随着 AI 威胁加速，CrowdStrike 和 Palo Alto Networks 创下新高

CNBC reported称，在 Black Hat USA 2026 凸显出一场主导网络安全报道的较量后，CrowdStrike 和 Palo Alto Networks 均进入历史新高区间：人工智能正在让攻击者行动更快，但投资者愈发认为，同样的加速将成为成熟安全厂商的销售引擎。

这种解读扭转了 2026 年早些时候令软件股承压的一种担忧。当时投资者担心，先进模型会取代安全技术栈的部分环节。Black Hat 反而凸显出，保护 AI 应用、自主代理、身份、云工作负载以及模型本身的需求正在增长。

市场反应并不能证明任何一家公司将主导这一新兴类别。它表明投资者已经改变了问题。与其问 AI 是否会抹去安全软件，他们现在问的是：哪些厂商能够控制 AI 所创造的更大攻击面。

这种区别对买方和股东同样重要。CrowdStrike 和 Palo Alto Networks 销售的是不同的安全架构，但两者都承诺围绕广泛平台实现整合。Microsoft、Cisco、Google 以及专业厂商也在争夺同一批企业预算。

因此，核心竞争并不是 CrowdStrike 对阵 Palo Alto Networks，而是安全平台承诺的 AI 辅助控制能力，与 AI 所引入的运营复杂性和攻击速度之间的较量。

Black Hat 如何改变 Google News 的报道

Black Hat 让 AI 安全从产品宣传变成了加速攻击与自动化防御之间一场可见的竞争。

Black Hat USA 2026 于 8 月 1 日至 8 月 6 日在拉斯维加斯的 Mandalay Bay 举行。其公布的议程包括专门的 AI Summit，以及“AI & Autonomous Threats”专题赛道。

这一议程将 AI 与云安全、应用防御、硬件攻击和事件响应并列。它不再只局限于有关未来风险的主题演讲。

大会的 AI Summit 聚焦人工智能如何改变攻防两端。参展商展示了用于模拟网络钓鱼、深度伪造培训、自动化调查以及保护 AI agents 的系统。

Palo Alto Networks 将对抗性 AI 描述为一种力量，它让技能较低的犯罪分子也能构建极具说服力的攻击活动。该公司在 Black Hat 材料中称，这类活动可按机器速度运行，有时比传统方法快十倍。

这一数字来自该公司自身的事件响应观察，因此不应被视为全行业的衡量标准。但它仍反映出安全团队面临的压力。

AI 缩短了研究目标、生成可信信息、修改恶意代码和测试替代方案所需的时间。攻击者无需维持庞大的人力团队，便可反复执行这些步骤。

实际变化并不是出现了完全自主的黑客，而是人类攻击者能够将更多准备、试验和沟通工作交由软件完成。

防御方也在采用类似方法。安全 agents 可以总结告警、关联证据、提出行动建议，并执行获批准的响应。agent 是通过多个步骤追求目标的软件，而不只是给出单一答案。

这种对称性有助于解释市场反应。能力更强的 AI 并不只是削弱成熟网络安全公司。它提升了可信数据、策略控制、身份上下文和经授权响应系统的价值。

CrowdStrike 通过其云端安全平台 Falcon 拥有广泛的端点遥测数据。Palo Alto Networks 覆盖网络、云、运营和 AI 应用安全。两家公司都可以主张，当 AI 跨越其现有数据运行时会更有用。

但大会也揭示了一个严峻限制。AI 助手并不能仅仅因为能够描述事件，就安全地修复每一条告警。企业仍然需要授权规则、审计追踪和人工问责。

因此，Black Hat 释放的信号比股票叙事所暗示的更为审慎。AI 扩大了可解决问题的范围，但不会自动提供可靠的解决方案。

当一则 google news 标题将事件压缩为创纪录的股价时，这种细微差别可能会消失。更重要的发展发生在市场波动之下：安全平台获得了一个需要防御的新工作负载。

该工作负载包括提示词、模型、检索系统、agent 身份、工具权限和数据连接。每个组件都创造了一个错误或恶意指令可能进入的新位置。

这一更广泛的攻击面，为安全厂商构建或收购新能力提供了令人信服的理由。它也为能够更好解决单项 AI 风险的专注型专业厂商创造了空间。

结果是一个规模更大、但尚无定论的市场。Black Hat 让这种不确定性变得可见，尽管投资者奖励了规模最大的上市厂商。

更快的 AI 攻击提高了安全团队面临的风险

最有力的需求论据在于响应时间缩短，而不是有关完全自主网络犯罪的戏剧性说法。

CrowdStrike 的 2026 年威胁研究称，观测到的 eCrime 平均突破时间已降至 29 分钟。突破时间衡量的是入侵者从最初遭入侵的系统移动到环境其他部分的速度。

该公司还报告称，观测到的最快突破时间为 27 秒。在另一起事件中，据称数据外泄在初始访问后的四分钟内便开始。

这些数字来自 CrowdStrike 自身的客户和威胁情报可见性。它们并未覆盖全球所有入侵事件，但仍说明人工调查为何可能变得过慢。

另一份技术威胁报告称，科技行业是 CrowdStrike 数据集中遭攻击最多的行业。该公司将针对该行业的国家支持型定向入侵中逾 58% 归因于与中国有关联的对手。

该报告将 AI 与多种风险联系起来。攻击者瞄准模型研究、专有数据、开发者凭证、云资源，以及用于训练或提供模型服务的基础设施。

软件开发环境尤其有价值。遭泄露的令牌或恶意依赖项可能提供对代码、部署系统和生产数据的访问。

AI agents 可能扩大这种暴露，因为它们往往连接多个系统。一个工作场所 agent 可能读取电子邮件、搜索云存储、更新工单并调用内部服务。

操纵该 agent 的攻击者可能无需逐一攻破每个已连接的应用。agent 获批准的访问权限可能成为它们之间的通路。

这正是身份正在走向 AI 安全核心的原因。企业必须知道某项操作来自人员、服务账户还是自主流程。

它们还必须确定，该行为主体在事件发生的确切时间被允许做什么。当 agents 能够跨多个工具发起长序列操作时，静态权限提供的保护有限。

CrowdStrike 的立场是，端点、身份、云和威胁数据应汇入共同的决策层。其 Charlotte AI 系统将生成式 AI 应用于调查和安全运营。

Palo Alto Networks 则凭借更广泛的网络和云业务版图提出类似的平台主张。其 Prisma AIRS 产品组合面向 AI 应用、模型、agents、提示词和运行时活动。

运行时安全系统会在应用运行时对其进行观察。它可以在应用完成前阻止恶意提示词或工具操作。

两种方法都回应了一项真实限制。安全运营中心收到的告警已经超过许多团队能够人工审查的数量。更快的攻击让延迟分诊更加危险。

自动化提供了缩短响应时间的路径，但也引入新的失效模式。即使没有攻击者存在，错误隔离生产服务器的系统也可能造成损害。

2024 年 7 月的 CrowdStrike 宕机仍是最重要的历史参照。一项有缺陷的内容更新影响了全球 Windows 系统，并扰乱了航空公司、医院、银行和其他组织。

该事件并不涉及生成式 AI。但它展示了当一个受信任的安全平台能够跨数百万台机器实施更改时所带来的集中化风险。

AI 驱动的修复提高了这一教训的重要性。更高速度可以改善遏制效果，但也可能在人类介入前传播错误决定。

因此，安全厂商需要限制 agent 权限范围的控制措施。买方应关注审批阈值、可逆操作、详细日志和经过测试的回退程序。

市场看到了对这些能力不断扩大的需求。安全领导者则看到了随之而来的运营负担。这种差异解释了为何创纪录的股价和焦虑的会议讨论能够并存。

CrowdStrike 和 Palo Alto 借助平台应对复杂性

投资逻辑假设，广泛的安全平台能够比 AI 制造复杂性的速度更快地降低复杂性。

CrowdStrike 围绕端点检测与响应建立了自身地位。EDR 持续监控设备的可疑行为，并支持调查或遏制。

Falcon 平台随后扩展至身份保护、云安全、暴露管理、日志分析和其他领域。其共享架构使客户无需为每项功能部署独立平台，便可启用更多模块。

Palo Alto Networks 起步于网络防火墙，并通过 Strata、Prisma 和 Cortex 扩展。上述业务覆盖网络控制、云环境和安全运营。

该公司推动“platformization”，即以更少的战略供应商整合多项安全功能。这一方法旨在替代彼此割裂的产品及其独立数据存储。

其 2026 财年报告提供了买方正在采用较新服务的证据。Palo Alto Networks 在其第二财季后预计，下一代安全年度经常性收入将接近 79.5 亿美元，同比增长 56%。

年度经常性收入衡量订阅合同年化后的价值。它有助于投资者评估经常性需求，但并不等同于已确认收入或已收取现金。

后续的业绩演示称，Prisma AIRS 已扩展其 agent 安全功能。材料列出了 agent 扫描、红队测试、运行时保护、可观测性和态势管理。

红队测试通过模拟敌对行为来检验系统。对于 AI agent，这可能包括恶意提示词、不安全的工具请求，或试图访问受限数据。

CrowdStrike 在同一场竞争中具备不同的优势。终端活动能够为其模型提供有关进程、身份、文件和攻击者行为的详细证据。

这些证据可以帮助 AI 助手区分无害异常与入侵行为，也能支持在客户环境中开展自动化威胁搜寻。

两种数据优势都不是绝对的。Microsoft 可以整合其自有安装基础中的身份、终端、生产力、云和模型活动数据。Cisco 则可将网络遥测数据与应用和身份控制相连接。

Google 可以将云安全与其 AI 开发技术栈及 Mandiant 威胁情报相结合。Amazon Web Services 也在推动面向 AI 和云工作负载的自动化安全运营。

AWS Black Hat 预览强调保护 AI 工作负载和自主修复。这一表述呼应了平台供应商的核心承诺。

竞争压力并不止于大型科技公司。初创企业正在构建针对模型访问、提示注入、数据泄露、智能体身份和 AI 供应链的控制措施。

这些专业厂商可以更深入地聚焦某一个新问题。然而，企业买家可能不愿再增加一个仪表板、数据管道、策略引擎和供应商审查流程。

这种矛盾对 CrowdStrike 和 Palo Alto Networks 有利。它们的产品已经纳入许多安全体系，销售团队也与大型买家建立了现有关系。

新的 AI 控制能力可以成为又一个模块，而非又一家供应商。集成还可能缩短将 AI 事件与终端或网络活动关联起来所需的时间。

代价则是依赖性。围绕单一供应商进行整合，会放大供应商故障、错误策略或管理平面遭入侵带来的影响。

这也会使切换更加困难。数据格式、事件响应流程、员工培训和商业协议都会围绕所选平台逐步累积。

因此，买家应将整合视为一项架构决策，而不只是采购折扣。最好的平台不一定是功能列表最长的平台。

有用的评估应从具体事件开始。该平台能否将不安全的智能体操作追溯至其身份、提示词、模型、工具调用和受影响数据？

它能否在不禁用无关系统的情况下阻止该操作？调查人员能否还原自动化响应发生的原因？

这些问题将 Black Hat 的技术讨论与股价表现联系起来。投资者押注于广泛的平台能够大规模回答这些问题。

供应商仍需证明，其集成产品能在真实攻击条件下协同工作。统一的销售合同并不保证统一的检测或响应。

创纪录高位背后的 AI 安全权衡

AI 既是需求催化剂，也是执行风险，因此更高估值需要的不只是令人警惕的威胁报告。

创纪录的股价反映的是对未来业绩的预期。它并不能验证某款 AI 安全产品的有效性，也不能证明客户需求会长期存在。

这些创纪录高位出现在市场对网络安全公司进行更广泛重新评估之后。此前，市场曾担心先进的编程智能体会削弱对成熟软件供应商的需求。

安全问题很难套入这种简单的替代叙事。组织无法将法律责任、监管义务和事件问责交给通用模型。

模型可以编写检测规则或总结可疑行为，却无法独立决定企业的风险承受能力，也无法为中断关键服务承担责任。

安全还依赖于最新的私有数据。助手需要先获得来自终端、身份、应用和网络的可信遥测数据，才能做出知情响应。

这有利于已经收集大量运营证据的供应商，也形成了一道通用模型提供商无法立即复制的经济护城河。

然而，同样的论点也可能陷入循环。供应商称客户需要其平台，因为 AI 带来了更多风险；随后又在这些平台中使用 AI 来管理额外复杂性。

只有当最终系统改善了可衡量的结果时，其价值才是真实的。买家需要更少的成功入侵、更短的调查时间和更低的运营负担。

他们还需要可接受的误报率。误报是指安全系统将合法活动判定为恶意活动。

AI 可以通过补充上下文减少噪声，但生成式模型也可能给出缺乏依据的结论。在安全领域，一个自信却错误的解释可能使分析师采取错误行动。

当助手成为获得执行权限的智能体时，风险会进一步增加。建议可以被审核；自动化隔离决策则可能在数秒内执行。

这使治理成为产品质量的一部分。供应商必须为工具使用、数据访问、审批、模型变更和自动化修复设置边界。

外部测试仍然至关重要。公司演示通常采用已知攻击路径、精心筛选的数据集和受控环境。

真实企业系统中存在旧版应用、不一致的身份记录、定制集成和特殊业务流程。这些细节可能破坏看似完美的演示。

市场还需要将 AI 相关需求与更广泛的安全支出区分开来。勒索软件、间谍活动、云迁移、监管要求和供应商整合本已支撑着该行业。

一些标为 AI 安全的合同，可能只是现有平台交易的延伸。这仍可带来收入，但并不能证明存在一个独立的新市场。

估值带来了另一层不确定性。强劲需求可以与一只已经计入多年成功执行预期的股价同时存在。

CrowdStrike 必须在扩展 Falcon 至更多类别的同时，继续重建市场对更新安全性的信任。Palo Alto Networks 必须整合广泛的产品组合，而不能增加其承诺消除的复杂性。

收购能够迅速增加能力，但也可能带来重叠界面、不一致策略和相互分离的数据系统。集成质量比收购功能的数量更重要。

Microsoft 带来了另一种压力。它可以将安全控制与企业已在使用的产品捆绑，从而降低再购买一款独立产品的吸引力。

专业供应商则从另一个方向施压。它们可以赢得希望在多个云和模型提供商之间获得独立保护的买家。

这使 CrowdStrike 和 Palo Alto Networks 处于捆绑套件与专注型初创公司之间。它们的平台战略必须提供比捆绑方案更深入的保护，以及比专业工具集合更简单的运营体验。

Google News 搜索中反复出现的创纪录高位报道，可能掩盖这一严峻处境。市场并非仅仅是在奖励对网络威胁的敞口。

它假定这些公司能够在保持可靠性的同时，将威胁增长转化为持久的订阅收入。这是一个难得多的标准。

持怀疑态度的解读并不意味着否定 AI 安全需求。它要求区分一个紧迫问题与一个已被证明的商业赢家。

Black Hat 确立了紧迫性。未来的财务结果和独立技术证据必须确定赢家。

企业买家应向 AI 防御提出的要求

买家应通过权限、证据和恢复路径来评估 AI 安全，而不是笼统地相信自主防御的宣传。

第一项测试是可见性。安全团队应能够识别组织内运行的每一个获批准 AI 应用和智能体。

该清单应包括模型提供商、连接的数据、可用工具、分配的身份和负责人。未知系统无法获得一致的控制。

第二项测试是最小权限。每个智能体应仅获得完成其既定任务所需的访问权限。

用于总结会议的助手不需要修改客户记录的权限。编程智能体也不应自动获得生产环境凭证。

权限还应在任务变化时失效或调整。长期访问会将临时自动化变成持久的攻击路径。

第三项测试涉及不可信输入。智能体可能会在文档、网站、电子邮件、工单或检索到的知识中遇到恶意指令。

提示注入是指敌对内容试图将模型从其获授权任务中引开。这种指令对人来说可能看似普通文本。

安全系统必须区分模型可以分析的数据与其可以遵循的指令。当应用从多种来源整合信息时，这一边界仍然难以界定。

第四项测试是操作控制。高影响变更应要求审批或额外验证。

删除数据、修改身份策略、隔离服务器，以及向公司外传输信息，应受到比起草摘要更严格的控制。

组织还需要一种能够立即撤销智能体访问权限的方式。只有团队清楚谁能启用它以及它会影响哪些服务时，终止开关才有用。

第五项测试是可追溯性。安全团队应保留围绕事件的提示词、工具调用、身份决策、策略评估和输出。

这些记录可帮助调查人员理解模型是被操纵、配置错误，还是拥有过多权限。

它们也有助于满足审计要求。缺少决策历史的最终操作，几乎无法证明系统为何会如此运行。

第六项测试是恢复。自动化操作应在可行情况下可逆，团队也应在事件发生前演练恢复流程。

这一经验同样直接适用于终端和网络安全。如果自动化防御在大量系统中阻止了合法进程，可能会扰乱运营。

买家可以采用成熟的采购实践来审查这些能力。安全测试、数据流审查、访问评估和事件模拟仍然适用。

AI 改变了审查对象，但并未消除严谨运营的必要性。可搜索的知识库也可以帮助团队保留运行手册和技术决策。

该知识库的内容需要受到保护。安全指南、架构图、事件历史和凭证在连接至智能体后，都可能成为有价值的目标。

知识工作者应在更小的范围内考虑同样的边界。搜索本地文档的助手不应悄悄将敏感文件传输给无关服务。

开发人员应检查智能体能够访问哪些代码仓库、终端、云账户和部署工具。设置时的便利日后可能转化为风险暴露。

产品负责人应为每个自动化工作流明确业务负责人。当没有任何部门愿意为智能体的操作承担责任时，安全团队便无法有效治理该智能体。

这些要求为平台供应商创造了机会，但也提高了门槛。买家会期待 CrowdStrike、Palo Alto Networks 及其竞争对手能够跨异构系统执行策略。

只能在自身产品家族内部运行的平台，提供的覆盖并不完整。大多数企业使用多个云、身份系统、终端工具和模型提供商。

因此，互操作性是安全的一部分。供应商需要可靠的集成、可移植的证据，以及不会将事件数据困在单一控制台中的 API。

最可信的 AI 防御将把自动化与有意设置的摩擦相结合。常规、低风险的工作可以快速推进，而影响重大的操作则应接受更严格的检查。

这种做法缺少自主安全营销所渲染的戏剧性，却更符合企业管理运营和法律责任的方式。

Black Hat 之后值得关注的三个信号

下一个考验是，会议带来的紧迫感能否转化为可衡量的采用成果，同时不引发新的可靠性故障。

第一个信号是即将公布的财务业绩中所披露的 AI 安全采用情况。投资者应当关注的不只是对需求的笼统提及。

有价值的证据包括与 AI 安全产品相关的经常性收入、客户扩展，以及在生产环境中的部署情况。试点公告的分量不如持续使用。

Palo Alto Networks 应提供更清晰的证据，证明 Prisma AIRS 正在从早期买家向更广泛市场扩展。CrowdStrike 则应展示 Charlotte AI 和 Falcon 模块如何改变客户留存率或产品采用率。

如果这些指标上升，同时利润率或留存率没有走弱，平台论点就会获得支持。如果披露仍然含糊不清，创纪录的估值将更大程度依赖于预期。

第二个信号是对自主响应的独立验证。会议演示应当进一步转化为可重复的测试，涵盖复杂的企业环境。

研究人员需要检验提示注入、过度权限、模型操纵、误报，以及跨连接工具的操作。

有力的结果应表明，智能体能够遏制真实入侵，同时保留详细证据并将附带干扰降至最低。这将增强自动化防御的说服力。

严重失败则会产生相反效果。若智能体能够通过不受信任的内容被重新引导，防御控制就会变成另一条攻击路径。

独立测试还需要体现真实的时间压力。一个在一小时后才得出正确答案的系统，或许无法应对 29 分钟内发生的横向扩散。

第三个信号来自 Microsoft、Google、Cisco、AWS 以及专注于 AI 安全的厂商的反应。它们的产品和打包决策将塑造市场。

Microsoft 可以利用其庞大的装机基础，将更多 AI 控制功能捆绑进企业协议。Google 可以连接模型、云、浏览器和威胁情报资产。

AWS 可以将安全控制部署得更靠近承载众多 AI 应用的基础设施。Cisco 则可以将网络和身份可见性扩展至智能体活动。

专注型厂商可以凭借模型中立的工具向它们发起挑战。买家可能更偏好能够监控多个平台、且不偏向任何一家提供商的独立层。

如果大型云厂商捆绑了足够的控制功能，CrowdStrike 和 Palo Alto Networks 将需要更明确的差异化能力。更好的威胁数据、跨平台执行能力和更安全的自动化将变得不可或缺。

如果专业厂商赢得大量部署，平台市场可能仍将保持碎片化。这一结果将削弱这样一种假设：少数厂商能够整合 AI 安全市场。

这些信号比又一次短期股价新高更重要。它们揭示行业究竟是在打造可靠的控制措施，还是仅仅在为现有产品重新命名。

Black Hat 会议对威胁给出了令人信服的描述。攻击者可以利用 AI 研究目标、操纵他人、篡改代码，并以更高速度开展行动。

防御者也可以利用同一技术关联证据并缩短响应时间。然而，自动化会放大弱权限、不准确模型和集中式错误所带来的后果。

这正是 CrowdStrike 和 Palo Alto Networks 此轮上涨背后的权衡。AI 同时扩大了对安全的需求，也增加了安全系统内部的风险。

Google 新闻报道将继续追踪股价、威胁报告和产品公告。企业读者则应关注这些头条之下的运营证据。

应当询问：这些新控制措施是否能够识别真实攻击、限制智能体权限、保留决策记录，并从错误中安全恢复？这些检验决定了创纪录的估值是否反映持久价值。

对于追踪这一领域的团队而言，下一步是务实的。列出每一个能够访问业务数据的 AI 智能体，指定负责人，并审查其影响最大的权限。

然后将这份清单与上述三个信号进行对照。如果厂商能够实现可衡量的采用、独立验证和广泛互操作性，当前的乐观情绪就会更有实质支撑。

如果做不到，Black Hat 最明确的教训仍将悬而未决：AI 让安全问题变得更快，但速度本身并不能让防御值得信赖。