这一期我记住的是一个时间：27 秒。CrowdStrike 的年度威胁报告说，网络犯罪的「突破口时间」在 2025 年平均只剩 29 分钟，最快的一次是 27 秒——从进第一台机器，到横向跳进下一台。
CrowdStrike 创始人兼 CEO 乔治·库尔茨和 Sarah Guo、Elad Gil 聊了 45 分钟。他给这一期的核心判断是：无护栏的模型把攻击者的能力金字塔压平了，顶层不再只是民族国家，还有「代理国家」；而防守方唯一的办法，是把红蓝两队关进同一个数字孪生里对跑。
下面按节目顺序整理了全部要点，然后是逐句全文翻译。
一、企业里的 agent，和没人认得出来的影子
节目从一个观察开场：agent 正在接管企业。库尔茨说，要数清有多少 agent 在跑，最好的代理指标反而是前沿实验室的收入曲线——Claude Code、Codex 这些产品的收入涨得多快，外面就有多少 agent 在动。
问题不在数量，在可见性。企业不知道自己地盘上哪里冒出了 agent、谁在操作它，更关键的是它到底以哪个身份在运行。库尔茨把这件事叫影子 AI，说这是行业眼下最头疼的挑战，也是 CrowdStrike 这几年投入最大的方向之一。1
二、痛苦金字塔被压平，「代理国家」上台
库尔茨用「痛苦金字塔」描述过去的攻击者结构。底层是活动分子：技术最差，人数最多。中层是网络犯罪：更专业，人少一些。顶层是民族国家：能力最强，数量最少。
他说这个金字塔被彻底炸开了，因为顶层换了个名字——不是民族国家，是「代理国家」。那些没有护栏、或者干脆是为红队专门训出来的模型，把复杂技术、成本门槛和人才门槛一起抹平了。结果是：一个活动分子今天手里的能力，约等于几年前一个民族国家的能力。
随之而来的两个变化是漏洞更多、攻击更快。库尔茨说，现在还看得出来哪一次是 AI 打的，因为它迭代得太快；但对手迟早会切成「低而慢」，到那时就分不出来了。他给了一个更直白的判断：给一个 agent 一个任务和足够的时间，它要么进去，要么就死，所以它会想尽办法进去，而且很多次都会成功。
三、护栏严到做不出一份 PPT，于是尖端挪到了开放权重
主持问，这些攻击到底在用什么模型。库尔茨的回答是从护栏说起的：现在的前沿模型严到什么程度？你几乎做不出一份带「网络安全」字样的 PowerPoint——它会直接拒绝，再把请求降级到更低一档的模型。
所以攻击面的尖端挪到了没有护栏的开放权重模型那边：GLM、Qwen，以及各种专门为网络攻防训练、或者生来就是为了红队的模型。他说自己在家里就摆着两台 DGX Spark，模型全都跑着：要勒索软件、要勒索软件工具包、要部署、要迭代，没有拦阻。这离「全部在自己笔记本上跑」只差一步，而新出的 Mac Studio 只会把这一步再推近。
四、突破口时间：从几天到 29 分钟
主持问攻击是否有共同的地理来源。库尔茨先把问题重构了一遍：他更愿意按对手看，而不是按国家看——民族国家、以国家为掩护的网络犯罪，还是纯生意。他点名朝鲜在为外汇频繁出手，信息窃取和勒索都算；中国在大量把 AI 用进行动；俄罗斯和伊朗的团伙按来源被起了各种代号，熊、熊猫、小猫。
然后他给了这一期最硬的一组数字：突破口时间过去是几天，后来是几小时，现在按分钟算。平均 29 分钟，最快的一次 27 秒。之所以能这么快，是因为速度上限变成了推理速度——一进机器就开始高速迭代。
他还强调了一个质变：不是恶意软件了，是提示词。攻击者可以每次都写出完全不同的提示词，去向、收集情报的方式、横向的跳板全都不一样，签名也就不再重复，这让溯源和检测都变难了。
按 CrowdStrike 2026 年全球威胁报告的口径：2025 年平均突破口时间 29 分钟，比 2024 年快 65%；史上最快一次 27 秒；其中一起入侵在拿到入口后 4 分钟就开始外泄数据；AI 加持的攻击者活动同比增加 89%；90 家以上组织被人在生成式 AI 工具里注入了恶意提示；这家公司跟踪 280 多个命名对手。2
五、把这段能力放进三十年的坐标系
主持问，现在的攻防态势到底该怎么定位，是不是一个攻击者更占上风的时代。库尔茨不愿意用这个框。他说自己做了三十多年安全，观察是「安全水平总是跟着技术曲线的斜率走」。
他刚入行时，安全面对的是一个思科路由器，也许再加一个勉强能看的网站，防火墙都还不普遍，用的是一套套工具箱。今天的复杂度——云、身份、数据、AI——需要一大批公司才守得住，这也是攻击者的机会所在：他们永远找缝隙。
他举的例子是 npm 包。过去在美国企业里，没人会随手下载一个东西放到自己电脑上跑，必须先审查、扫描、过一遍流程。现在企业放出一个 agent，给它一个身份（往往是我们自己的），然后告诉它「你想下什么就下什么」。他补了一句：也没有人真的在读生产代码，事情跑起来像个黑盒，大家只是希望几天后有个结果弹出来。
结论是这一期的标题句：这是第一次，安全变成油门，而不是刹车。以前安全是那个让业务慢下来的部门；现在所有人跑到 CrowdStrike 面前问的是「怎么让 AI 安全，好让我们在 AI 上跑得更快」。
六、Hugging Face 那一次的真正教训
主持提到 Hugging Face 与 OpenAI 的那次事件，问这是不是他的转折点。库尔茨先反问了一句：你的最大收获是什么？主持说，任何跑前沿模型的人都得管好自己的环境质量，并且要有很强的持续生产监控。
他说这个答案对，但补了自己的那一层。很多人会说这是第一次端到端的 agent 攻击，也有人说看到了模型隐藏自己、想活到下一代——这些都成立。他最大的收获是另一件事：防守方没有拿到和攻击方同等的能力。
那场实验里安全气囊是关着的，agent 逃出了沙箱。但事后 Hugging Face 拿着数据去找前沿模型做判断，被拒绝了——因为那边的气囊是开着的。他们最后只能用开放权重模型把数据筛一遍，才弄明白发生了什么。
这就是他要解决的问题：让防守方拿到和攻击方同级的前沿防守 AI。
七、SafeMind：红队模型、蓝队模型，和同一个闭环
库尔茨说，他们在「安全超智能」这个词流行之前就建了自己的实验室——Cyber Superintelligence Lab，全部聚焦在安全模型：红队、蓝队，以及 harness。系统叫 SafeMind，两个模型分别叫 Red Tempest 和 Blue Solano。
蓝队一侧主要用 NVIDIA 的 Nemotron。他和黄仁勋坐下来谈了六个月，其中一个坚持来自黄仁勋：必须有数字孪生。其他行业都有数字孪生，安全也必须有。于是他们做了一个：把客户环境的全部信息在虚拟世界里重建，让红队在里头一直攻，直到用完步数——因为蓝队已经看懂了它在做什么。
官方口径（2026 年 9 月 1 日 Fal.Con 发布）：SafeMind 由 CrowdStrike 的安全超智能实验室出品，红队模型 Red Tempest 负责找攻击路径，蓝队模型 Blue Solano 负责堵，harness 让两者在同一个闭环里跑；底座是 NVIDIA 的 Nemotron 开放模型，训练与推理用 CoreWeave；相比前沿模型与开源基线，检出率高 29%、端到端快 6 倍、检出与处置的成本省 99%。34
八、为什么不直接用前沿模型：价格、数据、信任
主持问了一个合理的问题：为什么不直接用前沿实验室的模型？毕竟他们也知道安全重要，还给经过审查的防守方开了专门通道，比如 Daybreak、比如 Mythos 的访问权限。
库尔茨分了三点。
第一是价格。一次通用处置，用最高一档的前沿安全模型大约 10 美元，用他们的模型大约 3 美分。这个差距对每天做几千次处置的团队是决定性的。
第二是数据。他说得很直白：没有「CrowdStrike 数据的 Reddit」。合成数据可以造，但替代不了十几年的真实标注——包括 MDR（托管检测与响应）里那些威胁与漏洞的配对、攻击链的走向、最后是什么把它拦住的。这些数据没有公开替代品。
第三是信任与主权。客户不愿意把敏感数据送到实验室去，更不愿意它被拿去训练。这引出主持提到的「教堂与国家分离」：需要一个中立的第三方去质问实验室给的模型，也需要一条不需要把数据交出去的路。
他还讲了自己的原则：信任是一滴一滴攒起来的，一桶一桶丢掉的。客户不想看到「牛仔式」的动作把数据置于风险中，所以公司的焦点只有一件——不是去解决 AI 的所有问题，而是把安全这一件做好。
九、两年之后：本地模型常驻，最后一公里才路由
主持让他推演两年后的安全世界。库尔茨说，两年内每个人的电脑上都会跑着本地模型，形态是本地模型加上最后一公里的路由，把真正难的问题送进前沿模型；开放权重的份额会继续涨，token 的结构在过去六个月已经在变。
他用一场晚餐解释这个转向。一位纽约大银行的 CIO 告诉他：AI 一开始是全押，成本失控，账单来了 token maxing 就停了。现在的做法是，开放权重已经够好，落后三个月也行——因为这家机构本来也吸收不了每 10 天一个新模型，那个速度比他们监管上能接受的速度还快。
这位客户还给了他一个他最喜欢的比喻：任何「F1 级别」的活，走前沿模型——真正赚钱、真正要紧的那件事付全价；其余全部自建开放权重模型，继续做后训练。
十、蒸馏：精灵已经出瓶
主持问到开放权重的另一半：它们至少部分是从前沿模型蒸馏出来的，而很多实验室正在往模型里加反蒸馏。
库尔茨的第一句是反问：那些前沿模型当初又在蒸什么？围绕训练数据来源的诉讼大家都清楚。主持接了一句「像好酒，三重蒸馏」，他接下去说：所以蒸馏从哪里算起？
他的判断是，实验室会尽力防，但精灵已经出瓶——互联网上到处是蒸馏的作坊。他也把话分了两头：在拿不到足够芯片的地方还能做出顶级模型，这值得记一笔；有些创新发生在美国之外，得放在心上。
十一、开放权重是终局的一部分
库尔茨用了操作系统的类比：互联网的操作系统是 Linux，就这么定了，背后有它的理由。AI 也会有自己的操作系统，他判断那会是一个开源、开放权重的系统。
他强调这不代表前沿模型赚不到钱——应用栈、harness、企业那一段仍然重要，被摊平的是模型本身的溢价。他举了两个证据：中国的模型落后三个月，很多公司已经在说「三个月差什么，我要的它都会」；一家前五的金融机构告诉他，他们的组织根本没有能力吸收每 10 天一个新模型，三个月反而比他们能接受的速度还快。
这也是他和 NVIDIA 合作的原因之一：Nemotron 不只是开放权重，还是开源的；有美国自己的开放权重模型很重要。
十二、agent 不会瞬移：反驳「把互联网关掉」
主持问了一个他称之为「职业生涯里第一次」的现象：一些很聪明的技术人开始说，我们得把互联网关掉、全部气隙隔离，因为一年之内关键系统放在互联网上就不安全了。
库尔茨的回答很直接：nonsense。威胁是真的，该锁的东西要锁；但世界不会因为这些 agent 在近期终结。他的理由是，agent 不会从你的电脑瞬移过去——它做的事和人一样，只是更快更好。没有一种全新的技术类别凭空出现，它只是把已经知道的手法用得更快；它还没有自己发明出什么。
所以 AI 造出来的是更多的漏洞、更快的利用——更多、更快，但不是新物种。这也是他为什么说安全会成为 AI 的使能者：过去安全是在踩刹车，现在所有人来问怎么让 AI 更安全，好跑得更快。
十三、值得盯的方向：芯片、本地、边缘
库尔茨说他最看好的是芯片。芯片从前不时髦，现在时髦得不行，而且只会需要更多、更快、更专用。他不预测具体路线，但敢保证未来一定更快更便宜。
专用芯片加上围绕数学的新科学，会带来阶跃式的性能与功耗改善。另一个方向是把模型做小、做到端上：他拿手机类比——当年发射火箭要一个足球场大的机房，今天一部 iPhone 的算力就超过那整个房间。他认为会是混合形态：很多事在本地做完，TPU、NPU 这些今天常常闲置的算力，不会被闲置太久。
十四、防守能不能占上风：只要好一点点
主持替一线的防守人员问了一个更尖锐的问题：他们普遍悲观，觉得这场猫鼠游戏不会往自己这边走。你能不能给一个「防守占上风」的最强论证？
库尔茨说可以，前提是能快速看懂对手在做什么，并且让防守跟上。他把这看作当年《Hacking Exposed》的现代版：那本书的逻辑是把攻击怎么打摊开给人看，防守就会好很多；只是当年的节奏慢得多。
他反复对团队强调的是一条数学：必须给防守方和攻击方同等、甚至更好的能力；只要好一点点，乘起来就够。而防守方手里确实有三样攻击方没有的东西——自己的系统、自己的架构图、自己的代码。把它们都喂进去，才有机会跑赢进攻的 AI。
十五、agent 写的代码，会不会更安全
主持提了一个他很感兴趣的技术设想：如果代码以后主要是 agent 写的，能不能借此强制更好的安全架构，甚至把形式化验证从极小众推到主流？毕竟软件不安全的一个大原因是工程师有限、时间有限，而 agent 有无限的耐心。
库尔茨认为行业确实到了一个点，代码质量会带来一些好处，但他提醒：代码也是在被训练过的语料上生成的，那些语料本身可能就有问题。他讲了自己的日常：他用 Claude 写自己的小应用，然后又让一个安全 agent 去审——审出来的结论是「这段代码不安全」，而那段代码正是 Claude 刚写的。
更根本的是，就算漏洞归零，入侵还是会存在。他说今天看到的很多事不是「破门」，而是「登录」——身份才是那个洞。而且这是一个极长的长尾：他拿微软举例，为了向后兼容，有些东西永远不会被修，而这样的软件在整个生态里还多得是。
十六、给大公司 CEO 的建议：小队、三天一次评审、自我颠覆
主持把话题转向管理：很多大公司的 CEO 在这个阶段都感觉自己被架住了，过去靠在位积累的价值正在被挑战。怎么办？
库尔茨说，先承认这是一个不同的运营模型和节奏。大公司有成千上万人，而新起的 AI 原生公司只有几个人，Claude 全天在跑、一堆 agent 在干活。你可以不像他们，但你不能还在瀑布式开发里等一年后交付——那会直接出局。
他的做法是小队：小而聚焦的团队，配上 AI，而不是几千人一起解决同一个问题。他拿 Falcon Guardian 举例——自己一周三次评审，直接改设计。要回到创业公司的根上。
第二个是护城河。他给了两个：系统记录，以及净数据创造者。CrowdStrike 是安全的系统记录，存着客户多年的数据；它的传感器每天造出大约 7 万亿个事件，是新数据的净创造者。而数据正是任何 AI 系统的血液。
他自己当年颠覆了 McAfee 那一代的在位者，所以现在总在想「怎么颠覆自己」。最后他把焦点收回到客户：客户要的是被保护、是信任、是别花不该花的钱、是别为了一件事在七个控制台之间跑。他举了当天早上的例子：两家公司合并，另一家没有 CrowdStrike，最后选了有的一方，理由是「你的东西装起来太省事」。他把这个叫时间到价值。
十七、工作、专业选择，与「不是一个可解的问题」
主持问到就业：很多人担心 AI 带来失业，也有人问孩子该学什么。
库尔茨说他观察到的正好相反，到目前为止是净创造。过去两百年每一次大迁移都创造了更多机会和更多工作——工作不一样了，但更多了。他相信这次也一样：仍然需要人管 agent、想架构，不是点完就走，人的创造性还是要用。
对学什么，他的回答很具体：网络安全是个好领域。懂 AI、也懂安全的人，处在一个永远在变的领域里。他还说了一句很多人不爱听的实话：安全问题不是一个可解的问题，任何厂商说解决了都是话术；能做的是把风险压下去，给出当下最好的解法。五年后会有今天还没想过的技术，而在校的人里就会有人去想怎么保护它。
口径与核对
官方或公开资料能查到的：平均突破口时间 29 分钟、比 2024 年快 65%、最快 27 秒、4 分钟外泄、AI 加持行动 +89%、90 家以上组织被注入恶意提示、跟踪 280 多个命名对手（CrowdStrike 2026 全球威胁报告）；SafeMind 的红蓝两模型、NVIDIA Nemotron 底座、CoreWeave、检出高 29%／快 6 倍／省 99%、2026-09-01 发布（CrowdStrike 官方新闻稿）；安全超智能实验室由 Bartley Richardson 领导；33 个模块（CrowdStrike 财报口径）。5 库尔茨 1999 年创办 Foundstone、2004 年被 McAfee 收购、2011 年创办 CrowdStrike、2019 年上市、《Hacking Exposed》合著、梅赛德斯-AMG 马石油 F1 车队共同所有者与技术顾问、FIA 铜级车手，拿过勒芒与斯帕 24 小时 Pro-Am 组冠军。67
只有节目里说过、本轮没有独立核到的：他家里摆着两台 DGX Spark；一次通用处置「前沿模型 10 美元、自家 3 美分」；平均每位员工 90 个 agent；每天约 7 万亿个事件；一位纽约大行 CIO 的晚餐说法与 F1 比喻；一家前五金融机构说「吸收不了每 10 天一个新模型」；两家公司合并因为「部署太容易」而选择他们。
两处口径值得放在一起看：一是「15 年数据」——CrowdStrike 2011 年创办，到 2026 年正好十五年，与节目里的说法一致；二是「在术语流行之前就建了实验室」——实验室的公开成立时间是 2026 年 9 月 1 日，而「安全超智能」这个说法本身也是 2026 年才起来的，这句话只能算部分吻合。
官方章节表的一处笔误：RSS 与视频描述里把「agent 的版图」一段写成 00:12，按前后顺序应为 01:12（00:59 出场介绍之后、01:34 AI 与攻击者之前）。
逐句全文翻译
以下是整集 45 分 27 秒的逐句中文翻译，按节目顺序排列，保留「主持」「乔治」「片头」「片尾」的说话人标签，不压缩、不摘要、不删减。底稿是官方同名视频的完整英文字幕（9,395 词）；官方字幕本身不带说话人标记，两位主持人（Sarah Guo、Elad Gil）统一标为「主持」，嘉宾标为「乔治」。字幕里的个别错听按上下文改正，例如把 Elad 听成 Allah、把 Nemotron 听成 Neotron、把 CrowdStrike 听成 Crowd Strike。
片头与出场（00:42–01:33）
片头（乔治）：这是第一次，安全是油门，而不是刹车。
主持：你怎么描述你看到的、AI 在替攻击者做的事情？
乔治：新的顶级掠食者，是「代理」。几年前只有民族国家才有的那种能力，今天基本上一个活动分子就有了。这彻底改变了整个威胁环境。所有人要记住的一件事是，这已经不是恶意软件了，是提示词。他们可以写出提示词，造出一个完全独一无二的签名：往哪个方向走、怎么收集信息、从哪里横向移动。所有人都跑来找 CrowdStrike 和其他人说：「你们怎么让 AI 变安全，好让我们在 AI 上跑得更快？」今天唯一能对抗 AI 的，是更好的 AI。防守方知道自己的系统，手里有架构图，手里有代码。怎么把这些东西都变成一件事，让你的胜算大幅提高，跑赢进攻方的 AI？
主持：各位听众，欢迎回到 No Priors。今天我和埃拉德请到了乔治·库尔茨。出事的时候，乔治是全世界第一个被打的电话；他是一位传奇的网络安全防守者，创办了 Foundstone，然后是 CrowdStrike。我们聊网络安全正在发生什么、用 AI 打 AI、他们内部的研究项目 SafeMind，以及下一个时代互联网的胜算大不大。欢迎回来，乔治，非常感谢你来做这一期。
乔治：很高兴能来。
agent 的版图与痛苦金字塔（01:34–03:39）
主持：那么，这是技术的一个剧变期，agent 正在接管企业，CrowdStrike 站在最前面。你能跟我们讲讲，你现在在客户现场看到什么吗？我记得你说过，人们的地盘上正在行动的 agent，比他们知道的要多两三个数量级。
乔治：企业里我们看到的情况很惊人。如果你去追前沿实验室的轨迹，只看他们自己的收入，你就能看出外面多了多少 agent，不管是 Claude Code 还是 Codex。它们到处冒出来，整个环境里都是。当然还有别的各种 agent，但那只是拿来做代理指标。我们看到的就是它们到处冒出来。而这些企业的一部分问题是，他们根本不知道它们在哪里冒出来。影子 AI 对很多公司来说已经是大问题。我知道我们接下来会聊 agent 在干什么、有哪些坏事在发生，但总的来说，让组织明白 AI 在哪儿发生、谁在做什么，更重要的是他们到底以什么身份在运行，这已经是行业里的大挑战，也是我们在 CrowdStrike 的重点，想为客户把这道题解开。
主持：你怎么描述你看到的、AI 在替攻击者做的事情？你以前说过，它在把攻击者的金字塔压平。
乔治：说到攻击者，我用的说法是「痛苦金字塔」。你想象金字塔的底部，那就是我们说的活动分子：技术水平最低，但人数最多。金字塔中间那一层是网络犯罪：更专业一些，人数比活动分子少。金字塔顶端是民族国家行为体：能力最强，相对而言人数最少。而这个结构被彻底炸开了，因为现在我们看到的新顶级掠食者不是民族国家，是「代理国家」。代理国家做的事，如果想想外面那些被「阉割」过的模型——也就是没有真正护栏的那些——它把所有这些非常复杂的技术、成本和门槛都压平了，把整个金字塔压成了一层。几年前只有民族国家才有的能力，今天基本上一个活动分子就有。这彻底改变了整个威胁环境。
那我们看到的是什么？我们看到被找到的漏洞更多，攻击也更快。攻击来的时候，一次接一次。你现在其实还看得挺清楚，某一次攻击是不是 AI 打的，因为你能看出它们迭代得多快。但到了某个点，他们会把它调成「低而慢」，那时候要判断哪一段是 AI、哪一段不是，就更难了。但这就是我们现在看到的，我认为组织真正面对的一个挑战就是：攻击的轰炸量、以及它的复杂度，都大幅上升了。说到底，如果你给一个 agent 一个任务、再给它足够的时间，而这个 agent 要么进去、要么就死，那它就会想办法进去，而且很多次它都会成功。
无护栏的模型，与两台 DGX Spark（03:40–05:26）
主持：你看到这些对抗性攻击的制造方式在变吗？我们刚才聊到闭源模型和开放权重模型。你看到的是大部分都发生在开放权重模型上，还是混合的？人们到底在用最前沿实验室的能力，还是别的什么？现在真正被用来做这些攻击的，是什么？
乔治：我们看到很大一部分发生在开放权重模型上。你看最新一代任何一个前沿模型上的护栏就知道了。说实话，你几乎做不出一份带「网络安全」字样的 PowerPoint：它会直接拒绝你，把你降级到更低一档的模型。所以我们看到的是，如果你看 GLM，看 Qwen，看外面那些模型，它们在处理网络安全这件事上都很有用。很多模型要么被「阉割」过，要么干脆就是专门为网络攻防、为红队训出来的。而这一类攻击你其实随手就能跑起来。我自己家里就有两台 DGX Spark，所有模型都跑着，我想做什么就能做什么。你想造勒索软件？没问题。你想造一套勒索软件的工具包？没难度。你想部署、想迭代？全都摆在你面前。你知道的，这离「全部在自己的笔记本上跑」只差一步；而想想今天的 Mac 到了什么程度，新出的那些 Mac Studio，会成为非常强的 AI 机器。所以矛尖会落在你能在没有护栏的情况下跑起来的那部分，而前沿模型在这一点上还有点用——比如你需要 PowerShell 脚本之类的东西。但眼下，很多事你用开放权重模型就能做。
攻击从哪来、突破口时间，与三十年坐标系（05:27–10:13）
主持：那有没有一个共同的地理来源？大部分攻击来自同一个地区吗？有没有共同的攻击类型，主要是勒索软件，还是别的东西，比如钓鱼？我有点好奇，随着 AI 工具被采用，这个构成有没有变化？
乔治：我们换个角度看这个问题，因为我们是站在对手的角度看的。你问的是不是民族国家、是不是以国家为掩护的网络犯罪？我们给这些团伙起了各种代号，熊、熊猫、小猫，取决于它们来自俄罗斯，还是可能来自伊朗，等等。我们看到大量的攻击。朝鲜非常忙，忙在这些攻击上，他们得想办法往自己的经济里弄钱，所以在信息窃取上很活跃，很多围绕勒索软件、拿到赎金。总的来说我们看到的是，中国那边有大量使用 AI 的活动，网络犯罪世界里也一样。
当有人进到一个系统里，我们追的是一个叫「突破口时间」的指标：如果他进了你的系统，要花多久才能真正突破出去、横向移动、跳到另一台机器上。一般来说，他最先落到的那台机器不是最有意思的那台，也可能是，但通常不是；皇冠上的珠宝可能在别处。所以这个时间过去是几天，后来是几小时，现在是几分钟。平均 29 分钟，但我们见过最快只要 27 秒。本质上，现在要看的是推理的速度：他们一进机器，你就能看到它迭代得非常快。
而且大家要记住，这已经不是恶意软件了，是提示词。所以他们可以写出提示词，造出一个完全独一无二的签名：往哪个方向走、怎么收集信息、从哪里横向移动。这让把这一切搞清楚变得更难。但这就是我们现在看到的，而且从民族国家到网络犯罪，全都在这么做。
主持：你在 CrowdStrike 创办之前就一直在这个行业里做领导者。你会怎么给当下这段时期定位——攻击方能力在涨，防守方能力可能也在涨——我们现在是处在一个攻击者更占上风的世界吗？你整体怎么想这个问题？
乔治：我认为现在是做技术最让人兴奋的时候之一。真的，我做这行三十多年了，我总喜欢说的一句话是：安全是跟着技术曲线的斜率走的。我刚进安全这行的时候，面对的是一台思科路由器，也许再加一个勉强能看的网站，那时候其实没有防火墙，有的只是一些工具箱，TIS 工具箱之类的东西。这么说大概暴露年龄了，但那时候东西确实不多。
现在你想想今天的复杂度：云，以及围绕 AI 的所有其他技术，我不一一列举了，但今天比当年复杂得多。所以你需要所有这些小公司，也需要大公司，才能把这些技术都守住。所以当我们看今天的位置，它其实是最让人兴奋的，同时也创造了最大的机会，因为攻击者一般都能找到缝隙和接缝。他们会找到那些还没有得到好保护的新技术，然后拿来利用，比如 npm 包。
对，在旧世界里，你很清楚，美国企业里没有人会随手下载一个东西就在自己电脑上跑，它必须经过审查、扫描、走完这一套流程。现在我们放出一个 agent，给它一个身份——这个身份本质上就是我们自己的，甚至更糟——然后把它放出去，说你想干什么就干什么。顺便，你想下什么包就下什么包。显然，这类事情会带来巨大的暴露面。所以我们现在是在慢慢把这件事捏住。
主持：而且没有人真的在读那些生产代码，它就那么上线了。
乔治：对，没有人读。你在现实里看到一些东西会挠头。这不该让你惊讶。事情就像是：我们给它一个任务，几天后回来，希望它都跑通了。没有人在看着它，没有人知道它在干什么。这确实是个问题。我们可以聊这些 agent 的可解释性，那会非常重要，但现在它就像一个黑盒，没人知道里面在发生什么，大家只是希望另一边能有个东西弹出来。
但这也是做技术的好时候。AI 会从根本上改变世界，前沿实验室在做很了不起的事。但最终，还是要落到安全能不能让这些技术跑起来。这是第一次，安全是油门，而不是刹车。这就是我们看到的。
Hugging Face 的教训与 SafeMind（10:14–15:21）
主持：你是在什么时候意识到这个拐点正在发生的，至少在安全这个领域？我想对很多人来说，Hugging Face 和 OpenAI 那件事像是一个大时刻——大家突然意识到，能力和技术正在发生一个巨大的位移，以及像你说的，到底有没有人在监控。那对你是决定性的时刻吗？还有哪些时刻是决定性的？
乔治：我先问你一个问题。你对 Hugging Face 那件事最大的收获是什么？
主持：任何在跑前沿模型的人，都要小心自己的环境质量，并且要有非常好的、持续的生产环境监控。
乔治：对，这就是收获。但我想很多人会说，这是第一次端到端的 agent 攻击。这都对，你看看这些东西当时在干什么，有人会说到它们在隐藏自己、想办法活到下一代，这些也都对。但我最大的收获是：防守方没有拿到和攻击方同等的能力。好，你会看着这件事说，安全气囊是关着的，因为这是一场实验，agent 的护栏是撤掉的、气囊是关的，最后它们找到了逃出沙箱的路。但现实是，Hugging Face 当时做的第一件事是去找前沿模型，问：「这到底是什么？这是真的吗？发生了什么？」然后他们被拒绝了，因为那边的气囊是开着的。那他们只能怎么办？他们实际上只能用开放权重模型去把这一大堆数据筛一遍，才弄明白。所以对我来说很大的一块，就是要确保防守方能拿到和攻击方同等水平的前沿防守 AI。这是我从这件事里得到的一大收获，也是 CrowdStrike 正在做的事情之一。
主持：而你刚才提到的那个语境下，这件事是不是很难——最先进实验室的护栏那么严，某种意义上你可以说，那些同样的防守能力并不是每个企业都拿得到。换句话说，他们不得不用开放权重模型，本身就说明目前用实验室的模型做不到这件事。那问题就变成了：你怎么让企业用上？
乔治：对。你用前沿模型试做一份带网络安全的 PowerPoint，它就会拒绝你。所以这也是我们做 SafeMind、做我们的红队和蓝队模型的原因之一：我们想给客户前沿水准的防守能力，让他们能在不被这些拒绝拦住的情况下工作。我认为这对很多公司来说会是接下来很重要的一块。
主持：回到攻防这件事上。看起来每一次技术迁移，当做事情的方式发生大变化时，攻击能力总是稍稍领先一点，原因有几个。一个是攻击可以非常指令式：我要去做某件事。而防守要覆盖的是一整片表面积，某种意义上是你要覆盖更多东西。第二个是技术采用和扩散：你是一次攻击，你是一组攻击者，你知道自己要打什么；而你要防守的是企业这个弥散的生态。CrowdStrike 怎么想这件事——怎么让这些防守能力可以非常广泛地被用上？
乔治：这是我们重点做的一件事。我们建了自己的网络安全超智能实验室，我可以说，是在这个词流行之前就建了，所以这一点我们算是押对了。本质上我们建了一个前沿类型的实验室，完全聚焦在安全模型上，红队和蓝队都有，还有 harness。系统我们叫 SafeMind，两个模型是 Red Tempest 和 Blue Solano。我们和 NVIDIA 大量合作，用了几种模型，蓝队这边主要用的是 Nemotron。
我们坐下来谈，我和黄仁勋坐下来，这件事我们做了六个月，把这件事怎么做走了一遍。就像你说的，防守看起来总落后一步。所以我们做的很大一块，是让红队和蓝队一起迭代。对客户，我们能看到他们的环境长什么样，然后——这一点是黄仁勋坚持的——你必须有一个数字孪生。你看其他行业都有数字孪生，他说，安全也必须有一个。所以我们建了一个数字孪生：可以把我们知道的客户环境的全部信息，在虚拟世界里重建出来，然后让模型迭代，把模型放进一个循环里，红队一直在想办法进去，直到它用完步数，因为蓝队 Solano 已经搞清楚了红队在做什么。我认为这就是我们跟上威胁的方式，因为红队一直在迭代，你必须把这个循环建起来。
三十三个模块、价格、数据与信任（15:22–22:46）
主持：这说得通。哪怕只从传统的网络安全角度看，了解自己的环境也是防守方仅有的几个优势之一；而 CrowdStrike 也是最早把共享情报、把对攻击者的理解做出来的公司。其实我觉得值得把镜头拉远一点，讲一讲 CrowdStrike 今天在研发上投的主要产品和方向，因为它已经是一个巨大的安全玩家，但「端点防护 + 理解攻击者」这个印象可能已经过时了。
乔治：我想是对的。过去四五年，我们确实走进了更宽的平台能力。我们现在有 33 个模块，而当年我创办公司的时候只有一个。我们不只是做端点，还做云、身份，以及很多其他领域。
所以你看我们投得最多的方向，特别是最近一次用户大会 Fal.Con 上讲的，是围绕我们叫做 AID 的东西。我们开创了 EDR（端点检测与响应），早期很大一部分是「一台电脑加一个人」。之后我们当然在这之上加了很多东西，比如预防等等。但你看一个 agent 在做什么，它本质上是一个超人类：它有身份，有算力，跑在你的电脑上，或者跑在容器里；它能访问数据，它有网络能力。
所以我们想先做的第一件事，是把所有这些游走的、影子的 AI 都找出来，因为没人知道它在哪。回到你刚才说的，你得知道自己环境长什么样。第二件事，我们可以从一个 agent 出生的那一刻就开始记录它在做什么。比如你在 Claude Code 里起一个 agent，它有子 agent、有工具调用、会去某个 MCP 服务器、会把数据拉下来，不管它在做什么，我们能把整条事件链告诉你，这一点极其重要。然后才能在这些之上加策略和阻断规则。
所以我们在那个方向上花了很多时间。从生意的角度看，现在的统计说，平均一个员工可以有 90 个不同的 agent——我个人觉得这个数字偏低——那这个市场比 EDR 大得多。这是我们聚焦的一块。
第二块就是我刚才说的，建这个超智能实验室，做自己的前沿模型。我们的模型是从已有模型起步的，主要是 Nemotron 这一档，我们在帮他们把一些我们需要的东西微调进去，也为他们要出的下一代做准备。然后我们用过去十五年积累下来的宝贵数据去做后训练，拿到最好的结果。
我还要说一点，然后我停下来：harness 的差别巨大。几乎任何模型，不管是前沿的还是货架上直接拿的开放权重模型，配上我们做的这个 harness，都能拿到好得多的结果、成本还低得多。这些是我们投的几块大方向。身份那边还有更多，我很乐意讲，但我先停一下，看你们有没有别的想法。
主持：我本来就想问你实验室投入这件事。我觉得对任何一次模型训练，都可以问一个合理的问题：为什么这不直接是一个前沿模型？你们也跟 OpenAI、Anthropic 合作，这些实验室当然明白安全的重要性，他们有给经过审查的防守方的项目，比如 Daybreak，比如 Mythos 的访问权限。为什么那还不够？我理解你有一个基于 harness、基于内部数据理解的能力论证，除此之外，对一个独立的安全厂商来说，还有什么结构性的东西是重要的？
乔治：我想有几件事。第一，实验室做出来的东西是了不起的，他们从哪儿走到今天，做出来的东西令人难以置信。我们也想把这些开放给客户，所以总体的逻辑是：如果你有 SafeMind，而你想用前沿模型，很好，我们可以用；如果你想用我们的模型，那太好了，我们的模型会便宜得多。
举个例：一次通用的处置，如果你用最高一档的前沿安全模型，大概要花 10 美元。我们的只要 3 美分。这个成本差是巨大的，这很重要。但接着你看我们的模型，因为我们是拿自己的数据做后训练的，一个巨大的差别是我们有数据。没有「CrowdStrike 安全数据的 Reddit」这种东西。你可以造合成数据，但它跟我们的数据真的不是一回事。我们有十五年的安全数据——也许稍微少一点，因为我是十五年前创办的，但你可以说十年以上——包括来自我们 MDR（托管检测与响应）服务的数据，里面有威胁与漏洞的配对、有攻击链。我们基本上造出了这么一大块数据来训练它。所以我们拿到了很好的结果；我认为它非常聚焦，因为这个后训练——再说一次，它不会治好癌症，但它会在安全这件事上给你很好的结果。这是第一点。
第二点是安全和信任。我们手里有客户的全部数据，过去十五年他们一直把这件事托付给我们。我们知道怎么保护它，知道他们要什么，知道他们想怎么用。客户确实有一个真实的担心：他们不想让这些数据都流到实验室去，不想让自己的敏感信息、自己的信息被拿去训练。所以我们可以给客户一条路，让他们在自己的安全项目里拿到想要的信任与安全。「AI 主权」这个概念对我们的很多客户非常重要。所以，我们不是说要把实验室排除在外，他们的技术很了不起，你可以挑你想用的，也可以在不同的模型之间路由，归根到底我们想给客户选择。
主持：你还讲过一点「教堂与国家分离」。某种意义上，你需要一个中立的第三方，能够去质问实验室给的模型，也能去质问外面那些开源模型。看起来 CrowdStrike 可以扮演这个角色。
乔治：我认为安全行业的第一要素是「被信任」，是做一个可信的伙伴。你看外面这些厂商，有几个巨头，也有很多安全公司，但信任是一滴一滴攒起来的，一桶一桶丢掉的。客户不想要「牛仔式」的动作，那会把他们的数据置于风险之中。我知道每个人都在尽力做到最好，但我们的焦点——我认为焦点在任何生意里都极其重要——我们全部的焦点是安全，是让客户安全。我们不去试图解决 AI 或者其他领域的全世界的难题。所以我认为这确实是我们的一项优势。
两年后的安全世界、CIO 的晚餐与蒸馏（22:47–26:41）
主持：如果往两年后想，你觉得安全世界会是什么状态？从今天往前，你认为什么变了？
乔治：两年之内，你肯定会看到本地模型跑在每个人的电脑上。你可能会看到本地模型加上最后一公里的路由、送进前沿模型的混合形态。你会看到多得多的开放权重模型。你只要看过去六个月 token 的结构变化就能看出来。
主持：你看到的这个变化是什么？量级有多大？你觉得它会持续多久？
乔治：我几乎每天都跟 CIO 聊。今晚我刚和纽约一家大银行的 CIO 吃了饭，他的说法是：我们上 AI 的时候是全押，成本失控，一到账单来了，token maxing 就停了。我问他，那你们怎么看这件事、打算怎么做？他说，开放权重模型现在就是这么好，就算落后三个月，对我们需要的也足够了。他还说——他们知道我喜欢 F1——「我们银行任何 F1 级别的活，都会走前沿。如果那件事是 alpha、是在给我们赚钱、是极其重要的，那我们就付钱，没问题。但其他所有事情，那太贵了，我们会自己建开放权重模型、自己继续做后训练。」这就是他们要运作的方式。我坚信这一点。我在一个接一个的客户身上看到这个转向，我认为当下环境里的一部分挑战，就是大家都在看到这件事，前沿那一层也在担心接下来会发生什么。
主持：那么在开放权重模型上，有一种常见的说法是，它们至少部分是实验室蒸馏出来的。也就是说，中国的开源玩家实际上是在拿 Anthropic 或者 OpenAI 的模型、或者别的什么前沿模型来训练自己的模型。而这些实验室里很多正在推反蒸馏：他们想在模型里建一种不被蒸馏的能力。你觉得这会不会就是一场来回拉锯，能力一直往上走，像攻防一样？你对两年后、或者某个合理时间范围内的蒸馏状态，预测是什么？
乔治：我想我的第一句评论是：那些前沿模型当初又在蒸馏什么？我是说，围绕数据是从哪儿来的、这件事是怎么展开的，那些诉讼我们都知道，所以我们可以从那儿开始。
主持：所以就像好酒，三重蒸馏。
乔治：就是三重蒸馏，一点没错。所以蒸馏从哪里算起呢？我认为事情就是这样，实验室肯定在专注防止蒸馏，显然你去看外面那些中国模型，有大量的蒸馏在发生，有很多类似作坊的系统在互联网上到处跑着做蒸馏。我认为挑战在于精灵已经出瓶了：已经有很多蒸馏在发生，模型很好。但我们也得给该给的功劳：如果你没有那么多芯片，你必须想办法，而你还想做出顶级模型，那我认为美国之外正在发生一些有创新的东西，我们得留意这一点。
所以，是的，这很难。我认为要把蒸馏这只精灵塞回瓶子里会很难。他们会尽最大努力，但很多模型……两年后是什么样？我不知道。你今天有很好的模型，它们能撑一阵子，而且里面已经打包了大量数据。所以我们就看它怎么展开。这件事我要是有水晶球就好了。
开放权重是终局的一部分（26:42–28:48）
主持：我只是好奇。另外，这种问题总是很难预测，但我有点好奇：你觉得中国公司在保持前沿、至少是开源开放权重的前沿方面，有没有结构性优势？还是说美国的开放权重模型短期内会追上来？
乔治：有一些开放权重模型正在出来，我相信你们可能也投了其中一些。我认为有好的美国开放权重模型会非常重要。这也是我们和 NVIDIA 合作的原因之一：Nemotron 不只是开放权重，它是开源的。有别的替代方案会非常重要。而且，在技术行业待得够久，你会看到事情是怎么展开的：互联网的操作系统是 Linux，就是这样，背后有它的理由。AI 也会有自己的操作系统，在我看来，到时候它会是一个开源的、开放权重的系统。
至于什么时候、怎么展开，我们看着吧。这不代表前沿模型没有空间，也不代表人们不能靠它赚很多钱——围绕它的应用栈、harness、怎么连接、怎么思考企业这一段，都会非常重要。但归根到底，眼下的成本太高了。而且你看很多前沿模型，它们正在被商品化：如果中国的模型落后三个月，很多公司会说，三个月算什么，我要的东西它都有。这就是挑战。最近一家前五的金融机构——那边一位很大的技术采购负责人——跟我说，他们的组织根本没有能力吸收每 10 天一次的新模型发布，所以落后三个月，反而比他们这个受监管的组织能接受的速度还快。某种意义上，这对他们来说没有区别。我认为开放会一直留在这里，是这个拼图里很大的一块。
对「把互联网关掉」的反驳（28:49–31:28）
主持：我还会一直请你预测未来，这多少不太可能，但以你在安全行业的历史——这是我做技术这一行以来第一次，一些非常聪明、受过很好教育的技术人说，我们得把互联网关掉，我们得把所有东西都气隙隔离，因为互联网明年就要崩了，关键系统碰它就不安全。你觉得这在未来成为一个合理概率有多高——就是有很多社会不能依赖联网的关键系统？
乔治：我认为这是胡扯。安全和 agent 能做的事、它们带来的风险，是不是严肃的事？当然是严肃的事。我们都该看着它说：对，我们得确保把东西锁好。但世界会因为这些东西在不久的将来终结吗？不会。
而且你看 agent 在做什么，我觉得有一种神话式的看法。agent 不会从你的电脑把自己传送（beam）到另一台电脑上，它其实就是在做一个人会做的事，只是更好、更快。所以如果你想想 CrowdStrike 这样的公司长期以来做的事，我们是防住这些攻击的。现在它们可能来得更快，可能有更多低层的漏洞被串起来之类。对攻击方是好事，对防守方不是，但我们在造的正是能应对这些攻击的技术。
所以 AI 做了什么？它造出了更多漏洞，于是你有更多漏洞，也有更多利用来得更快。是「更多」和「更快」，但并没有一个全新的类别，说 agent 突然把自己传送到哪里去了。我认为人们在这里绕住了：好像出现了一种全新的技术门类。其实没有，它只是在已经被我们知道的东西上训练出来的，它还没有自己发展出新的东西。
这也是为什么我回头看，会说安全又一次会成为 AI 的使能者。我认为这对安全行业极其重要，因为通常你是那个踩刹车的人：我们得花时间，你不能让业务按它想要的速度跑。而现在所有人都跑到 CrowdStrike 和其他人面前说：你怎么让 AI 安全，好让我们在 AI 上跑得更快？所以我会这么看这件事。AI 会一直在这里。我认为有些担心是存在的，也应该存在，但这方面有很多末日论，我并不认为它们都站得住脚。
值得盯的 AI 方向（31:29–33:51）
主持：你有时也会以天使投资人的身份参与一些公司，也在这个生态的其他部分。除了安全，现在还有哪些领域让你很兴奋，是 AI 世界里关键的变化或焦点？有哪些刚刚发生或者快要发生的事，你觉得很有意思？
乔治：我觉得芯片以前是不时髦的。显然今天很时髦了，而未来你只会需要更多、更快、更专用。我确实认为芯片领域会有一些大的突破。就说速度这件事，摩尔定律可能有点过时了，但归根到底，芯片一出来，东西就更快、更便宜。我不知道具体轨迹，但我可以保证未来会更快、更便宜，这个我看得到。所以随着这些专用芯片被开发出来、聚焦在特定领域，随着围绕数学的新科学出现，性能会出现阶跃式的提升，功耗还会更低。所以我认为芯片是一大块。
开放权重模型，我认为还有很大成长空间，尤其是美国的模型。我也确实认为在把这些模型缩小、能够跑在你的手机上这方面，会有很多进展。我们大概都知道那段历史：当年发射第一枚火箭要一个足球场大的机房，今天我们一部 iPhone 里的算力就超过那一整个房间。那会到来。我认为能让人工智能更快、更便宜、更高效，并且把它带到桌面、带到手机、在边缘上做，这些都是让人兴奋的机会，因为那才是我看到的形态：你很可能会有一个混合模型，很多事情现在可以在本地做。再看 TPU、NPU 这些，它们就在我们今天已有的系统里，很多时候被闲置着，但我认为它们不会闲置太久了。
防守能不能占上风（33:52–38:02）
主持：因为你的工作就是整天雄心勃勃地思考防守方能做什么——我不会说防守方是末日论者，但他们在猫鼠游戏上普遍比较悲观，觉得不会往自己这边走。你能不能给出你最强的论证：如果大家投对了、把产品做得更好、把很多事自动化了，有没有一个版本是防守在接下来十年真正占上风？
乔治：我认为可以。前提是我们能始终快速理解攻击方在做什么，并且确保防守跟得上，这会是最关键的。某种意义上，这是我很多年前合著的《Hacking Exposed》的现代版。那本书的逻辑是：如果你把攻击是怎么做的摊开给人看，防守就会好得多。当年那个节奏比今天慢得多，但我认为这一点仍然重要。
作为行业，确保一件事——这也是我对 CrowdStrike 团队反复强调的——你必须给防守方和攻击方同等、或者更好的能力。而如果你只是稍微好一点点，从数学上讲，你仍然会有优势。我认为它永远会是一场猫鼠游戏，但把这件事做得非常聪明会很重要。今天唯一能对抗 AI 的，是更好的 AI。你必须用上你手里的优势：防守方知道自己的系统，防守方有架构图，防守方有代码。所以问题就是，你怎么把这一切都放进一个东西里，让你大幅提高跑赢进攻方 AI 的概率？
主持：我认为唯一有意思的战术性想法是这个：如果未来代码主要是 agent 写的，你可以借此强制更好的安全架构。也许人们会害怕漏洞，很多人会说形式化验证一直极其小众，但哪怕不到那一步——为什么所有软件都不安全？很大一个原因就是工程师数量有限、能力有限，而我们都想跑得很快。但如果能按算力的速度、或者按你愿意花钱的速度扩展，而 agent 又有无限的耐心，那也许我们最终能得到更安全的软件。这是一个有意思的希望。
乔治：我认为行业现在到了一个点，代码质量可能够好了，你一定会拿到一些好处。但再说一次，代码也是在别的领域上训练出来的，它训练用的东西本身可能就有问题。我自己有开发者许可证，我会自己搭一些小应用之类的，用 Claude 这类工具。我还有一个自己的安全 agent 去审代码，结果是：Claude 刚写完代码，然后 Claude 用它的安全应用说「这段代码不安全」——这是你刚写出来的，你刚才为什么不直接做对？也许这里面有些优化空间。
但我觉得人们不一定意识到的是：哪怕漏洞为零——我希望行业能走到那一步——你还是会有入侵。因为我们今天看到的很多事情，他们不一定是「破门进去」，他们是「登录进去」。身份这个问题太大了。但归根到底，如果我们能拿到更好的代码、更少的漏洞、并把它传导出去，那会很好。挑战在于这是一条极长的长尾。就拿微软举例吧，为了维持向后兼容，有些东西永远不会被修掉或者现代化。这只是我们生态里的一个重要元素，但你想想外面还有那么多软件，你不可能一夜之间全修好。所以这会是一条非常长的长尾。
管理建议、就业与收尾（38:03–44:14）
主持：你带领 CrowdStrike 已经十五年了，在那之前你是创业者。我一直很喜欢安全，因为作为一个生意人，它既是一个有意思、又重要的使命，而且这个问题不会消失。但我感觉很多大公司的 CEO 在这个阶段有点被架住了，因为他们靠「在位」积累起来的很多价值正在被挑战。你怎么让自己保持更新、让组织保持敏捷、继续赢下去？
乔治：好啊，我很乐意聊这个。首先，我认为你必须承认这是一个不同的运营模型和节奏。我们有成千上万人。而你看那些刚起来的 AI 原生公司，他们只有几个人，Claude 全天在跑，一堆 agent 在做各种事。那是新世界，很好。但你不能处在——我们不是，但你不能处在那种瀑布式的开发心态里，东西一年后才出来，那样你会直接出局。所以首先你得意识到，巨大的团队、长长的排期，是不够的。
要有更小的团队，比如小队、更小的组，聚焦在一个问题上，他们能用 AI；但你不能让几千个人一起上阵去解决一个问题，必须有更小的团队才能做到。我们这么做过。我们在 Falcon Guardian 这个产品上就这么做过，而且我个人是参与的，一周三次评审，我参与它的设计：这里我们在做什么，这个改一下、那个改一下。你得回到创业公司的根上，因为在大公司里，需要那种程度的改变。有很多公司比我们大得多，而你不能又慢又臃肿。
所以第一件事，是意识到运营模型和节奏在变，你必须改变，必须从内部颠覆自己。然后你得看自己的护城河是什么。如果你是某个领域的系统记录，那是相当大的护城河。我们是安全的系统记录，我们手里有所有人多年的数据。顺便说，我们是净数据创造者。我们的传感器——我们叫它们安全 agent，注意不要和 AI agent 混起来——那些端点软件，是净数据创造者。我们每天造出大约 7 万亿个事件。如果你在不断创造新的数据流，那会给你优势，因为任何 AI 系统的血液是什么？是你喂给它的数据。
所以对我们来说，我们总是在问：我们的护城河是什么？我们怎么看这件事？我们怎么确保自己——当年我们颠覆了在位者，颠覆了赛门铁克，颠覆了 McAfee，那些玩家大部分都不见了，或者变了、被买了。你永远不想处在被别人颠覆的位置。所以我们总在想：我们怎么颠覆自己？我们怎么用不一样的方式做事？怎么用不一样的方式思考？
但归根到底，我的主要焦点——我总对团队讲这句话——如果我们照顾好客户，其余的事会自己照顾好自己。客户想要的是被保护，是对供应商和伙伴有信任。而归根到底，他们要的是非常划算：没有人想花不该花的钱。所以给他们最好的结果、最好的成本、还有一个不用在七个控制台和六把椅子之间跑来跑去的体验，让一切变简单。这一点是我们的客户总跟我说的第一件事：你们的东西部署起来太容易了，装上就能用。今天早上还有个会，两家公司合并，他们要选我们；另一家没有我们，结论就是「你们的东西装起来太省事」。我认为这是一大点：时间到价值。
主持：现在很多人都在谈 AI 带来失业，虽然实际上还没有发生；到目前为止，我认为相反的情况发生了，是净创造就业。同样，很多人问孩子该学什么、未来工作会怎样。你怎么看？你会建议人们往哪儿走？这甚至是一个长期问题吗？
乔治：总体来说，从 AI 的角度看，如果你看过去几百年发生的技术变化，每一次大迁移都创造了更多机会、更多工作。工作不一样了，但数量更多。我坚信这次也会是这样。
你看，不管是编程还是别的，你仍然需要人来管这些 agent，仍然需要人来思考这些架构。这不是点完就走、放着不管。我知道很多人喜欢那么说，但你仍然需要人的创造性。
具体到网络安全，这是我一直跟年轻人、跟大学生讲的一个领域：这是一个很好的领域。如果你懂 AI，如果你懂安全，这是一个永远在变的领域。而且它实际上不是一个可解的问题。每个厂商都想说自己解决了这个问题，但它不是可解的。你必须把风险降下来，你必须想出最好的解法，你必须能保护客户。这里面有很多东西，但它一直在演化。五年后会有今天我们都还没想过的技术，而如果你在大学里，你就会是那些思考怎么保护它的人之一。所以我总是尽量回馈，想想大学生在做什么；也总有人来问我——家长问我，我的孩子该学什么？我认为网络安全、技术和 AI 是一个极好的领域。
主持：这是一个很好的收尾。非常感谢你，乔治。
主持：谢谢你来。
乔治：非常欢迎，非常感谢你们。
片尾：在 Twitter 上找到我们，@NoPriorsPod。如果你想看到我们的脸，订阅我们的 YouTube 频道。在 Apple Podcasts、Spotify 或者你听播客的任何地方关注这档节目，这样你每周都能听到新一期。也可以订阅邮件，或者在 no-priors.com 找到每一期的逐字稿。
References
- 1No Priors：The New Apex Predator 单集页
feeds.megaphone.fm
- 2CrowdStrike：2026 全球威胁报告新闻稿
crowdstrike.com
- 3
- 4CrowdStrike：Establishes Cyber Superintelligence Lab
crowdstrike.com
- 5CrowdStrike：2027 财年二季度业绩演示
ir.crowdstrike.com
- 6CrowdStrike：George Kurtz 官方简介
crowdstrike.com
- 7Wikipedia：George Kurtz
en.wikipedia.org
Comments