当一条漏洞统计曲线开始像股市暴涨一样向上冲刺，真正值得关注的并不只是数字本身，而是数字背后的推手。

开发者 @0x_Osprey 制作了一个网页版 CVE Tracker，将已经获得 CVE 编号的漏洞数量变化整理成可视化图表。从图中可以看到，2026 年以来的漏洞数量走势几乎呈垂直上升，给人一种“漏洞突然变多了”的强烈观感。

一张图看清 CVE 漏洞的加速曲线

CVE 是全球通用的漏洞编号体系。安全研究员、软件厂商和企业都会借助 CVE 编号来追踪、通报和修复安全缺陷。换句话说，CVE 数量变化往往会被视为安全生态活跃度和风险暴露程度的一个窗口。

CVE Tracker 的价值在于，它把原本分散的公开记录变成了更直观的趋势图。更有意思的是，它还将主流 AI 模型的发布时间叠加到图表中，方便观察者判断漏洞上报高峰是否与某些 AI 模型的推出存在时间上的关联。

一个小细节是：这个网站目前只提供深色界面。

AI 模型发布，不一定立刻带来漏洞高峰

虽然图表把 AI 模型发布时间与 CVE 曲线放在了一起，但二者并不能简单划等号。

原因并不复杂：不少 AI 公司在模型正式发布之前，就已经使用测试版本参与漏洞挖掘和上报。因此，某个模型正式亮相的时间点，未必会精准对应漏洞数量的突然飙升。真正的变化，可能早在模型公开前就已经发生。

这也意味着，观察 AI 对安全研究的影响，不能只盯着单一发布日，而要看更长周期内的效率变化和上报节奏。

AI 不是制造漏洞，而是在放大发现能力

科技媒体 gigazine 对此给出的判断是：AI 正在成为安全研究的“放大器”。

过去，漏洞挖掘高度依赖人工经验。安全研究员需要阅读代码、构造环境、复现异常、撰写报告，整个过程耗时且门槛很高。而 AI 的加入，让代码扫描、异常复现和报告整理等环节变得更加高效。那些原本因人力不足而被忽略的软件角落，也正在被更快地检查到。

换句话说，漏洞并没有凭空变多，而是被发现的速度更快、范围更广了。AI 把安全研究从“手工作坊式排查”推向了更高效率的阶段，漏洞发现量自然随之上升。

漏洞报告变多，不等于系统变得更危险

不过，数字上涨并不必然意味着世界变得更不安全。

更多漏洞被上报，可能确实揭开了真实存在的风险；但与此同时，也可能混入大量低质量、重复甚至难以验证的报告。当 AI 降低了提交漏洞的门槛，安全团队和开源维护者面对的压力也会随之增加。

过去的问题可能是“漏洞发现不了”，现在的新问题则变成了“漏洞报告太多，来不及分辨”。

这也给整个安全社区提出了新的考题：在 AI 加速漏洞发现之后，如何甄别有效信息、过滤噪声、避免维护者被海量报告淹没，正在成为比“发现漏洞”更重要的能力。