Palo Alto Networks推AI資安訂閱，續約能帶出多少營收？

 

Palo Alto Networks把AI模型帶進持續性攻防測試

Palo Alto Networks(PANW)於今年9月22日宣布推出Unit 42 Continuous Frontier AI Defense。這項服務整合Anthropic、OpenAI與開源模型，協助企業持續檢查網站應用程式、應用程式介面(API)及雲端基礎設施，尋找潛在漏洞與攻擊路徑。

生成式AI降低了程式碼分析與弱點搜尋的門檻，駭客也能用更快速度測試企業系統。傳統資安檢測常以特定時間點的掃描或人工滲透測試為主，系統改版、API更新及雲端設定異動，都可能在兩次檢測之間形成新的曝險。Palo Alto Networks提出的解法，是讓AI模型隨數位環境變化反覆測試，縮短漏洞出現到被發現的時間。

持續測試能力因此成為產品定位的主軸。對大型企業而言，網站、API與雲端資源每天都在變動，單次檢測很難完整涵蓋。若服務能維持足夠的偵測準確度，並減少資安團隊手動排查的工作量，客戶採用理由會更具體。

 

從發現漏洞走向程式碼修正與虛擬修補

Unit 42 Continuous Frontier AI Defense除了辨識弱點，也會提供程式碼層級的修正建議，以及虛擬修補選項。虛擬修補指的是先透過資安規則阻擋特定攻擊路徑，在應用程式完成正式修改前降低曝險。

這段產品設計很重要。企業發現漏洞後，往往還要經過確認、排序、交付工程團隊與部署更新等流程。檢測工具若只產生大量警報，容易加重資安人員負擔；修補建議若能直接銜接開發流程，產品價值便有機會延伸到弱點管理與回應階段。

不過，AI提出的程式碼修正仍需經過企業內部驗證。錯誤修補可能影響系統功能，模型也可能誤判攻擊路徑。偵測準確度與修補可用性將影響客戶能否把服務放進正式工作流程，而非停留在輔助測試。

 

年度訂閱建立商業化路徑，模型組合影響定價

Palo Alto Networks規劃透過年度訂閱向全球供應這項服務，價格依客戶選用的OpenAI、Anthropic及開源模型組合而定。這種安排讓公司可以依模型成本、能力與客戶需求設計不同方案，也讓客戶保留模型選擇彈性。

從商業模式看，年度訂閱有利於建立經常性收入。持續檢測也天然適合訂閱制，因為客戶購買的是長期監控與反覆測試能力。另一方面，第三方模型使用成本、不同模型的效能差異，以及開源模型的部署方式，都可能影響服務毛利率與定價接受度。

訂閱收入能否形成規模，仍取決於客戶導入數量、續約率與使用深度。這次公告確認了產品範圍與收費架構，尚未提供訂單、營收貢獻或毛利率數字，因此目前適合視為產品線擴張，還無法直接推導財務貢獻幅度。

 

AI資安競賽進入攻防速度與工作流程的較量

AI讓攻擊方更快探索漏洞，也讓防禦方能提高測試頻率。這場競爭有點像三國時代的攻城與守城：城牆高度固然重要，巡防速度、情報回報與補洞效率同樣決定防線能撐多久。Palo Alto Networks此次產品，涵蓋巡查、定位與修補建議三個環節。

後續可觀察幾項方向，包括企業採用情況、AI警報的誤判率、修補建議進入開發流程的比例，以及第三方模型成本對毛利率的影響。若客戶願意把服務納入常態資安預算，年度訂閱才有機會轉化為穩定收入；若產品只能作為額外測試工具，商業貢獻可能較為有限。

9月22日公告當天，PANW股價變動為-1.02%。單日價格反應只能反映當時資金與預期變化，還不足以評估產品成敗。現階段較扎實的判斷是，Palo Alto Networks已把前沿AI模型接進持續性弱點管理，產品落地程度與續約表現將決定這項服務的投資意義。