摘要

Arora认为，Mythos级别的代码分析已经成为现实，可将数年的网络安全工作压缩到数周。 Palo Alto Networks用6周进行测试，发现了通常需要5至7年才能找到的漏洞，成本仅为“低几百万美元”；持续运行“ultra mode”后，还可能将多个漏洞串联成新的攻击路径。他认为，类似能力将在3个月内进入野外，即使现在还没有发生。
分析型SaaS已经“结束”，因为企业可以直接让语言模型处理自己的数据。 Jason提到，他所在公司把一个无人使用的20席位产品缩减为3个账户，将数据接入Slack和Claude，账单降低90%；下一步是把销售、生产力和SAP库存数据放在一起查询，而不是分别购买分析模块。
随着AI摧毁上层分析层，基础设施软件的价值反而会上升。 Arora预计，未来3年企业存储的数据量将增加10倍，Databricks、Snowflake、MongoDB和Oracle等数据库与平台将因此受益。工作系统和记录系统已经深度嵌入企业，但未来5年，它们的界面和工作流可能围绕智能体重建。
模型层正走向按量计费的公用事业经济，而应用层将吸收利润池。 买家会以截然不同的价格购买不同级别的智能，应用公司则在模型之间进行调度，并提供企业所需的工具链、记忆能力和面向具体业务的可靠性。最快的收入路径，是替代一项已有预算的产品，或向消费者按每用户约$5收费。
由于攻击场景可以容忍防御系统无法接受的错误率，网络风险正在不对称上升。 Arora称，MSO的误报率约为30%——用于发现潜在攻击路径很有价值，但用于理赔或保护车辆则是灾难；而他的业务目标是0.01%，最终达到0%。与此同时，89%的攻击或数据泄露仍始于凭证被盗，而不是复杂漏洞利用。
Arora认为，Google有望成为首家1万亿美元公司，因为它同时拥有模型、资产、基础设施和企业分销能力。 单靠模型质量无法拿下客户；推动采用所需的销售力量掌握在超大规模云厂商手中。硬件也不会消失，因为金融服务业的低延迟、高吞吐工作负载无法在不牺牲经济性的情况下简单迁移到云端。
PANW由AI驱动的经营杠杆可能扩大其并购范围。 Arora描述了过去收购产品公司、再通过PANW的上市引擎推动销售的打法。如果PANW能以高得多的效率运营企业，收购什么的重要性就会下降；Jason将潜在经济模型概括为90%区间的毛利率和40%区间的净利率。Arora希望用6至12个月观察企业AI最终如何落地。他的保留意见是：AI转型可能需要更多技术员工，而不是更少。

精读

1. Mythos将数十年的糟糕代码变成即时攻击面

Arora的框架始于Google Search让信息民主化；如今AI正在“让智能民主化”。它可能让250名营销人员的产出保持90%的一致性，也可能让5,000名面向客户的员工都接近那个人人点名要合作的同事的水平。
PANW的6周Mythos测试发现了漏洞；按其既有流程，这些漏洞需要5至7年才能被挖出——尽管Arora认为PANW的代码测试能力已处于行业顶尖百分位。测试成本处于“低几百万美元”区间，而持续运行“ultra mode”后，单个漏洞还可能被串联起来，形成一条穿过整家公司的新攻击路径。
主持人提出红队挑战：如果这种能力泄露出去会怎样？Arora给出的估计非常直接：“我们距离那一步还有3个月，如果现在还没有发生的话。”主持人原本估计是6个月；Arora提到了模型4.8和5.5，并指出攻击者不需要攻破最难的目标，一个老旧的工业边缘系统就足够了。
随之而来的竞赛，是防守方在攻击者利用漏洞之前发现并修补它们。被问到防守方做得如何时，Arora回答：“没有我们本该做得那么好，这对我们的业务非常好。”Jason说，CISO们同时要应付供应商补丁、自有代码，以及一个没人真正知道该如何解决的开源软件问题。

2. 网络安全最脆弱的环节，是普通的经济基础设施

Arora不接受把每个威胁都描述成前沿模型战争：89%的攻击发生，是因为凭证被盗。“我不认为我们需要更多模型去破解这些东西”——普通的用户名、密码和被忽视的系统，已经提供了足够多的入口。
他更担心的不是防守严密的国家安全目标，而是运行打包软件的牙医或医生诊所。Change Healthcare遭到攻击后，医生办公室无法正常运转，UnitedHealth不得不提供数十亿美元的抵扣额度；这就是经济混乱的模板。
“不存在万能解法”：系统必须持续升级、续期和修复。漫长的修复周期会“提高这个行业的终端价值”；而有效的AI防御要求企业收集大约10倍的网络安全数据，让模型学习组织记忆、上下文，以及正常行为与恶意行为之间的区别。
误报是区分“令人印象深刻的模型”和“可靠防御”的门槛。Arora称，MSO的误报率约为30%；他认为这对攻击来说“很棒”，对防御来说却“糟糕透顶”。企业级工具链必须把10%-20%的错误率推向0.01%，网络安全最终则要逼近0%，同时不能牺牲对漏报的控制。“我不会让我的孩子”坐上一辆错误率为10%的自动驾驶汽车。

3. 分析型SaaS已死，但基础设施更有价值

Arora的判断是绝对的：“如果你是一家分析型SaaS公司，那就结束了。”当客户可以直接让LLM处理底层数据时，那些收集客户数据、再把分析作为增量市场模块卖回去的产品，就失去了存在理由。
Jason给出了一个具体案例，也体现了其中的经济账：他的公司原本有20个SaaS席位，几乎没人登录，但数据本身仍然有价值。公司保留3个账户，把产品接入Slack和Claude，让所有人通过自然语言与其交互，并将账单削减90%。
最终形态，是把销售代表表现、生产力和SAP库存放在同一数据层中，从而回答过去需要跨越3个SaaS产品才能提出的问题。因此，Arora认为基础设施“被低估”：如果企业在未来3年持有10倍的数据，Databricks、Snowflake、MongoDB、Oracle、数据库和存储都将受益。
Arora把中间这一类称为“工作系统”或“记录系统”，认为它们已经深度嵌入企业运行方式。但如果智能体能够工作，UI可能会消失：智能体应当提取销售电话内容、更新Salesforce或Oracle，并自动完成文书工作。他预计，未来5年，整个工作系统和记录系统都将被重新发明。

4. 模型成为公用事业，应用层吸收利润

Arora预计，模型将变成一个公用事业层，企业可以“随时购买智能”：日常工作使用更低智能、低成本的模型，更复杂的任务则对应高得多的价格。客户电话并不总是需要最新、最昂贵的模型。
主持人问，OpenAI和Anthropic是否应该成为新的Microsoft Office。Arora的答案是，专业应用公司会在模型之间进行调度，并打包工具链、记忆能力和工作流——因为50,000家公司需要相似的应用，不应该各自重建一遍。
Arora称，一家模型公司的CEO曾告诉他，最新模型的完整权重可以装进一根USB盘；他称权重就是“IP”。随后Jason提出，数据可能在24到48小时内完成蒸馏并复现模型，但这是Jason的框架，不是Arora的判断。
Arora认为，在全球竞赛中限制前沿模型发布3到6个月，并不能解决安全问题，因为其他人可以把相当的模型发布到开源社区。编码已经成为第一个爆发式应用，网络安全是另一个显而易见的利润池，而数百亿美元规模的传统应用软件正等待重构。他看到最快的两条收入路径：替代一款已有预算的现有产品，或向每名消费者用户收取约$5——“替代型应用很美”。

5. Google拥有冲击1万亿美元的资产，硬件也将持续存在

Arora以“临时CEO”的视角称，Google被低估了，并有能力在他们有生之年成为首家1万亿美元公司。他的逻辑是分销：即使模型最好，也需要销售团队说服企业采用；而3家超大规模云厂商已经拥有最大的销售队伍。
硬件仍是处理低延迟、高吞吐数据的最低成本方式。大型金融机构仍在使用硬件，因为把金融服务工作负载迁移到云端会增加延迟，而“如果延迟上升，利润就会下降”。
瓶颈在生产而非设计：GPU数据中心建设潮已经让零部件和工厂排期堆积。Arora估计，重建美国供应链可能需要10年，但这场“人生级的暴利机会”以及100亿美元至1000亿美元不等的承诺，可以为新产能提供资金。Friedberg补充称，加速折旧也是激励的一部分，资本开支可以在第1年100%抵扣。

6. AI可能扩大PANW的并购范围，同时推高员工数量

PANW最初的并购打法，是买下产品公司、重构其后端，再通过自身的上市引擎推动销售——把一段1,000万美元的客户关系变成潜在的2,000万美元关系。Arora称，这套方法曾推动公司市值超过1,500亿美元；之后PANW在判断身份系统对智能体和安全用例重要后，收购了一家250亿美元的公司，该交易已于3个月前完成。
新机会更广：如果PANW能利用AI运营一家效率高得多的企业，其经营利润率可能足以超过行业水平，从而让更大范围的并购变得可行。Jason将潜在经济模型概括为90%区间的毛利率和40%区间的净利率；Arora认同，如果公司能破解这套模式，收购什么就没那么重要了。
Arora表示，公司需要接下来的6至12个月观察AI最终如何落地，以及它能多有效地用于企业，然后再扩大业务菜单。他也否定了简单的削减劳动力叙事：PANW如今的技术员工数量，比没有AI时本来会拥有的数量还多，因为AI正在推动全公司的转型。

Gavin Baker 在 Mission Control 专访 SpaceX CFO Bret Johnsen 突发局势：Anthropic的全球暂停呼吁、递归自我改进与AI法律人格到来