CrowdStrike创始人访谈：让AI写代码，AI又说不安全

本文由云栈社区整理自 No Priors 播客 频道节目，2026-10-22 发布。以下为完整中文实录：

📌 本期看点

• 防守不能少一档：Kurtz 认为攻击者已借 AI 获得更强能力，防守方必须拿到同等或更好的工具，不能只靠严格护栏。
• 安全不等于没有漏洞：他用 Claude 写代码后又被其安全应用指出不安全，并提醒身份滥用仍会造成安全失陷。
• 专用模型算另一笔账：按他的举例，一般修复任务用自家模型约需三美分，但这不是同条件独立评测的普遍结论。
• 企业未必追最新模型：他判断成本与数据控制将推动更多本地和开放权重部署，关键任务仍可路由给前沿模型。

访谈全文

George Kurtz： 这是第一次，安全成了油门，而不是刹车。

Sarah Guo / Elad Gil： 你会怎么描述你看到的 AI 正在为攻击者做的事情？

George Kurtz： 新的顶级掠食者是“智能体国家”。就在几年前还只有国家级攻击者才具备的那种能力，如今基本上一个黑客行动主义者就能拥有。这极大地改变了整个威胁环境。大家必须记住，现在不再是恶意软件了，而是提示词。他们基本上可以设计提示词，让它们在要朝哪个方向走、如何收集信息、在哪里转向其他目标这些方面，形成完全独特的特征。大家都来找 CrowdStrike，也去找其他公司，问：“那么，怎样才能让 AI 变得安全，好让我们在 AI 上跑得更快？”如今，对抗 AI 的唯一办法就是用更好的 AI。防守方了解自己的系统，防守方有架构图，防守方有代码。怎样把所有这些东西整合起来，大幅提高你智胜进攻型 AI 的概率？

从影子AI到企业身份盲区

Sarah Guo / Elad Gil： 听众朋友们，大家好，欢迎回到 No Priors。今天，Elad 和我请来了 George Kurtz。一旦发生安全事件，George 就是全世界第一个想打电话求助的人。他是网络防御领域的传奇人物，先后创办了 Foundstone 和 CrowdStrike，并担任 CEO。我们会聊聊网络安全正在发生什么、如何用 AI 对抗 AI、他们内部名为 SafeMind 的研究项目，以及进入下一个时代，互联网的胜算到底大不大。欢迎回来。George，非常感谢你来参加。

George Kurtz： 嗯，很高兴来到这里。

Sarah Guo / Elad Gil： 现在，技术正处在一个翻天覆地的变化期，智能体正在接管企业里的工作。CrowdStrike 就站在这个变化的最前沿。你能不能跟我们讲讲，你们现在在真实环境里看到了什么？我记得你说过，在人们的 IT 环境里实际采取行动的智能体，数量比他们自己知道的多出两三个数量级。

George Kurtz： 我们在企业里看到的情况，确实很惊人。如果你关注前沿实验室的发展轨迹，光看它们自身的收入，就能知道现在多出了多少智能体。不管是 Claude Code 还是 Codex，它们都在整个环境里到处冒出来。当然，还有很多其他类型的智能体，不过这里我们只是拿这些当作一个参考指标。我们看到的是，它们无处不在，而这些企业面临的部分问题就在于，它们根本不知道这些智能体是从哪里冒出来的。“影子 AI”已经成了很多公司的一个大问题。我知道我们接下来会聊智能体在干什么，以及正在发生的各种坏事，但总的来说，让组织搞清楚自己的 AI 在哪里运行、谁在做什么，更重要的是，它们究竟以什么身份在运行，这一直是整个行业的一大挑战，也是我们 CrowdStrike 的一个重点，我们一直在努力为客户解决这个难题。

攻击者金字塔为何被压平

Sarah Guo / Elad Gil： 你会怎么描述你看到的 AI 为攻击者带来的变化？你之前说过，它把攻击者的金字塔给压平了。

George Kurtz： 我在思考攻击者时，会把它叫作“痛苦金字塔”。你可以想象一下，金字塔最下面的部分，也就是塔基，其实就是我们所说的黑客行动主义者。他们的技术复杂程度最低，但攻击者人数最多。然后是金字塔中间那层，也就是网络犯罪。技术更复杂一些，人数比所有那些黑客行动主义者少一些。金字塔的顶端则是国家级攻击者，对吧？他们技术最复杂，但相对而言人数最少。现在，这套格局已经被彻底打破了，因为我们真正看到的是，新的顶级掠食者是“智能体国家”，不是民族国家，而是“智能体国家”。这种“智能体国家”带来了什么呢？想想现在那些被去掉安全约束的模型，基本上没有真正的护栏。它实际上把所有这些极其复杂的知识、技术手法，还有成本，全都拉平了，把整个金字塔压平了。所以，几年前国家级攻击者才拥有的那种能力，如今基本上一个黑客行动主义者就能拥有。这极大地改变了整个威胁环境。那么，我们看到了什么？我们看到更多漏洞被发现，攻击也变得更快。而攻击一旦开始，就是一个接一个，接连不断。你能看得出来。其实现在，要判断是不是 AI 发动的攻击还挺明显，因为你能看到它们迭代得有多快。但到了某个时候，它们会把低强度、慢节奏的方式也加进来，到时就更难分清什么是 AI、什么不是了。不过，这就是我们现在看到的情况。我觉得组织面临的一个真正挑战，就是攻击接连不断，而且复杂程度大幅提升。归根结底，如果你给一个智能体一项任务，再给它足够的时间，而且这个智能体要么攻进去，要么就得死，它就会想方设法找到进去的办法，而且很多时候它会成功。

Sarah Guo / Elad Gil： 你们有没有看到，这些对抗性攻击的实施方式正在发生变化？我知道我们之前聊过，也稍微谈到过开源与闭源模型，或者开放权重模型。你们有没有看到一种转变，就是现在大部分攻击都在用开放权重模型？还是说，也有人在用最先进实验室的模型和能力，是混着用的？也就是说，现在人们究竟在用什么发动这些攻击？

George Kurtz： 我们看到很多攻击都在用开放权重模型，对吧？你看看——我是说，光看任何一家前沿模型最新一代的那些护栏，坦白说，你几乎连一份包含网络安全内容的 PowerPoint 都做不出来。我的意思是，它真的会拒绝你，然后把你降到一个较低级别的模型。所以，我们看到的情况是，你再看看 GLM，看看 Qwen，看看市面上这些模型，它们在处理网络安全问题方面都很有效。而且，其中很多模型要么已经去除了安全约束，要么就是专门为网络安全打造的。可能是为了做红队测试，而这类攻击，你实际上直接运行这些模型就能做。我是说，你可以把它们跑在——我家里有两台 DGX Spark，所有模型我都在跑，想做什么就能做什么。你想做勒索软件？没问题。你想做一套勒索软件工具包？也没问题。你想部署，想迭代，这些东西全都有。而且，这距离直接在你自己的笔记本电脑上运行所有这些东西，也就差一步。想想如今的 Mac，甚至是马上要推出的新 Mac，对吧？那些 Mac Studio，会是非常强的 AI 机器。所以，真正冲在最前面的，会是那些你可以不受护栏约束运行的东西。前沿模型在某些方面也能帮上忙，比如你需要 PowerShell 脚本之类的东西。但毫无疑问，现在用开放权重模型，就已经可以做很多事情了。

横向移动最快只需二十七秒

Sarah Guo / Elad Gil： 那么，地域上有没有什么共性？比如，大部分攻击都来自某一个地区吗？攻击类型上有没有共性？主要是勒索软件，还是其他东西？是网络钓鱼活动吗？我有点好奇，随着 AI 工具被采用，你们看到的各种攻击的占比有没有发生变化？

George Kurtz： 我们看这个问题的方式——也许可以稍微换个问法，因为我们是从攻击者的角度来看的。它是国家级攻击者，还是网络犯罪分子？如果是国家级攻击者，我们给它们起了熊啊、熊猫啊这样的名字，取决于它们是不是来自俄罗斯，或者也可能来自伊朗，就叫小猫之类的。但我们确实看到了大量攻击。我们看到朝鲜在这类攻击上非常活跃。他们得想办法——或者说，得把钱弄进他们的经济体系，所以他们在窃取信息方面一直很忙。其中很多涉及勒索软件，以及拿到赎金。但对，我觉得总体来说，我们显然看到了大量来自中国、利用 AI 的活动，在网络犯罪领域也看到了这种情况。有人进入一套系统以后，我们会跟踪“突破时间”。也就是说，如果他们进入了你的系统，要过多久才会真正突破出去、转向并移动到另一套系统？通常，他们最初落脚的那套系统不是最有价值的。也有可能是，但通常不是。最核心的资产可能在别处。所以，以前这个时间平均要按天、按小时算，现在已经是按分钟算了。平均是 29 分钟，但我们见过最快只用了 27 秒的。基本上，我们现在看到的，就是推理的速度。他们一进入机器，你就能看到它在极快地迭代。大家必须记住，现在不再是恶意软件了，而是提示词。所以，他们基本上可以设计提示词，让它们在要朝哪个方向走、如何收集信息、在哪里转向其他目标这些方面，形成完全独特的特征，这就让弄清楚这一切变得更有挑战。不过，这就是我们目前看到的情况，而且毫无疑问，国家级攻击者和网络犯罪分子都普遍如此。

放任智能体下载包有多危险

Sarah Guo / Elad Gil： 从 Foundstone，到 CrowdStrike，到创办 CrowdStrike，你一直是安全领域的领军人物。你会怎么说——面对当前这个能力提升的阶段，包括攻击者能力，也可能包括防守方能力的提升，你会把它放在怎样的大背景下来理解？对吧？我们现在是不是处在一个攻击者更占优势的世界里？你是怎么从整体上看待这个问题的？

George Kurtz： 我觉得，现在是投身技术行业最令人兴奋的时期之一。真的，我做这一行已经 30 多年了，我总喜欢说，安全的发展和技术曲线的斜率是同步的。我刚入行做安全的时候，面对的就是一台思科路由器，再加上可能勉强有个网站，对吧？那时候还真没什么防火墙。有的是一些工具包，比如 TIS 工具包，以及其他类似的东西。说这些可能暴露年龄了，不过，那时确实没多少东西。再想想今天的复杂程度，有云，还有围绕 AI 的所有其他技术。我就不一一列举了，但今天比起当年，确实复杂得多。所以，你需要所有这些小公司，也包括大公司，来保护这些技术的安全。因此，想想我们今天所处的位置，这确实是最令人兴奋的时候，但它也创造了最大的机会，因为攻击者通常会去找空缺或接缝。他们会找到一些新技术，这些技术可能还没有很好的保护手段。他们正在利用像 NPM 软件包这样的东西，对吧？在过去的世界里，你们很清楚，美国企业里没有人会随便下载个东西，就放到自己的电脑上运行。它必须经过审核、扫描，以及所有这些流程。可现在，我们放出一个智能体，给它一个身份，这个身份基本上就是我们自己的，甚至更糟，然后就放手让它去做，还对它说：“你想干什么就干什么。”顺便，想下载什么软件包就下载什么。显然，这些事情会带来极大的风险暴露。所以，我们正在慢慢摸清……

Sarah Guo / Elad Gil： 任何生产代码，到了这一步……

George Kurtz： 不，他们没有。我的意思是，你在实际环境里看到一些这样的事情，真的会挠头。不过，你也不该觉得意外。就像是：“我们给它一项任务，过几天再回来看，希望到时候一切都搞定了。”没人看着它。没人明白它在做什么。这是有问题的。所以，我们可以聊聊这些智能体在做什么，以及如何让它们的行为具有可解释性，这会非常重要。但现在它就像一个黑箱，没人知道里面发生了什么。他们只是希望，有什么东西能在另一头冒出来。不过，这确实是投身技术行业的好时候。AI 会从根本上改变世界，前沿实验室也在做非常了不起的事情。但最终，还是要靠安全来让这些技术真正用起来。而这是第一次，安全成了油门，而不是刹车。这就是我们现在看到的。

模型护栏为何也会挡住防守

Sarah Guo / Elad Gil： 你是在哪个时刻意识到，这个转折正在发生的，至少在安全领域是这样？我觉得对很多人来说，Hugging Face 和 OpenAI 那件事，算是一个很重要的时刻。大家意识到，无论是能力、技术，还是可能发生的事情，都出现了巨大的变化，还有你提到的，那些东西到底有没有被监控，等等。那对你来说是个关键时刻吗？或者，有哪些时刻对你来说是关键的？

George Kurtz： 我先问你一个问题。那么，你从 Hugging Face 那件事里得到的最大启示是什么？

Sarah Guo / Elad Gil： 任何运行前沿模型的人，都得注意自己的环境质量，而且要做好持续的生产环境监控。

George Kurtz： 对，这确实是一个启示。但我觉得很多人会说，这是第一次端到端的智能体攻击。这都没错。你看看这些东西在做什么，大家会谈到，它们隐藏自己，基本上是在设法生存下去、延续到下一代，诸如此类。这些都是真的。但我最大的感受是，防守方并没有和进攻方同等的能力。明白吗？你可能会看着这件事说，安全气囊被关掉了，因为这是一项实验，智能体的护栏被撤掉，安全气囊也关掉了，结果它们找到了逃出沙箱的办法。但实际情况是，Hugging Face 当时做的第一件事，就是去找前沿模型，问：“这东西是真的吗？到底发生了什么？”结果，它们拒绝了。对吧？因为那一边的安全气囊是展开的。那么，他们只能怎么办？他们实际上不得不去用开放权重模型，来梳理所有这些数据，搞清楚发生了什么。所以，对我来说，很重要的一点就是，要确保防守方拥有的前沿防御 AI，和进攻方在用的处于同一个水平。这是我得到的一个重大启示，也是 CrowdStrike 正在做的一部分事情。

Sarah Guo / Elad Gil： 那在你刚才提到的背景下，这是不是很难？最先进实验室的模型，护栏那么严格，以至于在某种程度上可以说，并不是每一家企业都能获得同等的防御能力。换句话说，他们不得不去用开放权重模型，这似乎说明，眼下你实际上没法用那些实验室的模型做到这一点。所以接下来的问题就是，你要怎样在那个层面上使用它？对。

George Kurtz： 对，对。我的意思是，你试着用一个前沿模型做一份网络安全方面的 PowerPoint，它都会拒绝你。所以，这也正是我们创立 SafeMind、开发我们的红队和蓝队模型的部分原因。就是因为我们想给客户提供前沿水平的防御能力，让他们在使用时，不用面对所有这些拒绝。我觉得对很多公司来说，这会是未来的一个重要因素。

在数字孪生里反复练习攻防

Sarah Guo / Elad Gil： 我想，还是回到进攻和防守这一面。似乎每次出现技术变革，只要做事方式发生重大变化，进攻能力总会领先一点，原因有几个。其中一个就是，进攻可以有一个非常明确的方向：我需要去做 X。而防守呢，你需要覆盖的是很广的一整片范围。所以，在某种程度上，你需要兼顾更多东西。第二个原因，就是技术的采用和扩散，对吧？一边是一次攻击，或者是一群攻击者，去针对目标；另一边则是你需要保护的、分散的企业生态系统。CrowdStrike 是怎么考虑确保这些防御能力能够被非常广泛地获取和使用的？

George Kurtz： 嗯，这就是我们一直关注的事情之一。我们创建了自己的网络安全超级智能实验室，我得说，那时候这个词还没流行起来。所以我想，我们算是踩对了点。但说到底，我们做的就是建起了自己的、基本上属于前沿类型的实验室，完全专注于安全模型，包括红队模型、蓝队模型，以及配套的运行框架。整个系统我们叫它 SafeMind，不过其中有 Red Tempest 和 Blue Solano，这就是那两个模型。我们在这件事上与英伟达进行了非常深入的合作。我们基本上用了几种类型的模型，但 Nemotron 是我们在蓝队这一侧使用的主要模型之一。我和他们坐下来谈，我也和 Jensen 坐下来谈过；过去 6 个月，我们一直在做这件事，也一起梳理了它要怎么运作。基本上，就像你说的，防守似乎总是落后一步，所以我们所做工作中很重要的一部分，就是让红队和蓝队不断迭代。对于我们的客户，我们能够了解他们的环境是什么样的。然后，这也是 Jensen 一直坚持的一点，他说，你必须有一个数字孪生。你看看其他行业，他们都有数字孪生。他说，安全领域也必须有一个。所以我们构建了一个数字孪生，把我们掌握的有关客户环境的所有信息拿过来，基本上在一个虚拟世界里把它重建出来。然后，我们就可以让这些模型迭代，让它们循环运行，红队持续专注于攻进去，直到它耗尽可用的回合，因为 Blue Solano 已经弄清楚了红队在做什么。我认为，这才是我们跟上威胁的真正办法，因为红队在不断迭代，你必须建立这样一个循环。

从保护终端到看清智能体行动

Sarah Guo / Elad Gil： 这很有道理。我的意思是，即使只是从传统网络安全的角度看，了解你自己的环境，也是你作为防守方为数不多的优势之一；另外还有 CrowdStrike 开创的那些能力，比如共享情报，以及了解对手，对吧？其实，我觉得不妨把视角拉远一点，介绍一下 CrowdStrike 目前的主要产品，以及在研发方面的重点投入，这会很有帮助。因为我觉得，它已经是一家规模很大的网络安全公司，但如果还把它的根基理解为终端保护和了解对手，这个认识可能已经过时了。

George Kurtz： 对，我觉得是这样。你知道，过去大概四五年里，我们确实已经拓展到了广泛得多的平台能力。如今我们有 33 个模块。说到底，当初我创办公司的时候，我们只有一个模块，现在有 33 个。我们建立的能力不仅覆盖终端，还覆盖云、IT、身份，以及许多其他领域。所以，如果看看我们在哪些方面做了大量投入，以及我们在最近的用户大会 FalCon 上刚刚谈到的一些内容，其中一项就是我们所说的 AIDR。

我们开创了 EDR，也就是终端检测与响应。在早期，其中很多工作就是一台电脑加一个人。当然，后来我们围绕它增加了许多其他东西，包括预防能力，以及诸如此类的各种能力。但是，如果你看看一个智能体在做什么，它本质上就是个超人。它有身份，能够使用算力，在你的电脑上运行，也可以在容器里运行。它能够访问数据，也有联网能力，对吧？所以，我们首先想做到的，就是找出所有这些不受管控的 AI 和影子 AI，因为谁都不知道它们在哪里。就像回到你刚才说的，你得知道自己的环境是什么样的。然后，第二，我们可以从一个智能体诞生的那一刻起，就对它的行为进行监测。比如，你在 Claude Code 里启动一个智能体，它有子智能体，会调用工具，会去连接一个 MCP 服务器、拉取数据。不管它在做什么，我们实际上都能告诉你完整的事件链，这一点极其重要。然后，我们还能在这些行为上加入策略和阻断规则。所以，我们在这个领域投入了很多时间。我觉得从业务角度看，如果你看看现在的统计数据，按他们的说法，如今平均每位员工可以有 90 个不同的智能体——其实我觉得这个数字还偏低。那么，对我们来说，这可能是一个比单纯做 EDR 大得多的机会。所以，这是我们一直专注的一个领域。

第二个领域，就是我刚才提到的，创建超级智能实验室，以及打造我们自己的前沿模型。还是那句话，我们的模型是从现有模型起步的，比如 Nemotron 这一类。主要是 Nemotron 3 系列。对于即将推出的新版本，我们也在帮他们针对我们需要的一些东西做些微调。然后，我们会对这些模型进行后训练，用上我们过去 15 年积累的所有宝贵数据，争取最好的结果。我再说一点，然后就先停一下。运行框架会带来巨大的差别。我们拿到的几乎任何模型，不管是前沿模型，还是直接拿来用的开放权重模型，由于有了我们为它打造的配套运行框架，都能以低得多的成本取得好得多的结果。所以，这些就是我们的一些重大投入。身份方面还有更多内容，你们想谈哪一项我都很乐意。不过，我先停在这里，看看你们对这些有没有其他评论或想法。

专用安全模型的成本与信任

Sarah Guo / Elad Gil： 这正是我对你们投入实验室建设最想问的问题之一。我觉得，对于任何模型训练工作，一个合理的问题都是：为什么这不直接由前沿模型来提供？你们也和 OpenAI、Anthropic 合作，这为什么不是它们的一项能力？当然，这些实验室也认识到了安全的重要性，而且它们有一些面向经过审核的防守方的项目，不管是 Daybreak，还是某种 Mythos 访问权限。为什么这些还不够？我的意思是，你已经从能力角度给出了一些理由，比如运行框架、你们内部的理解，以及数据。除此之外，你认为在结构上，还有什么因素使独立安全厂商在这里很重要吗？

George Kurtz： 对，我觉得这里有几点。首先，这些实验室创造出来的东西令人惊叹。我的意思是，看看它们一路走来，以及创造出的这些东西，实在难以置信，对吧？我们也希望把这些能力提供给客户。所以总体思路是，如果你有 SafeMind，又想使用一个前沿模型，没问题，我们可以用它。如果你想用我们的模型，也很好。我们的模型会便宜得多。举个例子，做一般性的修复，如果你用最高水平的前沿网络安全模型，大概会花 10 美元。我们的大概是 3 美分。所以成本差别非常大，这很重要。

但再看看我们的模型，由于我们用自己的数据对它做了后训练，一个巨大的区别就在于，我们有这些数据。CrowdStrike 的安全数据，可没有一个类似 Reddit 的地方供你去获取。你可以生成合成数据，但它和我们拥有的数据确实不是一回事。我们有 15 年——好吧，也许稍微少一点，因为我是 15 年前创办公司的——不过，算是十多年积累的安全数据吧。其中也包括来自我们 MDR，也就是托管检测与响应服务的数据，里面有各种威胁与漏洞的配对关系，以及攻击链。我们基本上积累了海量数据，并用这些数据来训练模型。所以，我们取得的效果很好。而且我觉得，由于后训练，它的方向非常专一。还是那句话，它不会治愈癌症，但它会在安全方面给你很好的结果。这是第一点。

第二点是安全性和信任。我们掌握着客户的所有这些数据。过去 15 年，他们一直把这些数据托付给我们。我们知道怎么保护它们，知道客户想要什么，也知道他们想怎么使用这些数据。客户确实有顾虑。他们不希望所有这些数据都流向那些实验室，不希望所有敏感信息都传出去，也不希望自己的信息被拿来训练模型，对吧？所以，我们可以提供一种方式，为他们自己的安全工作带来他们想要的信任和安全保障。而且，AI 主权这个概念对我们的许多客户来说非常重要。所以，还是那句话，我们不是说要排除那些实验室，因为它们拥有不可思议的技术。但你可以选择自己想用的，也可以在不同模型之间进行路由。归根结底，我们是想给客户选择权。

Sarah Guo / Elad Gil： 我觉得你也稍微谈过一点“政教分离”的问题。也就是说，你希望确保在一定程度上有一个中立的第三方，也能去检验那些实验室提供的模型，或者外面的一些其他开源模型。而且看起来，CrowdStrike 肯定也能发挥这个作用。所以，嗯……

George Kurtz： 我认为，安全领域最重要的因素就是赢得信任，成为值得信赖的合作伙伴。你可以看看市场上的厂商，显然有几家大公司，也有很多安全公司。但信任是点滴建立起来的，失去时却是整桶整桶地流失。客户不希望有人鲁莽行事，让他们的数据面临风险。你知道，还是那句话，每个人都在尽自己所能，但我们全部的关注点——而且我认为，专注对任何业务都极其重要——我们全部的关注点就是安全，就是保护客户。我们并不是想解决世界在 AI 和其他领域的所有问题。所以，我认为这对我们来说当然是一项优势。

企业不想为所有任务开赛车

Sarah Guo / Elad Gil： 如果把目光放到两年后，你认为安全领域会是什么样的状态？你觉得从现在起，会发生哪些变化？

George Kurtz： 两年之内，人们的电脑上肯定都会运行本地模型。至于具体形态，可能会是本地模型与某种“最后一公里”路由相结合，把一些任务转交给前沿模型。开放权重模型会多得多。你看看过去 6 个月 token 使用的变化，就能看到这个转向。

Sarah Guo / Elad Gil： 你看到的具体是什么变化？大概是什么数量级？你觉得这种趋势还会持续多久？

George Kurtz： 我几乎每天都在和 CIO 聊天。今晚我就要和一位吃饭，是纽约一家大银行的 CIO。他们基本上会这样说：我们开始用 AI，全力投入，很好。但成本失控了。大家原先拼命刷 token，等到收到巨额账单，就不再这么干了。我就问：“那你们怎么看这件事？你们打算怎么办？”他们说：“现在这些开放权重模型已经非常好了，就算落后三个月，也完全够我们用了。”有一位客户说——他们知道我喜欢一级方程式赛车——“银行里凡是需要一级方程式赛车那种水平的事情，我们都会交给前沿模型。比如说，如果它能带来超额收益，我们能靠它赚钱，而且特别重要，那我们会花这笔钱，没什么大不了的。但其他所有事情，用起来真的很贵，所以我们会打造自己的开放权重模型，对它们做更多后训练，诸如此类。”这就是他们接下来会采取的做法。我对此深信不疑。我看到一个又一个客户都是这样，这就是他们会走的方向。我觉得，当前环境中的一些挑战，有一部分就在于，大家都看到了这一点，所以前沿模型这一层对接下来会发生什么，也有一些担忧。

蒸馏与开放模型的长期位置

Sarah Guo / Elad Gil： 那么，关于开放权重模型，我想，有一种经常听到的说法是，它们至少有一部分是从那些实验室的模型蒸馏出来的。换句话说，一些中国的、以开源为先的厂商，实际上是在对照 Anthropic 或 OpenAI 的模型，或者其他前沿模型，来训练自己的模型。而现在，许多实验室正试图推出反蒸馏措施，也就是尝试在模型里加入防止被蒸馏的能力。你觉得，这会不会变成一种来来回回的较量，双方能力不断演进，就像网络安全中的攻防一样？或者，你对两年后，或某个合理时间范围内的蒸馏状况，有什么预测？

George Kurtz： 我的意思是，我想我的第一个反应是：那些前沿模型在获取所有这些信息的时候，蒸馏的又是什么呢？我们都知道，围绕数据从哪里来、整个过程是怎么展开的，已经有各种诉讼了，对吧？所以，我们不妨先从这里说起。

Sarah Guo / Elad Gil： 就像一款好酒，经过三重蒸馏，你知道，所以……

George Kurtz： 三重蒸馏，没错。所以，蒸馏到底从哪里算起呢？你知道。我觉得，现实就是这样，但那些实验室确实在专注于设法防止蒸馏。显然，你看看现在那些中国模型，确实发生了大量蒸馏，有些成批运转的系统，就像工厂一样，在互联网上四处活动，蒸馏这些东西。我觉得难点在于，精灵已经从瓶子里出来了。我的意思是，已经发生了大量蒸馏，模型也已经非常好了。

但该肯定的地方，我们也得肯定。如果你没有那么多芯片，就必须想办法，同时你又希望拥有顶级模型，我认为美国以外确实也在发生一些创新。我们必须留意这一点，对吧？所以，是的，这很难。我觉得，在蒸馏这件事上，要把精灵重新装回瓶子里会很难。他们会尽力而为。但很多模型已经……我觉得现在，你问两年后会是什么样，我不知道。今天你就已经有很好的模型了，它们可以用上相当一段时间，而且里面已经装进了大量数据。所以，我们看看接下来会怎么发展吧。真希望我在这件事上有个水晶球。

参与者（身份未明）： 我不知道。

Sarah Guo / Elad Gil： 然后我想再问一个问题。这些事情总是很难预测，但我有点好奇。你认为，中国公司在至少保持开源和开放权重领域的前沿地位这件事上，有结构性的优势吗？还是你觉得，美国的开放权重模型有可能在近期赶上来？

George Kurtz： 嗯，现在也有一些开放权重模型正在推出。我相信，你们可能也投资了其中的一些。我觉得，拥有出色的美国开放权重模型会非常重要。我们和英伟达合作的原因之一，当然就是 Nemotron 不仅开放权重，而且还开源。但拥有其他选择也会非常重要。我觉得，还是那句话，在科技行业待得够久，你就会去看事情是如何发展的。比如，互联网的操作系统就是 Linux，就是这样，对吧？这是有原因的。

AI 也会有自己的操作系统。在我看来，它大概会是开源、开放权重的。至于什么时候发生、整个过程如何展开，我们拭目以待。这并不意味着前沿模型没有空间，也不意味着人们无法靠它赚很多钱。围绕它的应用栈、运行框架、各种东西如何连接，以及如何考虑企业需求，所有这些都会非常重要。但说到底，现在的成本实在太高了。再看看很多前沿模型，我的意思是，它们正在变得商品化。如果中国模型落后三个月，很多公司就会说：“三个月又算什么？我能从更领先的模型里多得到什么？这个模型已经能做我想做的所有事情了。”这就是挑战所在。

互联网真会被智能体逼停吗

Sarah Guo / Elad Gil： 最近，一家排名前五的金融机构里的一位人士，也就是那里负责大规模技术采购的人，对我说，他们的机构根本不可能有能力每 10 天就消化一次新模型发布。所以，落后三个月，其实都已经快于他们机构在监管要求下所能接受的推进节奏了。因此，在某种程度上，这对他们没有区别。我觉得，开放模式会长期存在，成为整个版图中很大的一部分。还有一个问题，我知道我们会不断追问，让你展望未来，而这几乎是不可能的。不过，考虑到你在安全领域的经历，这是我从事科技行业以来第一次听到一些非常聪明、受过良好教育的技术人士说：“我们需要把互联网关掉。我们得把一切都做物理隔离，因为未来一年互联网就会崩溃，关键系统接入互联网将变得不安全。”对于这样一种未来，也就是社会所依赖的许多关键系统都不能再接入互联网，你在多大程度上认为，这是一个有合理可能性发生的情况？

George Kurtz： 我觉得这完全是无稽之谈。你说，安全问题、智能体（agent）能做什么，以及它们带来的风险，这些重要吗？当然，这些都是严肃的问题。我们所有人都应该认真看待，然后说：“对，我们必须确保把安全防护做好。”但这些智能体会在短期内让世界毁灭吗？不会。看看智能体实际在做什么，我觉得大家对智能体的能力有一种近乎神话的想象。智能体可不会凭空从你的电脑瞬移到另一台电脑上。它实际上只是在做人类会做的同样的事，只不过做得更好、更快，对吧？

所以，想想 CrowdStrike 这样的公司长期以来在做什么，我们就是在防范这类攻击。现在，攻击可能来得更快，可能会把更多较低层次的漏洞串联起来，诸如此类。好吧，这对攻击者是好事，对防守者可不是。但我们要做的，就是构建能够应对所有这些攻击的技术。那么，人工智能（AI）带来了什么？它制造了更多漏洞，所以漏洞的数量更多了。而且，利用漏洞的攻击（exploitation）也更多、来得更快了。所以，就是更多、更快。

但并没有突然冒出一个独特的类别，让智能体能凭空瞬移到某个地方。我觉得大家就是钻进了一个牛角尖，觉得有什么全新的技术类别正在……其实没有。它只是用我们已经知道的东西训练出来的，还没有发展出自己独有的东西。所以我看这件事时会说：“安全将再次成为推动 AI 应用的助力。”我觉得这对安全行业极其重要。因为通常情况下，安全是在踩刹车：我们得花时间做这些事，你不让业务按他们想要的速度往前跑。而现在，所有人都来找 CrowdStrike 和其他公司，问：“你们怎样才能让 AI 安全，让我们在 AI 上跑得更快？”

所以，我会这样看这个问题：AI 不会消失。我觉得有些担忧确实存在，而且也应该存在，但围绕这些事情有很多末日论（doomerism），我实在不觉得这些担忧都一定有充分依据。

更便宜的算力会把AI带向本地

Sarah Guo / Elad Gil： 我知道，你有时也会作为天使投资人参与一些公司，也会参与这个生态的其他部分。除了安全领域，在 AI 世界里，眼下还有哪些重要的变化方向或重点领域让你特别兴奋？有哪些刚刚发生，或者即将到来的事情，是你觉得特别令人兴奋的？

George Kurtz： 我觉得，芯片以前算不上热门。显然，我们都知道它们现在很热门，而且只会需要更多、更快、更专用的芯片。我确实认为，芯片领域会有一些重大的突破。我们想一想速度这件事，拿摩尔定律（Moore's law）来说，它可能有点过时了，但归根结底，一代代芯片出来，东西就变得更快、更便宜。我不知道具体会沿着怎样的轨迹发展，但我可以保证，未来一定会更快、更便宜。这一点我看得出来。

随着这些可能专注于特定领域的专用芯片被开发出来，随着数学方面出现新的科学进展，性能可能会有阶跃式的提升，功耗会更低，诸如此类。所以，我觉得芯片是一个很重要的方向。还有开放权重模型（open-weight model），我觉得还有很大的发展空间，尤其是美国的模型。而且我确实认为，在把这些模型缩小、让它们能够运行在手机上这样的事情上，会有很多进展。

我们大概都知道这段历史，还记得那些日子吧：为了把第一枚火箭发射到太空，需要一个足球场那么大的房间，里面全是计算机。可今天我们手里的 iPhone，算力比当年那一整个房间里的计算机还强。所以，这样的变化也会到来。我觉得，能让 AI 更快、更便宜、更高效，把它带到桌面电脑上、带到手机上，在边缘端（edge）运行，这些都是令人兴奋的机会。因为在我看来，真正的发展方向就在这里：你大概会采用一种混合模式，但现在已经有很多工作可以在本地完成。

再看看张量处理单元（TPU）、神经网络处理单元（NPU）等等，这些东西已经存在于我们今天使用的系统里，而且很多时候都白白闲置着。但我觉得，它们不会再闲置太久了。

防守方手里其实也有优势

Sarah Guo / Elad Gil： 因为你的工作就是整天大胆设想防守方能够做到什么，我想问一下。我不会说安全防守者是严格意义上的“末日论者”，但他们总体上似乎都挺悲观的，对这场猫鼠游戏会不会变得更有利于自己，也相当不乐观。你能不能尽可能有力地论证一下：实际上，如果大家把钱投对地方，我们做出更好的产品，再把很多事情自动化……有没有一种可能，未来十年真的会是防守占上风？

George Kurtz： 我觉得可以。因为再说一次，这些理念不一定是新的，也不一定是独一无二的，但关键在于，你能不能始终迅速弄清楚进攻方在做什么，并确保你的防守跟得上。这有点像我很多年前参与合著的《黑客大曝光》（Hacking Exposed）的现代版。那本书的理念就是：如果你向人们展示进攻方是怎么做的，防守就会好得多。当然，当时的节奏比今天慢得多。但我觉得，这一点会很重要。

而作为一个行业，我们必须确保——这对我们来说是关键，我也一直向 CrowdStrike 的团队反复强调——你必须给防守方提供与进攻方一样好，甚至更好的能力。哪怕只是稍微好一点，从数学上讲，你仍然会占优势。我还是觉得，这永远都会是一场猫鼠游戏，但真正聪明地应对它会很重要。今天，对抗 AI 的唯一办法，就是更好的 AI。而且，你必须利用自己拥有的优势。

防守方了解自己的系统，防守方掌握架构图，防守方拥有代码，对吧？那么，怎样把这一切整合到一个东西里，大幅提高你在智力上胜过进攻型 AI 的概率？

AI写完代码为何又说不安全

Sarah Guo / Elad Gil： 我觉得，在具体做法上，有一个想法挺有意思：如果以后代码主要由智能体编写，那么随着时间推移，你就可以强制执行更好的安全架构。或许也会有更少的漏洞。很多人……你知道，形式化验证（formal verification）一直都是极其小众的，对吧？但即使不做到那一步，想一想，为什么所有软件都不安全？一个很大的原因是，工程师人数有限、精力有限，而我们所有人又都想推进得非常快。但如果你可以按照算力的增长速度，或者按照你愿意花多少钱来扩展规模，而智能体又有无限的耐心，那么也许随着时间推移，我们真的可以得到更安全的软件。这是一个挺有意思的希望。

George Kurtz： 我觉得确实有这种可能。这个行业现在已经到了一个阶段，生成的代码大概已经足够好，肯定能带来一些好处。但话说回来，生成代码所依据的训练材料也来自其他地方，其中有些东西本身可能就有问题。你知道，我自己也有开发者许可，我会自己开发一些应用，用 Claude 之类的工具，而且我有自己的安全智能体来审查代码。结果就是，Claude 刚刚生成了代码，转头 Claude 的安全应用又说：“这段代码不安全。”可这代码就是你刚写出来的啊，为什么不一开始就把它写好？也许这里存在某些优化取舍。

但我觉得，人们不一定意识到的一点是，就算漏洞数量降到零——我希望这个行业能做到——安全失陷事件（breach）还是会发生。因为今天我们看到的很多情况，不是有人攻破系统闯进来，而是他们直接登录进来。身份（identity）方面的问题非常严重。不过归根结底，如果我们能得到更好的代码，减少漏洞，并让这些改进逐步传导开来，那当然很好。

挑战在于，这件事有一条很长的尾巴。拿 Microsoft 来说，仅仅因为他们想维持各种向后兼容性（backward compatibility），有些东西就始终没能得到修复或者现代化。这还只是我们生态里一个重要的组成部分，再想想外面所有其他的软件。你不可能一夜之间把它们全修好。所以，这会是一个拖得很长的过程。

大公司也得找回小团队节奏

Sarah Guo / Elad Gil： 你经营 CrowdStrike 已经 15 年了，在那之前你也是创业者。我一直很喜欢安全这个领域，因为我们永远不会……从经营者的角度看，这既是一项有意思的使命，也是一项重要的使命。而且作为经营者，这个问题是不会消失的，对吧？但我感觉，很多大型成熟上市公司的 CEO，在这个时期都有点失去方向，因为他们作为既有企业所积累的很多价值都正在受到挑战。你是怎么考虑让自己跟上时代、让组织保持敏捷、持续获胜的？在这方面有什么普遍适用的建议吗？

George Kurtz： 有，很乐意聊聊这个。首先，我觉得你必须认识到，现在的运营模式和节奏已经不同了。我们有成千上万名员工，对吧？而有些刚起步的 AI 原生公司（AI-native company），只有几个人，Claude 一整天都在运行，智能体在做各种各样的事情。这就是新世界，很好。但你不能抱着那种瀑布式开发（waterfall development）的思维——我不是说我们是这样——过了一年东西才做出来。那样你就要倒闭了。

所以我觉得，首先得认识到，庞大的团队加上漫长的时间表，这一套已经行不通了。你需要更小的团队，比如小分队，或者围绕一个问题开展工作的小组。他们可以利用 AI，但你不能叫几千个人一起来解决一个问题。你得靠一个更小的团队来完成这件事。我们已经这样做了，比如我们的 Falcon Guardian 产品。

回应你刚才说的，我自己也亲自参与其中，每周有三天开会，我也参与了产品设计。就是这样：“我们要做的是这个，把这里改一改，把那里改一改。”你必须找回创业时的状态，因为在一家更大的公司里，就需要这种程度的改变。而且还有很多公司比我们大得多。你就是不能慢吞吞地往前挪。

所以，第一点就是认识到运营模式和节奏正在变化，你也得跟着变，得从内部颠覆自己。然后，你就要看，你的护城河是什么？如果你是一个权威记录系统（system of record），那就是一条相当宽的护城河。我们是安全领域的权威记录系统，对吧？我们拥有大家多年积累下来的数据。而且顺便说一句，我们还是数据的净创造者。

我们的传感器，我们称之为安全代理程序（security agent）——注意，不要和 AI 智能体混淆，我指的是终端代理程序（endpoint agent）这种软件——它本身就在净创造数据。我们每天大约会生成 7 万亿条事件。如果你在不断创造这种新的数据流，那就会给你带来优势，因为任何 AI 系统的命脉，都是你输入给它的数据。

所以对我们来说，一直都要问：我们的护城河是什么？我们该怎么看这件事？怎样确保……我们颠覆过那些既有企业，颠覆了 Symantec、McAfee，还有其他那些公司。它们大部分都不在了，要么变了样，要么被收购了，或者别的什么。你永远不希望自己落到被别人颠覆的位置。所以我们总是在问：怎样颠覆自己？怎样用不同的方式做事？怎样用不同的方式思考？

但归根结底，我最关注的事情——我也一直这么对团队说——就是：如果我们照顾好客户，其他事情自然就会水到渠成。客户想要的是得到保护，想要信任自己的供应商和合作伙伴。而且说到底，他们希望成本效益特别好。没有人想花冤枉钱。所以，要以最好的成本提供最好的结果，还要提供一种不用围着七个控制台、六把椅子跑来跑去的使用体验，就是要让事情变得简单。

这是客户总跟我说的头一件事：“部署实在太容易了，你们的东西就是能用。”我今天早上开了一个会，对方就说：“你知道吗？我们这边有两家公司正在合并，他们会选你们。”另一家公司原来没用我们的产品。对方说：“你们的东西部署起来就是这么简单。”我觉得，这一点很重要，就是多快能产生价值，也就是价值实现时间（time to value）。

年轻人为什么还可以学安全

Sarah Guo / Elad Gil： 现在很多人都在谈 AI 会导致失业。但这实际上还没有发生。到目前为止，从净就业岗位创造的角度看，我觉得发生的反而是相反的情况。类似地，也有很多人在问：我的孩子应该学什么？未来的工作会变成什么样？诸如此类。你怎么看？或者说，面向未来，你会建议大家往哪些方向走？又或者，这到底算不算一个长期问题？

George Kurtz： 总体来说，从 AI 的角度看，如果你回顾过去几百年发生的技术变革，每一次重大转变都创造了更多机会、更多工作。工作不一样了，但数量更多了。我坚信，这一次也会如此。

不管是编程还是其他事情，你仍然需要有人管理智能体，仍然需要有人思考这些架构。不是启动之后就可以撒手不管了。我知道很多人喜欢这么说，但这里仍然需要人的创造力。

具体到网络安全（cybersecurity），这是我一直会向年轻人、向大学生提起的一个方向：这是一个很值得进入的领域。如果你懂 AI，也懂安全，这就是一个永远在变化的领域。而且，这实际上不是一个能被彻底解决的问题。每一家供应商都想说自己解决了这个问题，但它就是无法被彻底解决。你必须降低风险，必须拿出最好的解决方案，必须能够保护客户。这其中涉及很多事情，而且它一直都在演变。

五年以后，会有一些我们今天甚至还没想到的技术出现。如果你现在在读大学，你们中的一些人将来就会去思考，该怎样保护这些技术。所以，我一直都想尽量回馈一些，也会关心大学生在做什么。或者，也总有家长来问我：“我的孩子应该学什么？”我觉得，网络安全、技术和 AI，都是非常棒的领域。

Sarah Guo / Elad Gil： 用这个话题收尾真好。George，非常感谢你来参加这次访谈。谢谢你来做客。

George Kurtz： 不用客气。

原始视频： https://www.youtube.com/watch?v=PST8yesYOSo