AI-native带来网络安全扰动，但更大机会来自攻击面扩张

概览

本报告讨论AI-native模型和产品发布对网络安全行业的影响。Morgan Stanley认为，AI既会创造新的挑战者，也会扩大攻击面并强化企业对检测、响应、身份和数据治理的需求。尽管网络安全股票近期因AI-native安全相关公告而回调，报告判断增量AI安全需求带来的机会大于被替代风险。

核心观点

核心观点是：AI-native更可能扰动漏洞发现、应用安全测试、云安全姿态管理等预防型安全环节；但网络、身份、访问控制和运行时检测响应需要低延迟、确定性和专有数据，现有平台厂商更具防御性。AI会加速漏洞发现，但发现漏洞不等于成功利用漏洞，现代企业仍依赖多层防御、EDR、XDR和身份控制来阻断攻击执行。

分析框架

报告用网络安全市场分层框架评估AI扰动与增量需求：将市场划分为预防型安全、控制点/边界安全和运行时检测与阻断，并比较各层对AI-native模型的可替代性、成本结构、延迟要求、数据优势和预算来源。报告还结合企业安全预算、AI攻击面扩张、非人类身份治理、平台整合和估值方法讨论相关公司定位。

方法论与常识提炼

• 行业分层Prevent / Control Point / Runtime

  网络安全按执行前、入口控制和执行中防御分层

  预防型安全包括漏洞管理、应用安全测试和云姿态管理；控制点安全包括防火墙、零信任、身份访问管理和数据防泄漏；运行时安全包括EDR、XDR、SIEM、SOAR、NDR和MDR。报告认为越接近实时执行层，越难被当前AI-native模型替代。

• 投资判断AI opportunity versus AI disruption

  比较AI安全增量需求与AI-native替代风险

  报告估计AI带来的增量网络安全机会约2200亿美元，并认为这大于约10%市场面临的AI-native扰动风险，因此净影响偏正面。

• 公司筛选AI security platform defensibility

  以平台规模、AI产品速度、运行时执行和灵活定价筛选受益者

  报告偏好具备清晰agentic security路线图、快速AI产品发布、运行时执行能力、专有数据优势和消费式/灵活定价模型的厂商。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• CrowdStrike Holdings Inc (CRWD)

  受益于AI安全与运行时检测需求

  优势

  端点、XDR和平台化能力较强，Falcon Flex等灵活定价有助于降低新模块采用摩擦。

  劣势

  高端定价可能受到低成本替代品和竞争压力影响。

  对比

  相较AI-native模型，CRWD的优势在实时检测、专有安全数据和企业级执行能力。

  风险

  新客户获取更难、端点需求弱于预期、低成本替代方案压缩溢价、招聘环境偏弱影响增购。

• Palo Alto Networks Inc (PANW)

  受益于平台整合、网络控制点和AI安全能力扩展

  优势

  网络安全、下一代防火墙、SASE、Cortex和Prisma等平台覆盖广，适合承接企业安全整合需求。

  劣势

  防火墙更新周期放缓可能影响增长。

  对比

  相较点状工具，PANW更能把AI安全能力嵌入既有网络、云和分析平台。

  风险

  防火墙更新慢于预期、竞争加剧导致销售和营销投入增加、利润杠杆受限。

• Okta, Inc. (OKTA)

  受益于身份安全和非人类身份治理

  优势

  身份访问管理基础较强，AI代理、API和机器身份增长提升身份治理重要性。

  劣势

  成熟增长特征使估值相对安全软件高成长公司折价。

  对比

  与传统人类用户身份管理相比，AI时代需要对代理和机器身份进行持续验证、最小权限和实时审计。

  风险

  整体安全支出显著放缓、大型厂商如Microsoft竞争增强、执行问题修复慢于预期。

• SailPoint Inc (SAIL)

  受益于身份治理、机器身份和数据治理相邻市场

  优势

  企业IGA和身份治理能力可延伸到机器身份、数据治理和AI代理访问控制。

  劣势

  核心IGA之外的扩展成功仍需验证。

  对比

  在AI环境中，身份治理从认证扩展到生命周期管理、权限控制和行为审计，提升SAIL相关性。

  风险

  相邻市场拓展不及预期、联邦相关敞口带来压力、维护客户迁移慢于预期。

关键数据

• AI驱动的增量网络安全机会$220bn报告认为AI扩大威胁面带来的机会显著高于被扰动市场。
• 面临AI-native扰动风险的市场比例~10%主要集中在预防型安全，如漏洞管理、应用安全测试和云姿态管理。
• AI生成攻击占比80-90%报告称攻击已经高度AI化，推动检测、响应和身份安全需求。
• 当前网络安全市场规模~$300bn包括服务，约占整体IT预算6-7%。
• 控制点安全TAM占比~50%包括网络、身份、访问和数据控制。
• 运行时安全TAM占比~40%包括EDR、XDR、SIEM、SOAR、NDR和MDR等执行中检测与响应能力。

影响与含义

对投资含义而言，AI-native公告短期压制网络安全股票情绪，但报告认为这更像历史上云厂商进入安全领域时的扰动周期，而非对核心平台的结构性替代。若企业加速部署AI代理和生成式AI应用，运行时防护、身份治理、数据安全和平台化安全预算可能持续上升，利好具备端点、网络、云、身份和数据覆盖能力的头部厂商。

风险

• AI-native模型可能在预防型安全领域推出更完整的独立产品，压缩传统厂商空间。
• 模型、数据访问和预发布合作可能引发价值转移，但目前协议结构和长期影响透明度有限。
• 若企业安全预算放缓，增量AI安全需求可能不足以抵消传统支出压力。
• 大型平台厂商和Microsoft等竞争者可能加剧身份、网络和安全平台竞争。
• 高频、低延迟安全场景若被更低成本模型突破，现有运行时和控制点厂商的防御性可能下降。

后续跟踪

• AI-native厂商是否从漏洞发现扩展到可商业化的独立安全产品。
• CRWD、PANW、OKTA、SAIL的AI安全路线图、产品发布节奏和客户采用情况。
• 企业是否把预算从碎片化点状工具迁移到综合平台。
• 非人类身份、AI代理治理、提示过滤、模型监控和数据泄露防护的实际采购规模。
• 预发布模型合作和数据共享安排是否限制网络安全厂商对衍生洞察的商业化。
• AI推理成本、延迟和准确率是否足以替代高吞吐、实时安全工作负载。