Eon 联创 Ofir & Gonen：模型和算力都会过时，数据才是护城河

▍嘉宾：Ofir Ehrlich & Gonen Stein

Ofir Ehrlich（CEO）与 Gonen Stein（CTO）是数据基础设施公司 Eon 的联合创始人，是一对连续创业搭档。

• CloudEndure 时代：两人联合创立云迁移公司 CloudEndure，产品被 Azure、GCP 以 OEM 方式集成进控制台，支持过单次数十万台服务器级别的企业上云；2019 年被 AWS 收购后，继续以应用迁移服务支撑超大规模企业迁徙。
• 再出发 Eon：在 AWS 期间亲历大型客户勒索软件事故（60% 环境因未正确分类资源而沦陷），由此创立 Eon，从云备份与灾难恢复切入，逐步演化为面向 AI 时代的数据底座公司。

▍关于 Eon

Eon 是一家为 AI 时代打造数据基础设施的公司，总部位于纽约与特拉维夫。

• 核心产品：运行在云上的数据底座（Data Foundation）——跨多云环境发现、分类、映射企业数据，持续汇入并高效存储，叠加语义层与权限管控，让企业把自己的 AI 模型直接跑在全量历史数据之上。
• 切入口与演化：以备份容灾这一“刚需但无聊”的场景进入企业，顺势握有客户全时间维度的数据历史，再把这份存量激活为 AI 训练与应用资产；客户覆盖酒店、餐饮、科技等各类大型企业。

开场：为 AI 时代而生的数据公司

Sarah： 今天我们请到的是 Eon 的两位联合创始人——奥菲尔·埃尔利希（Ofir Ehrlich）和戈嫩·斯坦（Gonen Stein）。Eon 是一家以云备份与灾难恢复为核心的服务商，为 AI 时代而生。今天我们聊数据、聊 AI、聊 Google 为什么从破产的 Spirit 航空手里买数据，以及在 AI 时代到底什么叫“管好、用好数据基础设施”。Ofir、Gonen，非常感谢两位做客 No Priors，很高兴见到你们。

Ofir： 谢谢邀请，我们也很高兴。

Eon 在做什么：云上数据底座

Sarah： 还是请你们先快速介绍一下 Eon 是做什么的——这会给我们后面聊 AI、数据、模型、微调模型打好背景。我觉得不同类型的数据集之上叠着一整摞东西，不如就从你们做的事讲起，再看整个企业数据栈正在怎么变。

Gonen： 好。从最高层讲，我们构建了一套运行在云上的新型数据底座（Data Foundation），围绕它提供几项能力：

第一，帮助客户跨整个环境、跨多个超大规模云厂商（Hyperscaler），把自己的数据摸清楚、分好类——你有什么数据、在哪里、哪些敏感哪些不敏感，一目了然。第二，把这些来自各个源头的结构化、非结构化数据，轻松汇入这个数据底座。第三，这个底座既能以非常低的成本保存数据、支撑保护与恢复，又能“读懂”数据：客户可以非常方便地访问、查询、检索，并把自己的 AI 模型和 LLM 直接跑在这些汇聚而来的数据之上。

数据即护城河

Sarah： 嗯。我的理解是，你们的起点其实是备份、容灾和数据保护；但在这个过程中你们意识到：从备份的视角看，你手里握着客户“有史以来全部的历史数据”——这东西可以拿来做很多有意思的应用。你们现在看到客户把这些全量历史数据用在哪些方向上了？

Ofir： 就像你说的，创业那会儿我还自嘲是个“在 AI 世界里创办非 AI 公司的疯子”。结果 AI 的顺风猛烈到难以置信，直接把“数据”推成了组织手里最重要的东西。

你想啊：模型、算力，这些都是相对“易逝”的东西，切换成本几乎为零——它们当然是基础设施的重要部分，但对一家公司来说，不管你是连锁酒店、连锁餐饮还是科技公司，你最有价值的资产其实是你的数据。越来越多公司正在醒悟过来。就在两天前，Google 从破产的 Spirit 航空那里买了样东西——不是飞机，是数据。他们花 1000 万美元买下数据，因为在那套逻辑里，数据才是用来训练模型的关键。

Sarah： 我听说的八卦版本是：那份数据资产的另一个竞购方是 Mercor——就在破产拍卖的流程里，好几家 AI 世界的公司在抢一家破产航空公司的企业数据，这事本身就够写一篇文章了。你觉得这会成为常态吗？未来我们会不断看到这种“破产数据收购”吗？

Ofir： 我们已经在好几个用例里看到了，这正是这件事有意思的地方。你也看到了，Mercor 和其他公司一直在市场上找数据买。我可以作证：今天你要是一家有点数据的公司 CEO，你会不断被人问“你的数据卖吗？”——我自己到处都遇到。我听说一些实验室甚至跑到华尔街，想买对冲基金的数据，研究怎么给公司画像、做分析。

这些公司多年积攒下来的数据，过去是什么形态？是磁带，是架子上落灰的库存。突然之间，它们变成了金矿。企业开始意识到两件事：第一，今天把我和别人区分开来的，就是我的数据；第二，这些数据真的可以变现，可以反过来给公司创造更多价值、支撑业务继续长大——尤其是在 AI 把竞技场重新拉平的当下：大公司小公司用同一套工具，你唯一真正的优势，除了人，就是你经年累月攒下的数据。对，数据变成了护城河。

用真实数据训练智能体

Sarah： “数据是新时代的石油”这句话大家说了很多年，我过去一直是有点怀疑的。但现在情况变了：因为有了后训练（Post-training）和强化学习，也因为有了 Applied Computing 这类公司开始提供“针对特定数据集微调开源模型”的服务——大家都在为自己的用例优化模型。

就拿 Spirit 航空这份数据来说，你觉得 Google 到底会拿它做什么？训练 airline 客服智能体？还是利用里面的内部文档做别的？我很好奇，从强化学习的角度，一份“真实企业数据”的用法到底是什么？

Ofir： 你今天想做智能体，不能只在实验室里造，必须用真实的训练数据去喂。而好的数据集太难找了——你看 Harvey 前几天刚发布了一个法律数据集，就已经是新闻了。市面上大部分数据要么长得像合成数据、要么根本不是“真实世界”的样子。

Spirit 航空这份数据的价值是双层的：它既是一家航空公司，更是一家大型企业的完整切片——成千上万员工、管理层级、中层、高层和一线如何协作，全在里面。你去看看公开渠道能拿到的“公司数据”有多少？几乎没有。我跟很多公司聊过“你们训练用什么数据”，发现有人居然拿某些公开年报当“真实企业数据”用——可年报根本反映不了一家公司实际是怎么运转的。

这就是问题所在：能找到的、帮你理解真实世界的数据太少了。你去看现在被造出来的智能体和应用，大多数是不好用的——你必须走到真实世界里、跟真实企业交互，才能做出真正有意义的东西。而有了真实数据，你的产品第一天发布时就不必再依赖“先在客户那里摸爬滚打”才能用。

所以我认为这类交易会越来越多：一边是用创新的方式造合成数据，一边是盘活存量真实数据——当然，真实数据往往带着敏感信息，PII、财务信息等等，处理得当才能真正在上面建东西。至于 Google，他们在旅行赛道上布局已久，这份数据能让他们更好地理解、训练、进一步变现，这是他们很独特的一步棋，当然大家都想抓住类似的机会。与此同时，手头已有数据的企业客户，也想把自己存量的数据解锁出来。

Eon 的工具观：让锁着的数据流动起来

Sarah： 那 Eon 自己在造什么样的工具，来帮人们把数据用于 AI 应用？你们自己是怎么思考这个问题的？客户又在向你们要什么？

Ofir： 我们先把问题往回拉一层：市面上做数据处理的好公司、好工具这么多年层出不穷，为什么还需要新工具？

过去企业里的数据团队是这样的：各自找自己手头的数据，围绕具体项目做具体的事——非常战术化。用的工具也不差，Fivetran、DBT、Monte Carlo，应有尽有。但企业里还有大量数据，他们根本不知道存在——为什么不知道？因为同一家公司里有太多业务单元各自为政。

设想一下：你是某公司的数据团队负责人，在旧金山；而我和另一位业务单元负责人在纽约。突然之间，AI 来了，连老板都开始玩 ChatGPT 了——CEO、董事会、股东都明白了“AI 是真的”。于是他们来找你：“我们公司有的是数据，我们现在知道数据是新时代的石油了，以前没工具盘活它，现在有了。给我们用 AI 把它用起来，又值钱又酷，你去搞。”

你心想：小意思，硅谷每天冒出来的新工具我熟。但真正的拦路虎是：数据在哪儿？于是你来找我这个业务单元负责人，好说歹说让我给你开数据权限。可我自己都不知道我有什么数据——我手下几百号人，数据散落在过去 20 年攒下的几十套系统里，有些系统早没人搞得清了；还有那种连着生产环境的“神秘服务器”，没人知道里面装的什么，但谁也不敢拔电源，怕出事。

就算我搞清楚了里面有什么，接下来我还得拉工程师去抽数据——可能要动生产环境、可能触碰安全合规红线——抽出来再以低效的方式存给你。为什么这么难？因为我俩的激励是不对齐的：你的 KPI 是把数据拿去用，我的 KPI 是系统别挂、数据别丢，别一不小心把 CEO 的工资单混进给你的训练数据里。

Eon 的解法完全不同：我们帮你——注意是帮你，数据团队负责人——用极简的方式发现全组织的数据，理解它、分类它、映射它，在上面叠加语义层（Semantic Layer）的上下文；然后持续、自动地把相关数据从各个业务单元汇聚过来——不动生产环境，不碰安全合规红线，而且因为数据是分了类的，审计线索完整，不会误把敏感信息交给你。这一切还做得成本可控、性能可靠。汇聚到手，你才真正“能用”。

Sarah： 听起来你们解决的是三四件事：第一，帮企业把历史和实时的数据聚合起来；第二，在之上做 PII 脱敏、字段级权限管控；第三，把这些数据开放给 AI 模型和应用去用。而这件事最讽刺的地方在于——数据客户自己本来就有，只是以各种形式锁死在他们的环境里，拿不到。

Gonen： 而且存起来还贵得要命。我们做的，就是把客户已经拥有的东西，转换成这个数据底座的新格式——存储效率高得多——再配上映射、分类和访问控制，最后接进 AI 工作流。

自主智能体带来的安全威胁

Sarah： 你们怎么看待安全？最近关于实验室的新闻不少：智能体逃出沙箱、干出各种事。这背后还有没有更深的原因，谁也说不准——到底是配置问题还是能力问题，大家说法不一。但“AI 安全”显然已经成了大话题。在企业技术栈的语境里，你觉得应该做什么、不该做什么？CISA 这类机构又该怎么想这件事？

Gonen： 到现在为止，威胁都来自“人”。比如勒索软件：我们在 AWS 那会儿，有个非常大的客户中招了——他们本以为有我们的灾备服务护着就高枕无忧，结果复盘发现，他们根本没有把自己的资源正确地映射、分类、打标，所以根本没被保护到，60% 的环境被勒索软件洗了一遍。这正是我们创办 Eon 想解决的痛点之一：针对勒索软件这类“人类威胁”，检测异常的写入模式和熵变，防住它，并且让客户能颗粒度很细、很快地恢复。

而现在，同样的威胁正以“加强版”的形态来自非人类的行为者——AI 智能体。它们带着合法的权限、合法的身份，就运行在你的环境里，然后突然之间，一张表被删了。好消息是，检测和防御的方法论高度相似；坏消息是，它发生的速度是极端的。

还有一个我的亲身观察：半年前，根本没人跟我聊这个；而最近几个月，我见到的几乎每一位企业领导者，不是担心自己中招，就是已经中过招——这太疯狂了。你能感受到一种真实的恐惧：“我已经搞不清到底是什么东西在我的数据上跑了。”对外，新模型让攻击者的门槛低得多；对内，那些你亲手批准跑起来的智能体，本身就成了风险源。所以这是个非常微妙的时期：无论恶意与否，都必须“假设已被攻破”（Assume Breach），并据此设计应对。今天的处境，就是这么奇怪。

智能体如何改写企业技术栈

Sarah： 那更大的层面呢——企业技术栈和智能体的关系？现在的整套栈是围绕“人提出预先定义好的分析型问题”演化出来的：数据仓库、仪表盘、ETL 管线、BI。而智能体的行为方式不同：更动态，能对大得多的数据规模做推理，能接 SaaS 应用和历史数据，然后直接行动。在智能体世界里，数据的存储、访问和交互方式会发生什么变化？还有什么必须跟着变？仪表盘会消失吗？

Ofir： 我倒觉得仪表盘会变多——因为那将是我们人类搞清楚“这世界上到底在发生什么”的唯一窗口。

首先，编程智能体已经开始写世界上大部分的代码了——这是间接的一层；更直接的是，智能体调用智能体、智能体再调动更多智能体，你要追踪这些“非人类身份”（Non-human Identity，NHI）的踪迹，几乎是不可能的。这也解释了为什么网络安全公司正在 NHI 方向疯狂涌现——它已经升到了企业问题的第一、第二位。

其次是端点（Endpoint）。端点安全本来被认为是解决了的问题，EDR 厂商一大批。但今天，每个人的笔记本上都跑着智能体：它们连着你的 OpenClaude、你的 WhatsApp，也连着你的内网和一堆其他应用。CIO 们左右为难：一边是董事会和 CEO 在推——“马上让 AI 在组织里用起来，别拦着我”；另一边是真实的恐惧——别忘了那些非技术员工，他们用 Lovable 之类的工具给自己搭个小应用、把公司数据灌进去，根本没意识到什么安全、合规、这数据会被谁用。

他们搭的智能体还在调用别的智能体，而他们甚至没有技术背景去理解这意味着什么。

于是组织内部凭空长出了一整套“行为者”：不受组织规则约束、不一定运行在组织的边界之内，却处理着属于组织的敏感数据——可能泄露给外部，可能被错误使用，全是问题。组织里每个人都能成为 builder——做社交媒体的、做财务的、做法务的——这件事当然激动人心，但如你所见，这也是一个有趣到危险的时代。

重新想象数据基础设施

Sarah： 现有的数据基础设施，你觉得能有多少在这场变革里幸存？过去十几年大家建的 ETL、数据工程那一整套，会留下来、会变形，还是会被快速掀翻？

Ofir： 你看到一股强大的力量在逼迫一切改变，因为今天的“管道”太局限了——每个人当初都只为自己那一小撮问题建方案。

举个例子：等录完这期播客，Gonen 下楼很想喝杯咖啡，他刷卡买了一杯——于是一笔交易写进了某个数据库。今天的做法是：有人把这条数据抽出来、存到某个地方，完事；之后另一个人再把它拿出来、按另一种方式处理，完事。这些动作之间没有连接，每个人都没有“之前发生了什么”的上下文。

为什么以前没有上下文也行？因为过去你用数据做的事，就是你一开始打算做的那件事——目的单一。今天完全不同了：如果你能把全公司的数据聪明地采集、清洗、高效地存好，并且高效地激活，你就能让一个团队拿着全部数据去“撒野”——数据越多、质量越高、上下文越全，他们越能创造出过去无法想象的东西。

打个朴素的比方：组织里有个人手里有“全纽约爱汉堡的人”的名单，另一个人有“全纽约爱披萨的人”的名单——他们互相不知道对方的存在，所以永远找不到“全纽约又爱汉堡又爱披萨的人”。而一旦你能在统一底座上做后训练、用上新能力，你就能开始提出真正聪明的问题，并且得到聪明的回答。

所以你看到：企业采集的数据量正在爆炸——尤其是智能体还在源源不断地生产新数据，里面既有价值也有大量噪声。你需要既能跨位置理解数据、又能洗掉噪声、还能让新产生的数据立刻可用的工具。老工具做不到——它们中有些非常出色，Fivetran 是家了不起的公司，DBT 也是，但它们都是为过去那个目的而造的、非常垂直的工具。

再看看 Databricks——我心目中最了不起的公司之一——它的处境是：数据已经进来了，“我帮你切分、用好这些数据”，但这本质上是“事后”的；所以它也在不停自我革新，因为它看明白了：越来越多数据是智能体产生的。它的策略用一句话说就是：打不过就加入——自建智能体、自建数据库，争夺“数据如何被生产、如何被使用”的主导权。这和三五年前完全不同。

所以目标很清晰：成全这种“builder 文化”和“智能体文化”——自动帮他们看清有什么数据、自动完成数据汇入（而不是为每个新应用手工铺管道）、同时对正在被创造出来的数据保持管控。还有一层现实约束：数据越多越好，但它很分散，存储要钱，token 更要钱——“token 无脑拉满”的时代已经过去了，现在讲究的是每一个 token 都要换回价值。我的态度不是“别花几百万”——该花就花，甚至花更多——但每一分都要花出价值。这件事很贵，也很值钱，我们要做的是让它尽量不那么贵。

云时代与 AI 时代

Sarah： 嗯。另一件你们完整经历过的大迁徙，是云计算转型。创办 Eon 之前，你们做了 CloudEndure，后来被 AWS 收购；在 AWS 内部，你们以上千倍的规模亲历了从本地机房到云的那场代际大迁移。把那场基础设施变革和今天的 AI 变革放在一起，你怎么看“云时代”和“AI 时代”的异同？有什么经验是可以迁移的？

Ofir： 我觉得是同一幕戏，但开了加强版。

在把 CloudEndure 卖给 AWS 之前，我们就在 Azure、GCP 上支持过同等规模的企业迁移——产品被 OEM 进云厂商的控制台，客户一次迁移几千、几万甚至几十万台服务器，上云之后再继续现代化。收购之后，我们在 AWS 的应用迁移服务里做同样的事。但那场迁徙基本就到此为止了，而且无论是技术侧还是人的组织侧，都极其费力。

而今天，在 AI 和智能体这个疯狂世界里，同样的转型以快得多的速度发生——快到什么程度？快到客户开始“失控”，而失控正在变成阻碍而不是助力：他们踩刹车、按暂停，因为怕东西会坏、怕数据会漏、怕 IP 会跑掉。于是他们拼命寻找一种“看得懂正在发生什么”的理解力和控制力。

还有一个区别：云当年其实很抽象——“云不就是别人的电脑吗”，我跟我奶奶都解释不清。而 AI，人人都懂：每个人都经历过那个 ChatGPT 时刻——“天哪，它居然能做这个”。所以推力来自四面八方：C 级高管、CEO、董事会、股东，全在喊“把 AI 用起来，不然我们就出局了”。你能看到，企业上 AI，一半是为价值，一半是为恐惧。

AI 如何改变公司

你也因此看到一些多年未见的全新趋势。比如“前置部署工程师”（Forward Deployed Engineer）的走红：过去只有 Palantir 这类服务型公司这么干，没人搞得懂什么意思；现在人人都在学。一家大型传统企业想上 AI，知道自己的流程又长又慢，一套流程走一两年，但他们现在就要——唯一的解法，就是让一群真正懂行、带着硅谷一线公司打造的工具箱的强工程师进驻进来，改造组织。于是销售周期在缩短，新公司在高速成长。

还有产品驱动增长（PLG）的复兴：过去我一直认为 PLG 在大多数场景、尤其是开发者工具里跑不通——市场太碎，客户迁移意愿低。但现在你看 Cognition 这样的公司，先用 PLG 自下而上渗透，再切到进驻式（FD）模式攻下银行客户——我们 Eon 自己也是这么干的——用“替你做你不想做的工程”来换取客户聚焦在他们想做的事上。这套组合拳现在热得发烫。

另外一种更激进的玩法：有些公司自己上 AI 上得很慢，于是像 Long Lake 这样的机构干脆说——与其等你转型，不如我把你买下来，改造成一家 AI 公司，大家一起赢，利润率还更高。这是传统企业“上 AI”的一条全新路径。

不过，虽然我们都在谈“革命”，我认为一切才刚刚开始：大多数公司还没真正用上 AI，都还在这段旅程的起点。他们都意识到有什么正在发生，都明白数据很重要，都知道自己现有的流程太陈旧、必须改变——虽然害怕，但不得不做。观察企业消费 AI 软件的方式、老牌公司如何自我现代化、我们所有人被这股力量推着走，实在是一场迷人的演化。这一路会很颠簸，但我相信，世界最终会因此变得更好。

结语

Sarah： 太精彩了。非常感谢两位今天做客——这场关于数据与 AI 的对话信息量大、视野也宽，我非常享受。

Ofir： 谢谢，是我们的荣幸。

Gonen： 非常感谢，我也很愉快。

Sarah： 好，谢谢两位。

Gonen： 谢谢。