一、智能体落地推动安全需求从内容审核走向流程控制
AI安全正逐步成为企业智能化转型过程中难以回避的刚性投入，应用防护也为网络安全行业打开了全新的增量市场。
早期大模型主要承担问答、检索与文本生成任务，模型厂商通过安全训练、接口限制与内容过滤即可覆盖相当一部分通用风险。但随着智能体接入数据库、业务账号和执行工具，错误判断的影响范围扩展至企业生产系统与数据资产。
企业因此需要独立设置数据访问边界、操作权限与审批流程。安全需求将沿着办公辅助、业务协同、核心生产逐级深化，防护范围由内容合规、敏感信息保护扩展至跨系统身份认证、运行隔离、异常中止和恢复机制，单客户采购价值有望随之提升。
AI为网安行业带来两条增长路径：
- 大模型安全网关、权限治理、数据防泄露等产品直接创造收入增量；
- AI赋能告警研判、漏洞分析和辅助响应，降低人工分析成本、缩短处置时间。
行业商业化将首先体现为独立AI安全产品的销售，随后通过平台扩容、续费及持续运营服务扩大客户价值。
二、产业链分层协作，部署入口决定第三方厂商竞争地位
AI安全产业链呈现分层协作格局，企业部署入口在很大程度上决定第三方安全厂商的市场竞争地位。
模型厂商掌握权重、训练过程和部署策略，主导安全训练、模型对齐及危险能力评估；第三方厂商聚焦企业侧应用与基础设施防护，将通用安全能力与客户的数据边界、权限结构和业务流程结合；专业评估机构则参与独立验证。
企业同时使用外部模型接口、内部部署模型及不同部门开发的智能体，容易形成策略不一致、日志分散和责任边界不清的问题，这进一步提高了跨模型统一安全管理的价值。第三方厂商通过联动身份认证、数据治理和安全运营系统，形成覆盖访问、执行与审计的产品体系。
海外头部模型企业联合安全厂商开展防御项目，验证了模型能力与安全交付体系结合的产业路径：发现漏洞后，仍需完成资产定位、修复协调、补丁验证和持续跟踪。
传统网安厂商的核心壁垒来自长期部署形成的数据连接、客户授予的处置权限及行业交付经验，能够结合业务上下文识别风险，并将处置嵌入生产流程。
三、商业化已落地，盈利兑现取决于收入结构与交付效率
国内AI安全商业化已经落地，行业盈利兑现要看收入结构和交付效率。
国内厂商已披露AI安全相关收入增长，新增防护需求正转化为实际收入贡献。但各家公司统计范围存在差异，需要区分独立AI产品收入与AI赋能传统产品收入，并结合合同扩容、续费及交付成本评价实际增量。
商业化预计将经历三个阶段：
- 单点防护阶段：初期围绕具体应用采购安全网关；
- 统一治理阶段：随模型和智能体数量增加，扩展统一身份、策略与审计能力；
- 持续运营阶段：最终形成持续监测、攻击测试和安全运营服务。
标准化程度越高，厂商越容易降低重复交付成本、提升单客户价值。行业产品重心将由单纯检测向独立执行控制延伸。模型防护难以完全消除提示注入风险，应结合最小权限、高风险操作审批及下游系统授权校验，限制检测失效后的影响范围。
叠加国内外监管对安全评估、风险记录及事件报告的要求，能够将权限、审计和持续监测沉淀为标准产品的厂商，有望随客户AI应用扩张实现持续增长。
四、投资建议与风险提示
围绕产品落地、客户拓展、盈利修复筛选标的，相关公司包括：
- 深信服
- 绿盟科技
- 亚信安全
- 中新赛克
- 启明星辰
- 奇安信
- 安恒信息
- 天融信
风险提示方面，需关注以下不确定性：
- 企业AI部署与安全采购不及预期；
- 传统网络安全需求持续承压；
- 竞争加剧导致产品价格及毛利率下降；
- 产品防护效果和可靠性不及预期；
- 盈利修复及现金流改善不及预期；
- 估值波动风险。