33
0原文链接：mp.weixin.qq.com
选自公众号：安全牛
📌 核心观点汇总
🔹 从"参数崇拜"到"工程理性" ——网安厂商不再执着于自训超大模型，而是回归工程化交付能力
🔹 大模型微调边际收益递减——投入十倍成本，可能只换来 1~2% 的精度提升，性价比已经不划算
🔹 真正的护城河是三重壁垒——语料深度 × 数据广度 × 工具链敏捷度，比参数规模更难复制
🔹 小模型不是将就，是刚需——实时检测场景要求毫秒级响应，0.1B~0.85B 小模型才是正确答案
🔹 分层架构成为行业共识——小模型管检测、中模型管研判、大模型管交互，各司其职
🔄 行业范式转变：从模型竞赛到工程化竞赛
🏢 主要厂商策略一览
🧱 三重壁垒拆解
📚 壁垒一：语料——"暗知识"
不是安全知识点，而是安全的判断逻辑
深信服 15 年运营积累
经过多模态标注、时序分析、上下文关联
教会模型：为什么一次普通登录在特定上下文下是异常的？
开源模型学不到的实战智慧
📦 壁垒二：数据底座——"量的碾压"
360 百PB级安全数据，十年攻防实战沉淀
海量安全事件、流量记录、终端行为数据
初创公司有钱也买不到
开源社区根本无法复制
🔧 壁垒三：工具链 MCP 化——"最后一公里"
把 AI 从实验室炫技变成流水线标准件
模型推理、威胁检测、告警研判封装成标准接口
降低集成门槛，提升交付效率
客户无需逐家适配
