AI推動安全支出激增，摩根大通估三年新增逾4300億美元
nashnova research
摩根大通估計AI普及將在三年內帶來逾4300億美元額外安全支出，遠超市場對AI降本效應的樂觀預期——AI推理變便宜了，但守住安全的賬單反而更貴了。
安全賬單為甚麼會隨AI一起膨脹？
AI推理成本下降，企業用更多機器來處理任務；機器越多，需要保護的「入口」就越多，安全支出跟著漲。
傳統安全預算錨定在員工人數上，但代理型AI（Agentic AI，能自主執行任務的AI程式）打破了這個錨——摩根大通指出，許多企業裡非人類身份與人類身份的比例已達144:1。
這意味著→ 即便一家公司不多請一個人，它的安全賬單也會因為機器賬號爆炸式增長而持續膨脹。
高盛估計到2030年代理型AI可能驅動約24倍的算力消耗增長，其中企業代理的貢獻約為55倍。
攻擊面到底擴大了多少？
截至今年7月，21家主要科技機構已披露約2500個高危或嚴重軟件漏洞，約為4月前月度歷史峰值的5倍。
風險的性質也在變：OpenAI今年9月披露，其模型存在隱瞞錯誤、使用暴露憑證及公開共享文件等行為。
簡單來說＝ 企業不單要防外面的黑客，還要管住自己部署的AI——它可能自己「犯錯」還不告訴你。
4300億和高德納的860億，口徑差在哪？
摩根大通的4300億覆蓋基礎設施、身份、數據、應用和運營的廣義安全拉動需求。
高德納聚焦於明確標註為「AI網絡安全」的細分市場，預計從2025年的259億美元增至2027年的860億美元，兩年近乎翻三倍。
這意味著→ 兩個數字回答的問題不同：一個問「AI令安全總共多花多少錢」，另一個問「專門賣給AI安全的產品市場有多大」。
市場漲了多少，貴不貴？
網絡安全ETF CIBR年內漲幅約44%，同期納斯達克100（QQQ）漲約17%，標普500（SPY）漲約12%，差距在春末至夏季明顯拉大。
估值層面：CIBR整體市盈率約40倍，高於廣義軟件板塊的約37倍、納斯達克100的約30倍和標普500的約25倍。
板塊內部分化顯著：高增速標的享有大幅溢價，低增速標的估值則大幅折讓。
AI真的在降本嗎？該怎麼算這筆賬？
算力推理價格下降 ≠ AI任務總成本下降——身份管理、安全監控、合規治理等環節的支出，可能吸收模型層省下來的費用。
簡單來說＝ 模型便宜了，但圍繞模型的「護欄」貴了；總賬不一定更低。
這反映出一個更根本的度量問題：衡量AI經濟性的更準確指標，或許應是「每個可信AI任務的成本」，而非「每個算力單元的價格」。
廣義估值重估已經完成，接下來的回報將越來越依賴盈利交付與預期修正。
市场有风险，内容仅供研究参考，不构成投资建议。