人工智能研究者、天使投资人郭涛则向记者表示，此事表面是产品交互设计疏漏，背后折射出AI编程赛道普遍存在的合规伦理短板。在赛道高速扩张阶段，厂商优先迭代产品能力，把功能落地置于数据安全之前，许多产品的默认配置倾向于最大化获取本地项目数据，以降低AI读取代码的使用门槛，将数据选择权后置交给用户。

在郭涛看来，目前多数厂商并没有把最小必要原则前置到产品立项阶段，默认上传数据并非个案；同时行业缺少统一落地标准，对本地索引与云端上传的边界界定模糊，厂商自主裁量空间很大。该矛盾不会仅仅局限于单家企业，随着越来越多企业开发人员采用AI编程工具，若行业不主动规范产品默认策略，同类数据隐私争议还会持续爆发。
郭涛向澎湃新闻记者表示，未来一至两年，AI编程工具赛道最值得警惕的重大安全事件，并非单纯的代码泄露，而是借助编程智能体作为跳板入侵企业内部生产环境。AI编程工具深度对接企业代码仓库与内网开发环境，一旦权限管控失效，恶意指令便可驱动工具批量读取仓库密钥、配置文件，自动完成代码修改、提交部署，形成自动化攻击链路。

其次是供应链层面风险：大量企业复用AI生成组件，模型内置的隐性漏洞会通过开源代码快速扩散至成千上万企业系统，形成跨企业的群体性安全事故。不同于普通大模型对话内容泄露，编程智能体风险直接传导至生产业务，事件一旦爆发，造成的产业损失和影响范围将显著大于普通大模型安全事故。AI会成为人类社会的新威胁吗 AI的破坏力到底有多大 人工智能