重新思考传统数据基础设施：Eon 联合创始人 Ofir Ehrlich 与 Gonen Stein

摘要

• 本期最值得交易的框架是：模型和算力是商品，沉淀的企业数据才是护城河。 Gonen Stein的表述是，模型和算力“相对短暂，几乎没有切换成本”，而“你真正拥有的最有价值的东西其实是数据”。案例已经出现：Google刚以1000万美元买下破产Spirit Airlines的数据——“他们买的不是飞机，而是数据”（They didn’t buy airplanes. They bought the data.）；Elad Gil还指出，传闻中的竞标对手是Mercor，意味着多家AI公司正在竞购一家破产航空公司的数据集。
• 因为优质真实世界训练数据稀缺，针对“死数据”的结构性竞价正在形成。 Stein说，科技公司CEO“不断被问：你们愿不愿意出售数据？”，各大实验室正“通过华尔街”购买对冲基金数据；由于缺乏替代品，人们至今仍把公开的Enron数据当作真实公司的数据。那些曾经“放在架子上积灰”的数据正在重估，预计会有更多破产资产数据被买走。
• Eon的套利空间在于：客户已经拥有这座金矿，但数据被锁在孤岛里、四处分散，访问成本高昂。 Eon的方案是一层云端“数据基础”，跨各大云服务商映射、分类数据，持续摄取数据而不影响生产和合规，控制PII及其他敏感数据的访问，并将其开放给AI工作流——解决数据团队被要求推进AI、业务部门却守着20年系统不愿放手之间的激励错位：那些“所有人都不敢关掉”的系统仍在运行。
• AI agent正把勒索软件威胁升级为“强化版”——它们拥有合法访问权限，却以极端速度行动。 Stein回忆，一位AWS时代的客户因资源没有被映射、分类和打标签，60%的环境暴露在勒索软件风险下；如今相同的威胁来自“拥有合法访问权和合法权限的非人类行为者”，结果可能是“一张表突然被删掉”。Stein说，6个月前还没人愿意讨论这个问题，如今他遇到的每位领导者要么害怕，要么已经亲历过。Ehrlich补充：“无论是恶意还是非恶意，我们都必须假设系统已经被攻破。”
• 非人类身份安全正在爆发成一个新类别，仪表盘不会消失，反而会越来越多。 Stein的反共识判断是，agent唤起agent后，责任链“几乎不可能”追踪，这解释了为何NHI安全创业公司层出不穷、终端安全卷土重来，以及企业需要更多仪表盘——“这是弄清楚它们到底在做什么的唯一办法”。借助Lovable等工具，非技术人员也能创建“一整套不受组织规则约束、却在处理敏感数据的组织内行为者”。
• AI转型是在更快、更猛烈地重演云迁移，而且恐惧已经从推动力变成了阻力。 亲历CloudEndure/AWS迁移时代的Ofir Ehrlich说，AI“就像当年的云迁移，但更猛烈”；客户正在“失去控制，以至于这变成了阻力而非推动力”，因为担心数据泄露和IP外流而暂停部署。与此同时，GTM打法也在重写：前置部署工程师从Palantir时代的异类变成所有公司的标配，PLG突然在开发者工具中奏效（Cognition就是案例），Long Lake甚至提出直接买下增长缓慢的公司、把它们改造成AI公司——“赚取套利”。
• 带保留的结论是：一切才刚开始——大多数公司仍未使用AI。 传统数据管线（Fivetran、dbt、Monte Carlo）是围绕单一用途的问题搭建的；随着token成本上升，“我们已经不在极限堆token的时代”，而Databricks正在“不断重塑自己”——“打不过就加入他们”。接下来的建设潮，才是这期节目的核心判断。

精读

1. 数据才是护城河——破产法庭成了新数据市场

• Stein开场时先自嘲：“我这个疯子，居然在AI世界里创办一家非AI公司。”但行业顺风很快把数据推成了最重要的资产。模型和算力“几乎没有切换成本”；无论是酒店集团还是科技公司，“你真正拥有的最有价值的东西其实是数据”。2天前刚发生的案例是：Google以1000万美元买下破产Spirit Airlines的数据——“他们买的不是飞机，而是数据”（They didn’t buy airplanes. They bought the data.）。
• Gil补充说，传闻中的另一家竞标者是Mercor：多家AI公司正在破产程序中争夺一家航空公司的企业数据集。他问，从破产资产中买数据会不会成为一种常态；Stein说，他们已经看到了多个应用场景，预计这一趋势还会扩大，包括各大实验室“通过华尔街”购买对冲基金数据。
• 竞价背后的稀缺性在于，真实世界训练数据几乎不存在。Harvard刚发布了一个法律数据集，但人们仍在使用公开的Enron数据，把它当作“来自一家公司的真实数据”，借此理解公司如何运作。Spirit的数据既是航空业数据，也是大型企业的完整样本，包含“层级、中层管理、高层管理以及一同工作的员工”。AI“拉平了竞争场”，最终能长期构成优势的只剩下人和积累的数据。

2. Eon变现的讽刺：企业早已拥有金矿，却把它锁在数据孤岛里

• Stein介绍，Eon提供一层云端数据基础，跨各大云服务商映射和分类数据——“企业有什么、放在哪里、哪些数据敏感”；同时摄取结构化和非结构化数据，既提供成本可控的保护与恢复能力，也让数据能够被LLM查询和使用。关键在于：“客户其实已经有这些数据……只是数据被锁住了，无法访问，而且通常访问成本非常高。”
• Ehrlich讲了一个激励错位的故事：数据团队负责人受CEO和董事会驱动——“连老板都在玩ChatGPT”——但数据掌握在激励方向相反的业务部门手中，分散在20年的系统里，其中包括“那台没人知道在做什么、所有人都害怕关掉的服务器”，甚至可能把“CEO的工资”意外泄露进训练集。
• Eon的解决方案是先分类数据、搭建语义层，再持续导入相关数据，“不影响生产，不牺牲安全合规”，并通过审计、分类和访问控制，避免敏感PII和财务数据被误共享。Gil概括这套技术栈：汇总历史与当前数据，对数据做脱敏或权限管理，再把它们开放给AI模型。

3. Agent是“强化版”的内部威胁

• Stein讲到AWS时代留下的一道伤疤：他曾以为一家超大型客户受到灾备服务保护，但由于资源没有被正确映射、分类和打标签，仍有60%的环境暴露在勒索软件风险下，这也成为Eon的创始痛点之一。如今威胁换了版本：“非人类行为者基本拥有对环境的合法访问权和合法权限……然后一张表突然被删掉。”检测方法仍然适用，包括识别异常写入模式和熵变化，但事件发生的速度“极其惊人”。
• Stein说，情绪转变得非常快：“6个月前，还没有人愿意和我讨论这个问题。”如今他遇到的每位领导者，要么担心这种风险，要么已经亲身经历过。对攻击者而言，外部攻击更容易发动，而获批的内部agent又开辟了第二条战线：“我已经无法决定究竟有什么在我的数据上运行。”Ehrlich补充：“无论是恶意还是非恶意，我们都必须假设系统已经被攻破。”
• Stein还谈到构建者问题：社交媒体、金融或法务员工都可能变成构建者；非技术人员可能用Lovable搭建应用，并把公司数据放进去，而他们创建的agent还可能调用其他自己无法评估的agent——“组织内部出现了一整套不受组织规则约束的行为者，它们未必运行在组织场所内，却在处理敏感数据。”他的结论是：“组织里的每个人都能成为构建者，既是好事，也是坏事。”

4. Agentic技术栈：更多仪表盘、NHI爆发，底层管线重建

• Gil问，在agent驱动的世界里，仪表盘会不会消失；Stein的答案恰恰相反：仪表盘会更多。因为追踪非人类身份之间的链条“几乎不可能”，这也解释了为什么NHI安全公司“多得无穷无尽”，以及终端安全迎来第2幕：agent同时运行在笔记本电脑上，OpenClaw又同时连接着WhatsApp和内部网络。
• 旧工具为什么会失效，可以从咖啡交易看出来：Ehrlich描述Gonen买了一杯咖啡，交易先写入数据库；有人把它抽取出来，之后又由另一个流程在别处处理，数据上下文就此丢失。Fivetran、dbt和Monte Carlo都“不可思议地优秀”，但它们各自服务于特定用途。再看披萨的例子：1个团队掌握纽约喜欢汉堡的人，另1个团队掌握喜欢披萨的人，却不知道两份名单里其实有交集；如果数据干净且带有上下文，“你就可以开始向数据提出智能问题”。
• 数据量正在“失控式增长”，其中很大一部分是agent生成的噪声，但“噪声里也有大量价值”。在Ofir看来，Databricks是“这个星球上最不可思议的公司之一”，一直在“不断重塑自己”：“打不过就加入他们——那我们就自己造agent。”成本纪律也重新回归：如今“已经不在极限堆token的时代”，该花数百万就花数百万，但必须提取每个token对应的价值。

5. 云迁移重演：更快、更吓人，也在重写GTM

• Ehrlich基于CloudEndure的经历作了比较：CloudEndure后来被AWS收购，曾支持大规模迁移，也包括通过Azure和GCP的OEM集成完成的迁移；在他看来，AI“就像当年的云迁移，但更猛烈”。这轮转型发生得更快，客户正在“失去控制，以至于这变成了阻力而非推动力”，因为担心数据泄露和IP外流而暂停部署。
• Stein认为，这次的采用压力比云迁移更强：云不过是“别人的电脑”，很难向他的祖母解释；但ChatGPT问世后，人人都能理解AI。因此，C-level高管、CEO、董事会和股东同时从价值与恐惧出发施压，“否则我们就会被淘汰”。
• Ehrlich也承认自己改变了看法：他过去认为PLG不适用于开发者工具，如今PLG“非常火”。Cognition最早采用PLG打法——“Eon也在用这套方法”——随后又增加了前往银行现场工作的FDE。前置部署工程师从Palantir时代一种“没人真正理解”的做法，变成所有公司的标配，销售周期因此缩短。Long Lake更进一步：买下增长缓慢的公司，把它改造成AI公司——“吃下套利空间，做出更高毛利率”。
• Stein最后给出一个带保留的判断：“我们才刚刚开始——大多数公司仍未使用AI。”AI采用过程很吓人，“但你必须做”。Ehrlich认为，最终每家公司都会经历这轮转型，而且“在我看来”，世界会因此变得更好。