Palo Alto Networks：艾羅拉直言 Anthropic 的 Mythos 對資安銷售的助益遠勝他 8 年的推廣，並警告前沿模型在經濟效益上無法取代單點產品
高盛 Communacopia + 科技大會發言，2026 年 9 月 10 日
Palo Alto Networks 董事長兼執行長尼凱許·艾羅拉（Nikesh Arora）在高盛 Communacopia + 科技大會（Goldman Sachs Communacopia + Technology Conference）的爐邊對談中指出，Anthropic 的「Mythos」模型如何重塑了客戶對話、他為何認為前沿大型語言模型在核心強制執行（enforcement）市場中面臨結構性劣勢，以及他為何仍對新雲端（neocloud）基礎設施能為資安供應商帶來持久業務抱持懷疑態度。這場座談會剛好在他結束日內瓦行程後舉行，針對 AI 如何重新洗牌資安競爭版圖，以及 Palo Alto 將資源押注在何處，提供了罕見且坦率的細節。
Mythos 引發需求震撼，但真正的產品是多模型框架
艾羅拉表示，Anthropic 的 Mythos 工具在推動資安預算上的成效，甚至超越了他過去 8 年來的四處奔走宣傳。「我花了 8 年試圖說服大家資安很重要。達里奧（Dario）花了一週就辦到了。他顯然比我厲害。對我而言，Mythos 作為行銷工具的效用，勝過我過去 8 年所做的一切，」他說。自 Mythos 推出以來，Palo Alto 已接獲來自約 2,000 家企業的諮詢，涵蓋執行長、資訊長（CIO）和資安長（CISO）層級，所有人都在詢問該工具對自身漏洞暴露情況的意涵。
該公司將自身的基礎設施透過該工具進行檢測，浮現了 1,200 個潛在漏洞，花了 3 到 4 個月才將其篩檢並收斂至每月僅剩少數幾個真正問題的穩定狀態，這與 Mythos 出現前的水平一致。關鍵在於，艾羅拉透露沒有任何單一模型能涵蓋所有漏洞面：大約 60% 的發現來自 Mythos，30% 來自 OpenAI 的模型，10% 來自其他模型，這迫使 Palo Alto 必須建構一個多模型框架（multi-model harness），而不是依賴任何單一的前沿實驗室。這種「發現與修復」的循環目前已被包裝成 Palo Alto 銷售給企業客戶的服務，並成為後續切入平台與 SIEM 討論的敲門磚。
為何前沿 LLM 不會取代單點資安產品？艾羅拉這樣看
艾羅拉強力駁斥了輝達（Nvidia）執行長黃仁勳稍早在台上提出的觀點——即前沿模型代表了資安強制執行點內部的一大商業機會。他的論點聚焦於單位經濟效益（unit economics），而非能力本身。端點資安的定價大約是每席每年 30 到 40 美元，而一部典型的筆記型電腦每天會產生大約 160MB 的流量。「如果你部署一個前沿 LLM 來檢查筆電邊緣每天 160MB 的流量，我懷疑這成本會超過一年 40 美元，」他表示，並補充除非客戶願意為每個端點支付 4,000 美元而非 40 美元，否則前沿模型根本無法在該層級競爭。
他也做出更為鮮明的技術區隔：LLM 是針對主流案例進行訓練，而非極端邊緣案例（edge case），他將這項差距比喻為 Waymo 需要針對其預設分佈之外的情境進行明確訓練。由於漏洞檢測模型的訓練實際上奠基於業界在程式碼助理上的投資，它們非常擅長發現糟糕的程式碼，卻無法分辨惡意意圖與合法測試。他舉 Palo Alto 內部用來模擬攻擊的程式碼為例，模型就會將其錯誤標記。他的結論並非 AI 與資安無關，而是隨著時間推移，「平均智慧將變得免費」，而算力仍是稀缺且有價的投入，這意味著資安供應商將成為嵌入其自身產品中的前沿 tokens 消費者，而不是被它們去中介化（disintermediated）。
平台論點：AI 讓具備整合數據的現有大廠佔據優勢
艾羅拉的核心戰略論點是，AI 能力需要經過縫合的跨領域數據才能在防禦上發揮作用，這在結構上對已經橫跨多個強制執行點的供應商更為有利。他以橫跨筆電、資料中心防火牆與雲端資料庫的假設性攻擊為例，指出這些元件若由不同供應商防禦，在沒有共享數據層的情況下，沒有任何一家能還原完整的攻擊鏈。「總得有人把所有數據收集起來，然後去理解它，」他認為，單一供應商的技術堆疊能原生解決這個問題，而多供應商環境則需要代理程式（agents）去協調其他供應商的代理程式，「這只是一個複雜的解法。」他的定調是：「AI 對擁有平台堆疊的現有大廠更加有利。」
這已經在續約週期中顯現。艾羅拉描述了一種電子郵件流量的案例，客戶正將第三家網路供應商的業務整合至 Palo Alto，僅僅是因為該公司已經掌握了堆疊中三分之二的版圖，這甚至是在沒有發動主動取代（rip-and-replace）活動的情況下發生的。相較之下，SOC（資安營運中心）轉型通常是一次性、為期六個月的專案，而非漸進式的演變。
與更廣泛 AI 基礎設施建置綁定的網路流量順風
當被問及代理流量（agentic traffic）上升對防火牆週期的影響時，艾羅拉重申了 Palo Alto 上一次財報會議中的數據：其 SASE 平台的代理流量成長了 9 倍，但他將其置於更大的論點中：如果在未來五年內花費 5 兆美元建構 AI 算力，流量規模也應相應增加，而當今幾乎所有的企業流量都接受某種形式的檢查，無論是透過 SASE、軟體或硬體防火牆。唯一的例外是程式碼編寫流量。「如果在程式碼編寫方面產生了超過 1,000 億美元的 ARR（年度經常性收入），大多數編寫實例都尚未受到保護。我們必須先去解決這個問題。這塊還沒被解決。」
沒有任何供應商（包括 Palo Alto）建構出 AI 資安堆疊
艾羅拉直言不諱地表示，業界目前尚未出現針對 AI 資安的加值軟體層。「沒有任何供應商（包括我們）擁有完整的堆疊，」他指出，Meta 新發布的 Muse 架構展現了代理資安架構在供應商腳下轉變的速度有多快，光是理解新的整合掛鉤（hooks）就需要 3 到 6 個月，並指出 Anthropic 的 Claude Code 與 OpenAI 的 Codex 目前都未暴露第三方內嵌資安所需的掛鉤。他以此比喻航空安全：「他們發明飛機時並沒有發明 TSA（美國運輸安全管理局）。TSA 花了很長的時間來折磨我們。因此，要開始折磨 AI 廠商也需要一些時間。」Palo Alto 目前從 Prisma AIRS（涵蓋提示詞隱碼注入與模型操控的即時 AI 資安產品）產生約 1,000 億美元（註：原文為 100 million，譯者忠實保留數值 $100 million，此處應為 1 億美元）的營收，但艾羅拉指出更廣泛的代理資安 TAM（總潛在市場）仍在建構中，並警告去年獲得資助的大約 3,000 家 AI 資安新創中，約有 2,000 家將無法存活。
新雲端資安機會比市面敘事所暗示的還要小
艾羅拉對新雲端基礎設施建置作為資安機會抱持明顯看跌的看法。多租戶資料中心需要防火牆來進行分割，但他估計，正在建置的新資料中心容量中，僅有 10% 至 15% 是多租戶，絕大多數都是單一用途與單一租戶。他舉 Anthropic 的做法為例，即直接買斷整個資料中心容量，並自行管理設施間的連線，而無需第三方防火牆。他對企業自行營運的主權 AI 資料中心也抱持同樣的懷疑態度，認為妥善營運這些中心所需的頂尖人才絕大多數都在前沿實驗室，「我認為 92% 的人無法——這就像老師現在得重新改學生的作業一樣，」並警告鑑於底層技術依然動盪，DIY 基礎設施的押注為時尚早。他對新雲端經濟學更廣泛的公開評論相當尖銳，甚至在社群媒體上引發反彈，他提到在主張以股權為資金密集型資料中心建構融資即使目前行得通、經濟效益也很差之後，遭到了他口中「Nebius 愛好者」的抨擊。
併購框架：切入「Token 流」
艾羅拉清晰地闡述了 Palo Alto 併購策略背後的邏輯，包括對可觀測性公司 Chronosphere 的併購。資安通常佔底層 IT 支出的 2% 至 5%，因此若企業 AI 支出朝著 1 兆美元的 ARR 規模發展，即便只捕捉到很小的佔比也非常有價值。「我只需要找到能切入 token 流的東西，」他以數據量作為 token 曝光度的代理指標。他點名可觀測性、SOC 和端點檢查為三大數據業務，並表示 Palo Alto 的併購刻意圍繞著「單次收集數據，並在多個使用情境（包含透過 Cortex 鄰近的 Console 產品處理內部 IT 數據）中進行獲利」來建構。自 2018 年以來，Palo Alto 已完成 47 起併購，現在每年推出約 70 款產品，相較之下，在 2015 年至艾羅拉 2018 年上任之間，幾乎沒有任何有意義的產品創新。
護城河指標與產業整併
當被追問是什麼保護 Palo Alto 免受瞬息萬變市場的顛覆時，艾羅拉指向的是規模指標而非單純的軟體：全球部署了 1.8 億個感測器，且每天透過 Google Cloud 處理 19 PB 的數據。他主張競爭對手必須實際取代這些基礎設施，才能取得市佔率。他指出，資安產業的市值已從 2012 年（當時賽門鐵克 Symantec 持有約 30% 市佔率）的 400 億美元成長到如今的 6,700 億美元，而 Palo Alto 目前就佔了將近 3,000 億美元，這支持了他的觀點：產業持續朝平台供應商集中，而非走向破碎化。他也提出了營運效率的論點，估計受惠於 AI 帶來的生產力提升，Palo Alto 的營運效率可以比小型競爭對手高出 500 到 600 個基點（5-6%），將獲利規模本身形塑為一種競爭優勢。