ฯลฯ) คือรากฐานพื้นฐานของโลกดิจิทัลทั้งหมด อย่างไรก็ตาม การดำเนินการโปรโตคอลการบรรลุข้อตกลงนั้นมีความยากระดับ「นรก」อย่างชื่อชื่อ แม้แต่โครงการอุตสาหกรรมระดับแนวหน้าอย่าง etcd ที่ผ่านการทดสอบและใช้งานมานานโดยวิศวกรชั้นยอดจากทั่วโลก ก็ยังมี Deep Bug (ช่องโหว่เชิงตรรกะลึกซึ้ง) ที่ทำให้ต้องเหงื่อตก
ช่องโหว่ประเภทนี้แตกต่างจากช่องโหว่การใช้งานทั่วไป เช่น การรั่วไหลของหน่วยความจำหรือการล้นจำนวนเต็ม ซึ่งข้ามหลายขั้นตอนการดำเนินการและพึ่งพาสถานะแบบพร้อมกันที่ซับซ้อน เมื่อถูกกระตุ้นโดยผู้ไม่หวังดี ไม่เพียงแต่จะทำให้ข้อมูลหลักเสียหาย แต่ยังอาจก่อให้เกิดความสูญเสียทางการเงินในระดับหายนะ
แม้โมเดลภาษาขนาดใหญ่ (LLM) ที่ได้รับความนิยมในช่วงไม่กี่ปีที่ผ่านมาจะแสดงประสิทธิภาพที่โดดเด่นในการวิเคราะห์โค้ดทั่วไป แต่เมื่อเผชิญกับการประนีประนอมแบบกระจาย กลับดูเหมือน “สติปัญญาไม่พอ” พวกมันสามารถหาข้อบกพร่องระดับพื้นฐานในโค้ดบางส่วนได้เท่านั้น ในขณะที่面对การพึ่งพาตรรกะระดับโปรโตคอลที่ขึ้นกับสถานะทั่วทั้งระบบ โมเดล LLM แบบเดี่ยวมักติดอยู่ในกับดักของโค้ดบางส่วน และไม่สามารถทำการวิเคราะห์ลำดับเวลาแบบรวมทั้งระบบได้เลย
3. การแตกหัก: สามเอเจนต์ของ Agora และโครงสร้างหลัก Harness
เพื่อแก้ไขสถานการณ์นี้ Agora ได้นำรูปแบบการทดสอบที่ขับเคลื่อนด้วยสมมติฐาน (Hypothesis-Driven Testing, HDT) ซึ่งเป็นที่รู้จักในวงการวิชาการ มาใช้เป็นครั้งแรกในระบบ Agent แบบโมเดลขนาดใหญ่ เพื่อให้บรรลุการให้เหตุผลแบบรวมศูนย์อย่างมีประสิทธิภาพ Agora ได้ละทิ้งรูปแบบแบบ “ทำงานคนเดียว” แบบดั้งเดิมอย่างสิ้นเชิง และแยกกระบวนการออกอย่างชาญฉลาดเป็นสาม Agent ที่มีความเชี่ยวชาญสูง โดยแต่ละตัวมีหน้าที่เฉพาะ
ตัวแทนผู้ประสานงาน (Orchestrator Agent): รับผิดชอบการรักษาสถานะทั่วไปและการใช้ประโยชน์จากช่องโหว่โดยการประยุกต์ใช้กับช่องโหว่ที่รู้จัก;
Strategy Agent (ผู้เชี่ยวชาญด้านกลยุทธ์): รับผิดชอบในการนำความรู้ด้านโดเมนแบบกระจายตัวมาใช้ เพื่อสร้างสถานการณ์ผิดปกติที่มีลักษณะการโจมตีสูงสำหรับโปรโตคอล CFT และ BFT
TestGen Agent (รหัสผู้ควบคุม): ผู้ลงมือทำ จุดสำคัญที่ทำให้ Agora สามารถนำไปใช้งานจริงและสร้างการทดสอบที่มีประสิทธิภาพแบบปิดวงจรได้ คือสถาปัตยกรรมการทดสอบอัตโนมัติหลักของมัน
โครงสร้างของมันแสดงไว้ในรูปด้านล่าง:
ในการออกแบบโดยรวมของ Agora เวทมนตร์แห่งความเท่าเทียมที่ว่า “เล็กแต่ได้มาก” ไม่ได้เกิดขึ้นมาอย่างไร้พื้นฐาน แต่เกิดจากการผสานอย่างลึกซึ้งระหว่างกลไกการโต้ตอบของเอเจนต์อัจฉริยะกับโครงสร้าง Harness การทดสอบ
ทีมวิจัยได้ออกแบบกลไกการสื่อสารและหน่วยความจำที่เรียบง่ายและมีประสิทธิภาพสูง (Succinct Memory & Communication) ภายในกรอบระบบ เพื่อให้แต่ละ Agent สามารถมุ่งเน้นไปที่งานหลักของตนเอง โดยลดการใช้ทรัพยากรในการส่งข้อมูลบริบทที่ไม่จำเป็นให้น้อยที่สุด ภายใต้ข้อจำกัดด้านการสื่อสารที่เข้มงวดนี้ Orchestrator Agent (รับผิดชอบการประสานงานแบบรวมศูนย์และการควบคุมสถานะ) Strategy Agent (รับผิดชอบการสร้างสภาพแวดล้อมและสถานการณ์ผิดปกติแบบกระจาย) และ TestGen Agent (รับผิดชอบการทดสอบโค้ดและการประเมินแบบไดนามิก Evaluation) ทำงานร่วมกันอย่างลงตัว เพื่อขับเคลื่อนและตอบสนองโครงสร้าง Harness:
การรวมกันอย่างสมบูรณ์แบบของระบบอัตโนมัติแบบปิด: เมื่อ Strategy Agent สร้างสถานการณ์การโจมตีแบบกระจายที่เป็นนามธรรมแล้ว ด้วยกรอบการโต้ตอบที่ถูกแยกส่วนอย่างสูง TestGen Agent สามารถเรียกใช้การทดสอบระดับพื้นฐานทันที สถาปัตยกรรมนี้ไม่เพียงแต่มีความสามารถในการปรับตัวตามสภาพแวดล้อมอย่างแข็งแกร่ง สามารถข้ามสภาพแวดล้อมภาษาโปรแกรมต่างๆ เช่น Go และ Rust เพื่อแปลงสมมติฐานการโจมตีให้เป็นการทดสอบหน่วยที่สามารถรันได้จริง แต่ยังมีเทคโนโลยีวงจรการสะท้อนกลับ (Reflection-Loop) ที่มีประสิทธิภาพสูงอยู่ภายใน
เมื่อการทดสอบทำงานผิดพลาดในสภาพแวดล้อม ระบบจะจับข้อมูลสแต็กการเรียกใช้งานและบันทึกการดำเนินการอย่างแม่นยำและแบบเรียลไทม์ แล้วส่งข้อมูลที่ถูกย่อให้กับเอเจนต์เพื่อแก้ไขตนเองอย่างตรงเป้าหมาย การผสานรวมอย่างลงตัวของ “การโต้ตอบแบบเรียบง่ายระหว่างหลายเอเจนต์ + วงจรปิด Harness แบบไดนามิก” ไม่เพียงแต่ช่วยให้ Agora สามารถจับข้อผิดพลาดเชิงตรรกะลึกที่ซับซ้อนที่สุดด้วยต้นทุนโทเค็นต่ำมาก แต่ยังสร้างรายงานวิเคราะห์ที่ละเอียดและมีอัตราการแจ้งเตือนผิดพลาดต่ำมาก
ภาพรวมของการทำงานสุดท้ายแสดงดังนี้:
4. ผลลัพธ์: ค้นพบ Deep Bug ระดับแนวหน้า 15 รายการ โมเดลพื้นฐานของโมเดลขนาดใหญ่ทั้งหมดให้ผลลัพธ์เป็นศูนย์
ผลการประเมินน่าตื่นตะลึง ทีมวิจัยได้ดำเนินการทดสอบอย่างครอบคลุมบนไลบรารีข้อตกลงการประนีประนอมที่มีชื่อเสียงสี่แห่ง รวมถึง etcd ที่ใช้งานจริงและองค์ประกอบพื้นฐานของ Sui สายโซ่ใหม่ล่าสุด โดยเปรียบเทียบกับโมเดลชั้นนำของโลก เช่น GPT-5.2, Gemini 3.0 Pro Preview, Claude Sonnet 4.5 และ Qwen3 Coder
ผลลัพธ์ไม่เพียงแต่ทำให้ระบบคอนเซนซัสของ 0G เองปลอดภัยยิ่งขึ้น แต่ยังแสดงให้เห็นถึงการโจมตีแบบลดมิติอย่างท่วมท้น:
พบความลับเชิงตรรกะระดับลึกใหม่ 15 รายการ: Agora ค้นพบช่องโหว่เชิงตรรกะระดับโปรโตคอลที่ไม่เคยมีใครรู้มาก่อนจำนวน 15 ช่องโหว่ ซึ่งครอบคลุมด้านความเสี่ยงสูง เช่น ความไม่สอดคล้องในการดำเนินการ การละเมิดความสม่ำเสมอ ข้อบกพร่องทางทอพอโลยี และช่องโหว่ลายเซ็น
แบบจำลองแบบดั้งเดิมทั้งหมดล้มเหลวทั้งหมด: เมื่อเทียบกับแบบจำลองพื้นฐาน (แม้จะมีเครื่องมือแบบ ReAct ขั้นสูง) เมื่อเผชิญกับช่องโหว่เชิงตรรกะระดับลึก ทั้งหมดล้มเหลวทั้งหมด (0/15) พวกมันใช้ Token จำนวนมาก แต่กลับหมกมุ่นอยู่กับบั๊กในการดำเนินการรหัสระดับพื้นฐานเท่านั้น
อัตราการแจ้งเตือนผิดพลาดต่ำมากและคุ้มค่าสูงสุด: ในรายงานบั๊กทั้งหมดที่ Agora สร้างขึ้น บั๊กตรรกะที่แท้จริงคิดเป็นร้อยละ 73.9 (อัตราการแจ้งเตือนผิดพลาดเพียงร้อยละ 26.1) น่าทึ่งยิ่งกว่านั้นคือ การค้นพบบั๊กตรรกะระดับสูงที่ทำให้สถาปนิกผู้เชี่ยวชาญต้องผมร่วงทั้งหัว ใช้ทรัพยากรเพียงประมาณ 5.32M tokens (เทียบเท่าประมาณ 40 ดอลลาร์สหรัฐ) เท่านั้น คุ้มค่ามาก
ผลลัพธ์บน LLM หลายตัวแสดงดังนี้:
5. อนาคต: ความสามารถในการขยายตัวสูง บุกเข้าสู่พื้นที่ใหม่ที่ยากลำบากมากขึ้น
ความสำเร็จของ Agora ไม่เพียงแต่เสริมความมั่นใจให้กับความปลอดภัยของระบบกระจาย แต่ยังชี้แนวทางให้กับการนำแบบจำลองขนาดใหญ่ไปใช้งานในอุตสาหกรรมเฉพาะทาง
ที่สำคัญยิ่งกว่านั้น สถาปัตยกรรมของ Agora แสดงให้เห็นถึงความยืดหยุ่นและความสามารถในการใช้งานทั่วไปอย่างสูงมาก ทีมวิจัยเน้นย้ำว่า Agora ยังสามารถถูกนำกลับมาใช้ซ้ำโดยผู้ใช้จำนวนมากในรูปแบบปลั๊กอินหรือสกิลได้อย่างรวดเร็ว โดยในรหัสของเรา (github.com/0gfoundation/agora) มีสกิลที่เกี่ยวข้องให้ใช้งานเพื่อช่วยในการจำลองผลลัพธ์ ไม่เพียงเท่านั้น รูปแบบของ Agora ที่ว่า “โมเดลขนาดใหญ่ + การประสานงานของตัวแทนหลายตัว + การขับเคลื่อนด้วยสมมติฐาน” ไม่ได้จำกัดอยู่แค่ในโปรโตคอลความเห็นพ้องต้องกันเท่านั้น เนื่องจากโครงสร้างพื้นฐานของการควบคุมงาน流 และฐานความรู้ระดับบนและการทดสอบได้รับการแยกออกจากกันอย่างลึกซึ้ง ซึ่งหมายความว่าสถาปัตยกรรมนี้ไม่เพียงแต่สามารถช่วยผู้ใช้จำนวนมากในการดีบักโปรโตคอลความเห็นพ้องต้องกันได้อย่างรวดเร็ว แต่ยังสามารถขยายไปใช้งานในสาขาอื่นๆ ที่เผชิญกับ “นรกของช่องโหว่เชิงตรรกะลึก” เช่นเดียวกัน โดยใช้วิธีแบบ “ปลั๊กแอนด์เพลย์” (Plug-and-Play)
การควบคุมการเข้าถึงพร้อมกันของฐานข้อมูล (Concurrency Control): ใช้ทดสอบข้อบกพร่องของธุรกรรมที่ซับซ้อนในฐานข้อมูลแบบกระจายภายใต้ระดับการแยกตัวสุดขั้ว (เช่น การเรียงลำดับ Serializable)
เคอร์เนลระบบปฏิบัติการ / ระบบแบบขนาน: ค้นพบอย่างลึกซึ้งถึง deadlocks และ race conditions ที่ซ่อนอยู่ในโครงสร้างพื้นฐานแบบหลายเธรด
การตรวจสอบสัญญาอัจฉริยะของ Web3: การสำรวจขอบเขตความปลอดภัยอย่างลึกซึ้งสำหรับโปรโตคอลข้ามโซ่และตรรกะ DeFi ที่เกี่ยวข้องกับแบบจำลองทางเศรษฐกิจที่ซับซ้อน ตลาดความปลอดภัยของบล็อกเชนคาดว่าจะมีมูลค่าประมาณ 8.5 พันล้านดอลลาร์สหรัฐในปี 2026 และได้เกิดผลิตภัณฑ์เชิงพาณิชย์ที่ใช้「ระบบความปลอดภัยแบบตัวแทนหลายตัว」ในการตรวจสอบสัญญาอัจฉริยะ ซึ่งสามารถลดระยะเวลาการตรวจสอบจากหลายสัปดาห์เหลือเพียงไม่กี่ชั่วโมง ความต้องการของตลาดกำลังระเบิด
ยุคความปลอดภัยอัตโนมัติด้วย AI บนโครงสร้างพื้นฐานระดับอุตสาหกรรม อาจเริ่มต้นอย่างเป็นทางการโดย Agora และสถาปัตยกรรม Harness ของมัน
เรามีเหตุผลที่เชื่อว่า Agora สามารถช่วยทดสอบความสามารถของ LLM ในการเขียนโค้ดได้ดียิ่งขึ้นผ่านการค้นพบ deep bug เพิ่มเติมในหลากหลายสาขา และกรณีศึกษา deep bug ที่ค้นพบสามารถช่วยเพิ่มความสามารถในการเข้าใจโค้ดของ LLM ได้
Agora สามารถเพิ่มความปลอดภัยให้กับรหัสฐานข้อมูลที่เป็นพื้นฐานของธุรกรรมทางการเงิน เช่น โปรโตคอลการให้ความเห็นชอบ การควบคุมการประมวลผลแบบขนาน และสัญญาอัจฉริยะ นอกจากนี้ Agora ยังช่วยให้บริษัทเทคโนโลยีจำนวนมากค้นพบบั๊กเชิงตรรกะที่ลึกซึ้งยิ่งขึ้น โดยใช้โทเค็นน้อยลง ประหยัดเงินทุนและมีประสิทธิภาพมากขึ้น!
更重要的是，这恰好抓住了当前最热门的两大赛道：一是多智能体系统正从实验走向生产——Gartner 预计到 2028 年将有超过三成企业软件内置 agentic AI，多智能体平台市场规模将在数年内从百亿级别跃升至数百亿美元；二是「用智能体审查智能体」的智能体化质量管控（Agentic Quality Control）正成为 2026 年的行业标配。
ในบริบทของรายงาน Veracode 2025 ที่ชี้ว่าประมาณ 45% ของรหัสที่สร้างโดย AI มีช่องโหว่ด้านความปลอดภัย และตลาดความปลอดภัยของ agentic AI กำลังเติบโตด้วยอัตราการเติบโตต่อปีประมาณ 42% Agora ช่วยให้บริษัทเทคโนโลยีสามารถค้นหา Logic Bug ที่ลึกซึ้งยิ่งขึ้นด้วยต้นทุน token ที่ต่ำกว่า โดยยกระดับการตรวจสอบความปลอดภัยจากงานที่คิดค่าบริการตามสัปดาห์เป็นความสามารถอัตโนมัติที่จัดส่งตามชั่วโมง
แต่เมื่อโครงสร้างของเส้นทางนี้ค่อยๆ ชัดเจนขึ้น ผู้ที่ได้เปรียบอย่างแท้จริงมักไม่ใช่ยักษ์ใหญ่ที่มีเสียงดังที่สุด แต่เป็นทีมที่สามารถดำเนินแนวทางของตนเองให้สำเร็จเป็นครั้งแรก และสามารถทำซ้ำได้อย่างต่อเนื่อง
คลิกเพื่อเรียนรู้เกี่ยวกับตำแหน่งที่律动BlockBeats กำลังรับสมัคร
ยินดีเข้าร่วมชุมชนอย่างเป็นทางการของ律动 BlockBeats:
กลุ่มสมัครรับข้อมูลบน Telegram: https://t.me/theblockbeats
กลุ่ม Telegram: https://t.me/BlockBeats_App
บัญชีทางการบน Twitter: https://twitter.com/BlockBeatsAsia