Nikesh Arora

Arora 的核心论点是：网络安全还处在“起点”，这不是一时行情。 AI实验室正在让模型“秀肌肉”，自动发现并串联漏洞；攻击更容易、防守更难。要让全球基础设施面对“AI攻击的洪流”达到合格防护水平，需要整个网络安全行业。核心数字是：零日漏洞平均55天才能修复，而 Mythos 会在几分钟内发现漏洞并尝试发起攻击；Palo Alto Networks 在 Black Hat 发布了4小时内交付补丁的能力，并向所有客户部署——“从55天缩短到4小时”。

Mythos 事件完成了 Arora 8年CEO沟通都没做到的事，而且在结构上利好在位厂商。 多年来他一直被转给技术团队，如今每位CEO都在追问：“我是否存在漏洞？……为什么我们拿不到 Mythos？”他们会把问题交给现有的“首选网络安全合作伙伴”，这让大厂占据优势。他还反驳了主持人 Molly O’Shea 关于实验室希望放慢开发速度的说法：他的判断是，实验室可能只是希望建立治理框架，以便继续保持开发速度；此前它们试图发布“Mythos 或 Fable 5”时，就曾因模型防护栏设置不当而被拦下。

他在6个月前就宣布，网络安全领域的“SaaSpocalypse”结束了。 当时市场“不加区分地认定每家软件公司都注定归零”，SaaS板块下跌50%；他的边界案例逻辑是：“AI可以在80%的用例上表现出色。我们处在0.1%的用例里……寻找干草堆里的那根针。”但更大的判断是绝对性的：“过去20年的软件都没有自己的观点，因此整个软件行业将在未来10年被重写”，而市场“可能会把哪些公司能活下来判断错一大批”。

在宏观层面，他认为各个维度的需求都被低估——算力、智能、能力——但也承认市场正在给每家公司都按完美执行定价。 他认为，未来10年“运营支出的10%至20%很可能转向技术”，并表示“不相信就业会减少的说法”；但他预计市场大约两年后会“更加挑剔”，未来2年至5年会出现“磕磕绊绊”——类似90年代末，只是时间表被压缩了：“原以为要5年完成的事，可能2年就完成。”

面对市值从他加入时的180亿美元升至 O’Shea 所说的约3000亿美元，他的打法是反向拆解市场对持久增长的预期，然后用两年周期的偏执经营公司。 两年之后，增长的可见度“开始变薄”，这也是 Palo Alto Networks 8年收购40多家公司的原因；有时他也会直接违背市场判断，比如280亿美元收购 CyberArk，市场起初不买账，直到业绩反转，态度变成“我靠，我们喜欢”。他的并购谦逊法则是：“你们把我们打得很惨。来告诉我们做错了什么。来替我们经营这块业务。”

AI转型期的人才机制，是每周两次的“AI I/O”会议：24名顶尖技术人员每次互相授课2小时；此外，公司大约从9个月前开始通过黑客马拉松招人。 筛选标准很直接：“如果你下班回家不自己琢磨……我去哪儿找这些人？”用 AI 原生人才淹没团队，让落后者“自行退出”——他明确拒绝假设三分之一员工“就是学不会”的做法。

他的职业建议既适合引用，也反常识：“真正重要的只有两天：你拿到股票的那天，以及你卖出股票的那天。 其他每一天都只是一个虚荣数字。” Masa 的投资教训至今影响着他：不要把精力耗在修复一家坏公司上，“押中一家涨到4倍的公司，赚到的钱可能比修好一家坏公司更多”。他最后以 Steph 的“下一回合心态”和“因果平静”回应 O’Shea 对其偏执与从容并存的质疑：“人生就是一连串矛盾。”

🔗 原始收听与视频来源： 从 $18B 到 $300B：Nikesh Arora 如何重建 Palo Alto Networks

Airtable 已以12.85亿美元出售给 Bending Spoons。 公司收入4.85亿美元、增速20%，相对2021年110亿美元估值约为2.8倍销售额；但 Jason Lemkin 认为，真正令人震惊的不是价格，而是没有任何私募股权机构出价竞购，尽管 Francisco Partners 刚融资220亿美元，正是为了做这类交易。Nikesh Arora 的判断是：私募股权机构“有一整套想卖给 Bending Spoons 的资产”，而不是和它竞价收购。Jason 对董事会的警告是：这可能触发“一波悄无声息的 airtabling”——增速20%的创始人和投资人开始默默认输。

Leo［很可能是 Aschenbrenner］“趋势判断完全正确，投资组合构建完全错误”。 这是 Nikesh 对 Situational Awareness 基金崩盘的结论：一只规模2.25亿美元的基金，曾一度以4倍杠杆持有450亿美元资产；其公开市场持仓据报被 Ken Griffin 的 Citadel 以160亿美元买下，Ken 据报赚了约30亿美元。“这几乎像是注定会发生的。” Rory 提醒成本基础：早期 LP（Collisons，从第一天就投）仍然赚了钱；“如果你是在4月、5月或6月买入的，你已经被抹掉了”——晚期投资人可能会仔细翻阅文件并提起诉讼。

Anthropic 的模型攻破3家公司，可能开启一轮安全超级周期。 Nikesh 表示，现实世界发现的平均零日漏洞需要55天修复，而模型现在能“在瞬间”找到漏洞；他原本预测这一能力将在6个月后出现，结果4个月就来了，开源蒸馏攻击模型预计再过2-3个月出现。“我花了8年时间试图让 CEO 谈论网络安全……Dario 一举做到了。” Rory 的解读是：去年的安全技术栈已经完全不适用，企业即将大举采购。

“平均智力将变得免费，而且平均智力会变得更聪明。” 卓越智力（治愈癌症、太空数据中心）会获得付费；没人会为客服每百万 token 支付6美元。推论是：“未来3-4年，我们付钱的不会是智力，而是极其昂贵的算力”，而且“土地、许可、能源——这就是未来3到5年会被定价的东西”。就连鸡粪制甲烷产生的能源，也能以倍数价格卖给 hyperscaler。

护城河将从模型选择转向上下文。 Nikesh 未来3-5年的下注对象是组织上下文——向量数据库、转录后的客户案例，以及“比过去任何时候都更多的上下文采集人员”，这样任何前沿模型都可以接入。即将到来的战争是：Satya 希望把上下文放进商品化模型旁边的 harness 里；每家模型公司都希望把上下文放进模型内部。对无法管理切换的企业，答案是：“Bending Spoons。Bending Spoons。”

Q2 对所有卖推理服务的人都很利好： Google Cloud 增长82%，AWS 在大规模业务上增长37%，Microsoft 增长20-30%——4家公司合计带来约1000亿美元新增年化收入；Meta 花了很多钱，却没有明显回报，股价因此遭到下调。 Palantir 增长约100%，订单额增长153%，客户仅1,049家。Nikesh 对约1万亿美元已承诺资本开支的判断是：不是需求问题，而是时间问题——“还可以再押一次轮盘。”

如果 OpenAI 和 Anthropic 未能达到2027年目标，那是错位，不是需求毁灭。 “这就叫买入机会。” Rory 的情景是：Moonshot 以35亿美元融资、350亿美元估值后，在相同算力上以1折 token 价格成为首选模型——“Moonshot 开心，Nvidia 开心，企业开心，OpenAI 非常非常难过。”

🔗 原始收听与视频来源： Leo Aschenbrenner 的 Situational Awareness 引爆｜Moonshot AI 以350亿美元估值融资35亿美元

核心判断：Token价格将下跌，未来3-5年持续降价，最终降至当前水平的1/10。 Arora的逻辑是：算力稀缺，成本已达到“2年前的2-3倍甚至4倍”；其中一半算力用于免费消费者使用，而这部分“本质上在亏损”，因此压力会落在付费的一半——企业编程上。前沿实验室一旦获得足够的后训练数据，就会主动限制消费者使用；Token变便宜后，消费量才会打开——因此，他不愿判断每名开发者的Token支出最终会占薪资的“3.8%还是20%”。

前沿模型的难题在于广度与深度。 消费者对误报“高度宽容”——Gemini只用4分钟就给他写出了一份尚可的投资备忘录——但做出独立决策的企业Agent必须对误报零容忍。Waymo是他的基准：“外面最大的Agent产品”，背后基于数百亿美元投入，训练了互联网之外的边缘案例数据。“你不能把Anthropic的下一个模型装进Mercedes，然后说：‘好了，送我回家。’”编程是唯一普适的企业用例；除此之外，前沿模型要创造收入，靠的是深度。

记忆将成为护城河，争夺焦点在于记忆存在哪里。 前沿模型“未来一两年会花更多时间围绕消费建立记忆”，因为用户上下文会带来黏性。企业的风险在于：如果记忆嵌入模型，就会“被模型锁定，而不是保持模型无关”；而可能帮助企业保持模型无关的编排层，资金实力“远不如这些模型”。

企业AI尚未成熟，大多数买家用错了方法。 超过一半企业只是把AI接到现有工作流上，换取20%的效率提升，而不是重新设计流程；SaaS“没有观点，AI应用会有观点”。他的经验法则是：3年内，G&A职能（营销、财务、人力资源）的人数将减少一半——但技术和销售人员会增加，而不是总人数整体下降。

Mythos是“网络安全的加速器”，不是威胁。 它针对Palo Alto自身代码进行扫描，用6周发现了原本需要5-6年才能找到的问题；但防御性的自动修补“会把30%并不存在的问题也修掉”，因此攻击者获得武器化能力的速度会快于防御者实现自动化的速度。这种不对称会推动安全预算上升；他还表示，不存在一个“云端”或OpenAI端点Agent，能够取代其部署在边界上的1.5亿个传感器。

SaaS重定价体现的是理性困惑，而非过度炒作后的恐慌。 记录系统面临工作流重构，分析层正被数据湖加LLM吸收（Snowflake、Glean、Databricks），而没人知道最终会保留多少席位——“我不知道正确的估值是多少。”至于Salesforce的最好时光是否还在前面：“取决于他们接下来如何执行。”

以当前算力成本，消费者AI未必能靠广告融资。 结合自己在Google担任CMO时的经验：线上广告已经占据约5000-6000亿美元广告市场的60-70%，而市场每年只增长3-5%，因此AI广告收入必须蚕食现有预算。更大的机会在交易收入——平均转化率只有1.5-2%，意味着“85%-90%的营销投入都被浪费了”；消费品成本中有92%来自分销和营销，AI定向可以压缩这部分成本。

快速问答中的Alpha：FOMO压缩了尽调窗口——“你有20年时间投资SpaceX，却只有3年时间投资Anthropic”——对抗它的方法，是采用他一位董事的沉没成本散步法：忽略过去3个月的投入，问自己：“如果它现在才出现在门口……我会不会接，或者不会？”

🔗 原始收听与视频来源： Nikesh Arora谈前沿模型难题：广度 vs 深度｜Token成本的未来

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。

🔗 原始收听与视频来源： Palo Alto Networks CEO：AI在6周内找出5年的漏洞

Claude Mythos 将危险的网络能力从假设变成现实，迫使华盛顿迅速掉头重做安全政策。 传闻中的行政命令将建立类似 Biden 时期的模型发布前审查机制，而 Trump 重返白宫首日就取消了这套机制，此前共和党曾批评相关测试反创新。Casey Newton 的结论是：本届政府的世界观“经不起现实的检验”。

政府仍缺乏连贯的模型开放策略，芯片、承包商、中国和盟友网络安全都面临政策风险。 五角大楼一边推动将 Anthropic 认定为供应链风险，一边安装 Mythos 扫描漏洞；Trump 正在研究向中国开放 Nvidia 芯片，但政府尚未决定是否向中国开放 Mythos。结果是，本届政府“同时在安装和卸载 Anthropic”。

网络防御的时间尺度已从以天计的响应问题，变成以分钟计的基础设施竞赛。 Palo Alto Networks 发现26个关键漏洞利用，涉及75项问题，而通常基线不到5个；Mozilla 4月发布了423项修复，远高于2025年每月约22项的平均水平。Nikesh Arora 表示，传统防御“是按天设计的”，企业必须彻底改造系统，做到“用 AI 对抗 AI”。

Mythos 的威力来自持续算力对多个弱点的串联，但它既不是自动运行的，也并非不会出错。 Arora 称其误报率约30%，只有在 Palo Alto 提供代码用途、预期行为，以及过去5年1万次攻击产生的威胁情报后，模型表现才有所提升。Mythos 与 GPT-5.5 Cyber 找到的问题并不相同，而 Mythos 高度消耗算力的“ultra mode”则让持续试错和“漏洞串联”更加有效。

短期经济账更偏向攻击者，而大规模修复周期需要有规模的网络安全厂商和系统集成商参与。 防守方必须100%正确，攻击者只需要找到1个可用漏洞；防火墙可以提供“临时脚手架”，但开源依赖和无人管理的终端仍然难以及时修补。Arora 预计，企业将经历一轮持续3-6个月的漏洞积压“清理”，IBM、PwC、Deloitte 和 Accenture 等公司将参与其中。

最暴露的，是业务依赖技术、但核心能力在其他领域的企业。 相比资源充足的金融机构，Arora 更担心医院、小企业、工业运营商和诊所——这些“95%在做别的事”的公司往往没有工程师。他以 Change Healthcare 遭遇的攻击为例，说明一次事故如何让整个医生生态停摆。消费电子邮件和电信服务商也需要加强前置拦截，因为 AI 很快会让钓鱼攻击变得明显更逼真。

AI agents 恰恰因为足够有用、能够持有凭证并自主行动，扩大了攻击面。 Arora 称 OpenClaw“从安全角度看很可怕”，因为它可以被授予跨账户行动所需的权限和凭证；他把 OpenClaw 安装在隔离环境中，无法访问日历或邮箱，因此“完全没用”。能力需要访问权限、访问权限又制造风险，这一取舍将决定企业如何部署 agent。

Arora 预计，AI 带来的生产率提升会先扩大工程产出，而不是先消灭工程需求。 功能积压已经排到6-12个月之后，因此30%-60%的效率提升可以用于开发更多功能；已宣布的7%、15%或20%裁员，也可能是在为具备新技能的人腾出空间。他更广泛的判断是，企业将经历“持续10年的转型”，财务等职能的效率提升将为 token 和新增 AI 算力买单。

🔗 原始收听与视频来源： AI 安全强势回归 + 与 Nikesh Arora 共谈 Mythos 乱象 + Hot Mess Express

Nikesh Arora 认为，Google 已为从排序链接转向综合答案做好准备，但真正的不确定性不在产品能力，而在于如何变现。 搜索实现了信息民主化；生成式 AI 如今承诺带来“智能民主化”，而 Google 仍掌握分发、产品能力和 AI 能力。更难的转变，是从围绕文本链接和广告销售线索，转向按消费或“完成的交易”收费，就像 YouTube 在获得庞大分发后才找到自己的商业模式。

Agent 比生成式 AI 更具颠覆性，因为它们可能消除数百万应用促成交易所依赖的界面。 如果 Agent 可以直接预订航班或餐厅，许多应用就会退化为 Agent 之下的 API，或 MCP 客户端—服务器交互。最脆弱的企业，是那些“对 UI 忠诚度很低”的企业：它们的前端很薄，品牌除了展示交易处理器之外几乎没有其他价值。

Arora 表示，只有在能够以企业级准确度执行精确动作时，企业 AI 才能支撑自主工作经济。 消费者可以容忍重新尝试一个错误答案；企业无法接受“我让你关的是那台服务器，不是这台”。他认为，今天的系统仍是有人参与的助手，并设想“AI as a service”应用逐步接管工作流，未来可能按工作量、席位或 Agent 席位收费，而不是立即取代完整职能。

持久的企业 AI 公司需要专有上下文和记录系统，而不只是套在基础模型外面的 wrapper。 通用模型像“来自顶尖大学、最聪明的 PhD”，但仍要学习每家公司的做事方式和领域数据。如果模型的推理能力趋同，只增加护栏或呈现层的 wrapper 可能被模型吸收；掌握工作流、规则和权威数据的系统则拥有更强护城河。

在网络安全领域，AI 会奖励拥有广泛传感器覆盖和全企业上下文的平台，同时威胁狭窄的调查 wrapper。 Palo Alto 的核心判断是：“看不见的东西，就无法阻止”；传感器仍是拦截已知恶意活动、并收集识别未知恶意活动所需数据的基础。调查孤立告警的 Agent 今天可能有用，但 Arora 预计，随着跨域数据让自动诊断更具确定性，集成平台会逐步挤压它们。

AI 正把网络防御变成一场速度竞赛，而许多企业目前正在输掉这场竞赛。 观测到的从锁定目标到入侵并窃取数据的最快路径，已从7年前的3—4天缩短至23分钟，而平均响应时间仍以天计。Arora 表示，89%的攻击源于凭证窃取；相比一次成功登录后无限期信任用户，他更偏好异常检测、即时访问权限和行为信号。

近期最明确的经营杠杆在重复性行政和支持工作，销售以及顶尖产品人才则相对更受保护。 Arora 估计，大型公司可能获得“200、300或400个基点的效率提升”；他认为，优秀公司应通过提升产品质量和诊断能力，在2—5年内争取削减80%—90%的客户支持。编码 Agent 应该加速工程师，而不是淘汰最优秀的工程师：Palo Alto 已经看到一个 Agent 找出漏洞、将500行代码压缩至75行，并解释一段15年前的代码。

Palo Alto 的扩张打法，是平台整合叠加由收购驱动的“分布式研发”。 Arora 将产品组合从4个扩展到24个，组织成3个平台，并收购了27家公司，通常瞄准行业第1或第2名，而且经常让创始人继续担任业务负责人。 其目标，是把一个约有25年历史、高度碎片化的安全行业变成平台市场；但“Agent”究竟意味着什么仍未形成共识，产品方向也因此持续复盘。

🔗 原始收听与视频来源： No Priors | 对话 Palo Alto Networks CEO、前 Google 首席商务官 Nikesh Arora