逆向一个复杂恶意软件，一名顶级安全研究员要花四到六周。OpenAI 10 月 14 日发布的客户案例显示，SentinelOne 用 OpenAI Daybreak 把这件事压到了约 8 小时，而且产出达到人类水平——相当于把原本稀缺的专家产能，变成了可以反复使用的基础设施。
4–6 周塌成 8 小时
逆向工程是细活：研究者逐层拆解软件、弄清楚它在做什么，而且每当发现新信息，往往要回头重梳一遍路径。SentinelOne 首席 AI 官 Gregor Stewart 的说法是，过去顶尖研究员要四到六周才能干完的活，现在 Daybreak 大约 8 小时就能给出人类水平的成果。提速约 60 到 100 倍。对安全团队来说，这意味着过去因为人手只能挑最危险的样本深挖，现在有余力翻更多样本。
省下的不是时间，是视角
更快的分析带来的连锁收益在「比对」这件事上。样本翻得多了，研究者才有机会把不同恶意软件摆在一起看，发现共用组件、认出背后可能是同一波攻击者，也能更快辨认已知家族的新变种。Stewart 把这形容为一种「过去根本负担不起的情报能力」。更快不只是省工时，更是把专家的视野从「盯一个」扩成「看一片」。
责任边界划在哪
这篇案例里值得所有想引入 AI 的人抄走的一句，是 Stewart 对自动化边界的划分：「只有问责不能自动化。」像「要不要改架构」这种决策，仍然要人把关；而点状修复、不会从根本上改变软件运行方式的工作，更适合交给自动化。Daybreak 本身分两档：Blue 面向防御，含恶意软件分析与漏洞研究；Red 支持受控环境下的进阶测试。访问不是开放的，OpenAI 要审核申请并对更强的能力设额外要求。把这件事放回更大的背景看，当 CERT-In 这类机构已经开始把智能体本身列为攻击者（见 2023），防守方用智能体反制就不再只是设想。
把这件事放回安全运营的大图里看，它踩中的是「自主式 SOC（安全运营中心）」那股趋势：当告警量远超人力，agent 负责初筛与关联、人负责定性与处置，正在成为主流分工。SentinelOne 这一例的价值，是给出了一条可量化的杠杆曲线——不是「AI 能不能做」，而是「原本四周的活变成八小时之后，团队能多看多少样本、少漏多少关联」。对评估这类项目的人，这条曲线比任何能力演示都更值得盯。
需要说明，4–6 周与 8 小时都是厂商口径，建议把它当作方向性参考，在自己的数据上复现后再下结论。但「专家产能变基础设施」这个杠杆，远不止安全一件事通用。