距上一篇文章发布，已经过去快一年了。那会儿聊的是在大模型实践里摸到上帝脚指头的感觉——2024年，把这个感觉变成了实打实的动作。整年都扑在大模型+安全这件事上，深度参与了几个有分量的项目：安全大模型第一次大规模用在国家级攻防演习里，几个项目的POC一路做到落地，还推动了一些场景从0到3的孵化上市。这一路也跑了大半个中国，见了上百个客户，有些新的认知和感悟，简以记之，形成此文。
一、市场认知与需求变化
和2023年相比，甲方乙方对于这件事的认知，终于从“聊概念”走进了“谈落地”，而且出现了很明显的分层。这不是简单的成熟不成熟的问题，而是市场开始用脚投票了。
1、头部大客户在安全大模型上的投入，基本是跟着整个公司对大模型的战略决策走的。业务大模型建设先行，安全大模型的落地需求里，“自主可控”排到了“效果表现”前面。这个顺序，很关键。
2、中等规模客户，在部分场景上开始尝试实践了，但心态是摸着石头过河。投资很谨慎，明白自己不可能从0到1重新搭一套，所以非常看重投入产出比。效果好不好先不说，钱得花在刀刃上。
3、广泛的合规驱动类客户，接受安全建设里有大模型能力存在，但受限于自身规模和安全预算，更倾向于SAAS化能力接入。投资预算低，对效果的期待基本是锦上添花——有总比没有强，但不会指望它解决核心问题。
除此之外，受政策和技术氛围的驱动，头部和中等客户都开始催生一些创新需求，这不是伪需求，是真正在找落地场景。
二、技术认可的变化
2023年的时候，我们在做技术认可，核心思路就是让客户看到一个能自然语言对话的产品，然后讲应用场景和效果。到了2024年，这套辅助对话式的认可方式基本就不再怎么用了。一方面客户自己在快速成长，对安全大模型的理解已经不止于“能聊天”；另一方面，厂商的解决方案也进入了深水区——开始真正去解决客户日常运营里的痛点问题，比如高质量的告警降噪、透明式的告警研判、自动化的响应处置、高级对抗检测等等。
说实话，大模型在告警降噪、威胁检出、智能处置这些方向上确实取得了一些成绩。但因为安全目标本身没有发生本质变化——比如在安全运营里，基于SIEM的大数据分析、基于XDR的场景化分析，这些手段的目标都是提高运营效率和质量——所以新技术出现后，如果效果和范式还没成为业界共识，乙方就得算投入产出比。在当前这个降本增效的大环境下，这个账算得更细了。
过去一年，我们花了很多精力去证明一件事：大模型在某些安全场景里，到底能带来多大价值？比如安全运营场景、高混淆对抗检测场景。通过不断和用户碰撞，也受益于同行的共同参与，逐步沉淀出了一些可以体现提质增效的指标，并且成功用上了。这一步，走得不容易，但走对了。
三、未来发展与建议
总的说来，大模型技术还在快速迭代。从基础模型的选择，到安全垂直模型的打造，再到场景化安全智能体的开发与应用，每一个环节都在变化。展望一下未来，几个方向的判断值得关注：
产品形态层面
- 安全Agent + RAG会成为主要落地方式。这不是假设，是已经开始验证的路径。
- 多安全Agent会走向统一管理，并适配不同底层算力。多样性是现状，但统一管理是趋势。
场景层面
- 安全运营提质增效依然是场景落地的首选。但怎么处理好和客户现有建设的关系——是服务之、赋能之，还是淘汰替换之？——这才是真正的考题。
- 实时流量场景下的高级威胁检测，短期内受限于成本和价值认知，以能力引擎的形态进入市场，推广效率更高。直接以产品形态切入，时机还不成熟。
- 情报生产会逐步成为安全运营场景的需求，也是体现安全大模型产品竞争力的关键。这项能力对升级甲方安全运营效果有“杠杆效应”，可以参考安全卡尺模型。
- 数据识别与风险发现，会成为数据安全领域大模型投入的关键价值点。这个方向，值得持续投入。
- 一些相对独立的赛道，会带来更直接的安全效果表现——钓鱼邮件检测就是典型代表。
乙方投入上
- 逐步沉淀自身的安全大模型底座层，并持续迭代。这是长期竞争力的根基。
- 组织架构上，需要有决心做出战略变革。历史包袱该丢就丢，轻盈敏捷才能反赌。
- 注重大模型人才的培养，产研和市场都不能落后。技术再好，没人能推也白搭。
- 投入收益需要有预期，尊重客户投资规律。不切实际的预期，会毁掉真正的机会。
- 单项能力的突出效果难以驱动用户买单。技术再牛，如果做不成好用的产品，用户就是不买账。
甲方选择上
- 0到1打造（基于基模开展预训练、微调到推理应用），需要谨慎决策。建议采用部分商业订阅+部分共创的形式，降低风险。
- 认真、实际地审视当前建设下的效果与成本。引入安全大模型时，场景优先级要有选择，不是所有地方都需要大模型。
- 开始积累数据和培养懂大模型的人才，为后续引入大模型做客制化调优做准备。人才和数据的储备，越早越好。
斗转星移，辞旧迎新，下一个春天就要到了。安全大模型的春天何时到来？也许，它已经在路上。