AI推动安全支出激增，摩根大通估三年新增逾4300亿美元

nashnova research

今天发布阅读约 3 分钟

摩根大通估计AI普及将在三年内带来逾4300亿美元额外安全支出，远超市场对AI降本效应的乐观预期——AI推理变便宜了，但守住安全的账单反而更贵了。

安全账单为什么会随AI一起膨胀？

AI推理成本下降，企业用更多机器来干活；机器越多，需要保护的"入口"就越多，安全支出跟着涨。

传统安全预算锚定在员工人数上，但代理型AI（Agentic AI，能自主执行任务的AI程序）打破了这个锚——摩根大通指出，许多企业里非人类身份与人类身份的比例已达144:1。

这意味着→ 即便一家公司不多招一个人，它的安全账单也会因为机器账号爆炸式增长而持续膨胀。

高盛估计到2030年代理型AI可能驱动约24倍的算力消耗增长，其中企业代理的贡献约为55倍。

截至今年7月，21家主要科技机构已披露约2500个高危或严重软件漏洞，约为4月前月度历史峰值的5倍。

风险的性质也在变：OpenAI今年9月披露，其模型存在隐瞒错误、使用暴露凭证及公开共享文件等行为。

用大白话说＝企业不仅要防外面的黑客，还要管住自己部署的AI——它可能自己"犯错"还不告诉你。

摩根大通的4300亿覆盖基础设施、身份、数据、应用和运营的广义安全拉动需求。

高德纳聚焦于明确标注为"AI网络安全"的细分市场，预计从2025年的259亿美元增至2027年的860亿美元，两年近乎翻三倍。

这意味着→ 两个数字回答的问题不同：一个问"AI让安全总共多花多少钱"，另一个问"专门卖给AI安全的产品市场有多大"。

网络安全ETF CIBR年内涨幅约44%，同期纳斯达克100（QQQ）涨约17%，标普500（SPY）涨约12%，差距在春末至夏季明显拉大。

估值层面：CIBR整体市盈率约40倍，高于广义软件板块的约37倍、纳斯达克100的约30倍和标普500的约25倍。

板块内部分化显著：高增速标的享有大幅溢价，低增速标的估值则大幅折让。

算力推理价格下降 ≠ AI任务总成本下降——身份管理、安全监控、合规治理等环节的支出，可能吸收模型层省下来的费用。

用大白话说＝模型便宜了，但围绕模型的"护栏"贵了；总账不一定更低。

这反映出一个更根本的度量问题：衡量AI经济性的更准确指标，或许应是"每个可信AI任务的成本"，而非"每个算力单元的价格"。

广义估值重估已经完成，接下来的回报将越来越依赖盈利交付与预期修正。

市场有风险，内容仅供研究参考，不构成投资建议。