高盛都在怕的事：AI写的代码，到底埋了多少雷
11月3日的一条新闻很有意思：高盛开始收紧内部业务人员使用AI编程工具的权限。连华尔街顶级投行都怕了——怕的不是AI不好用，而是AI生成的代码里藏着看不见的雷：安全漏洞、许可证风险、合规问题，爆一个就是大事。
这恰恰说明了一个正在成型的市场：企业一边离不开AI写代码（效率提升是实打实的），一边又不敢全信。中间的空隙里，站着一个新职业——第三方AI代码审计。不替你写代码，专门审查AI写出来的代码有没有问题。按次收费500到3000元，或者按月订阅，一个小而美的生意模型已经跑通了。
审计到底审什么：三类真金白银的风险
很多人以为代码审计就是"看看有没有bug"，那是十年前的理解。AI时代的审计，审的是三类更要命的东西：
第一，安全漏洞。 AI生成代码有个臭名昭著的毛病：它会写出"看起来能跑"但不安全的代码。SQL注入、XSS、硬编码密钥、不安全的反序列化——这些经典漏洞在AI生成的代码里出现频率一点不低。OWASP这几年反复提醒过，AI生成的代码引入漏洞的概率显著高于人工review过的代码。
第二，许可证风险（License风险）。 大模型训练数据里混着大量开源代码，生成的代码片段可能"撞车"GPL等强传染性许可证。一旦这类代码进了商业产品，理论上整个项目都可能被要求开源。对要融资、要被收购的公司来说，这是致命伤。
第三，合规与数据问题。 金融、医疗、出海App，都有各自的数据合规红线。AI可能在你没注意的地方调用了境外服务、记录了敏感日志、或者用了不符合GDPR的数据处理方式。这些问题，开发团队自己天天看代码，反而容易灯下黑。
服务拆解：一单审计具体做什么
一次标准的AI代码审计服务，大概长这样：
1. 范围界定：审哪个仓库、哪个版本、重点模块是哪些。按次收费的项目，一般限定在5万行代码以内或核心模块。
2. 自动化扫描：用SAST工具（Semgrep、SonarQube、CodeQL这类）先跑一遍，抓出明显漏洞。这是效率来源，一台机器一晚上能扫完人一周的量。
3. 人工复核与AI专项检查：机器扫不出来的东西，比如业务逻辑漏洞、许可证撞车、AI特有的"幻觉式API调用"（调用了根本不存在的库函数），靠人工+经验判断。
4. 风险评级报告：按高/中/低分级，每个问题给修复建议。报告是交付物，也是你专业度的证明——写得好的报告，客户会拿着去跟老板申请预算，顺带给你介绍新客户。
5. 复检（可选）：修复后跑一轮复检，确认高危项清零。
按次收费500到3000元，对应的是中小项目的单次审计；按月订阅一般是每月几千元，适合持续迭代的SaaS团队，相当于给他们配了个兼职安全顾问。
工具链与获客：轻资产也能跑
这门生意最友好的一点是轻资产：不需要服务器、不需要雇人，一个人+一套工具链就能开张。
工具链分三层：开源SAST工具打底（Semgrep、Trivy、Gitleaks扫密钥），商业工具按需租用（接大单时再买license，别提前烧钱），再加上你自己的检查清单（checklist）——把AI常犯的错误类型沉淀成清单，这是你的核心know-how，也是别人抄不走的东西。
获客盯三类客户：出海SaaS团队（要过欧美合规，最舍得花钱）、拿了融资的中小厂（投资人开始问安全问题了）、接政府/国企项目的软件公司（投标需要安全承诺）。获客渠道很直接：技术社群分享、给开源项目做免费审计换口碑、在程序员聚集的社区输出"AI代码翻车案例"系列内容。安全圈子很小，口碑传得很快。
风险提示
责任边界是生死线，必须写进合同。 审计的本质是抽样+经验，不可能保证100%无漏洞。合同里必须明确：审计是"风险发现服务"，不是"安全担保"。审漏了谁背锅？提前约定：你对"未按约定范围和方法发现的已知类型问题"承担有限责任，但不为客户全部安全问题兜底。没有这一条，一个大漏洞就能让你赔到破产。
别碰需要资质的等保测评。 等保（三级等保测评）是有准入门槛的，需要专门的测评机构资质。你的服务定位是"AI代码专项审计"，千万别在宣传里写"等保"两个字，超资质经营的麻烦比没单子大得多。
别为了成单承诺"包过"。 有些客户会问"审完能不能保证过XX检查"，一律回答：我能保证的是按行业最佳实践把已知风险找出来并给修复方案。承诺结果的审计，最后都会变成纠纷。
写在最后
AI代码审计这个生意的逻辑很简单：AI让写代码变便宜了，但让"信任代码"变贵了。高盛收紧权限只是一个信号——当所有公司都在用AI写代码，"谁来证明这些代码是安全的"就会变成刚需。
它的天花板不在技术，而在信任。起步阶段拼的是你的案例和报告质量：前三个客户，哪怕低价也要做出能当作品集的报告。等"AI代码翻车"的新闻再多几条，主动找你的人会比你想象的多得多。记住，你卖的不是扫描，是让CTO晚上睡得着觉的确定性。
