AREX Viewpoint Article
数据才是真正的护城河：Eon创始人谈AI时代的数据基建
导读
2026年8月，谷歌在Spirit Airlines的破产拍卖中胜出，以1000万美元买下其内部业务数据、软件代码和运营记录；但交易并未顺利落地，前空乘人员随即提出反对，美国破产法院把批准听证推迟至9月9日。据彭博法律、华尔街日报和路透社报道，这场争议把一个问题推到台前：企业数据为什么值得AI公司竞相出价，又为什么会在出售时引发治理风险？
表面上看，谷歌买的是数据而不是飞机。多家AI公司参与竞标的事实表明，真实企业的运营数据已经成为稀缺交易标的。No Priors播客中，Eon联合创始人Ofir Ehrlich进一步解释：模型和算力切换成本几乎为零，企业多年积累的数据才是无法复制的护城河；Spirit数据的价值在于它既是一家航空公司的运营记录，也是一家大型企业层级、协作和决策方式的样本，而公开数据集几乎没有这类内容。
但视频没有停留在数据值钱这一层。Eon两位创始人观察到，客户其实已经拥有大量数据，却分散在遗留系统和多个云平台中，业务负责人因安全、合规和生产稳定性不愿共享；传统数据工具又只面向单一目的，无法提供AI所需的上下文关联。这解释了为什么谷歌需要向外购买：企业数据的真实价值被内部锁定和治理成本压抑了。视频由此把新闻事件从“数据交易”推进到“数据基础设施失败”的判断。
更紧迫的是安全维度的变化。Gonen Stein回忆，几个月内几乎每位企业领导者都表达了对AI代理的恐惧；Ofir Ehrlich指出，威胁正从人类入侵转向拥有合法权限的AI代理，以及由代理链带来的非人类身份爆炸。这意味着数据越成为护城河，就越需要从“防入侵”转向“假设已被入侵并确保可恢复”。这为读者提供了评估数据基础设施的另一项标准：能否在安全失控时恢复，而不只是访问效率。
回到谷歌与Spirit的交易，它之所以现在重要，是因为它把数据稀缺、内部锁定和代理安全压缩在同一条时间线上。视频给出的增量是：企业数据能否成为AI时代的护城河，不取决于是否拥有数据，而取决于能否在不破坏生产环境的前提下通过映射、分类和访问控制激活数据，并在失控时恢复。这正是读者理解交易后续进展和Eon定位的核心框架。
核心结论
- 数据正在取代模型和算力，成为AI时代企业真正的护城河：模型和算力切换成本几乎为零，而企业多年积累的真实数据无法复制。Google收购Spirit Airlines数据而非飞机，证明真实企业数据集已成为AI实验室愿意付费的稀缺资产。
- 企业数据虽多但被锁死，治理能力决定AI应用成败：数据分散在遗留系统和多个云平台中，业务负责人因安全合规顾虑不愿共享。Eon的映射、分类和访问控制方案说明，数据基础设施必须重构才能支撑AI工作流。
- AI代理将安全威胁从外部入侵转变为内部合法权限的滥用：拥有合法权限的AI代理可能意外或恶意地破坏数据，企业领导者普遍感到失控。安全策略必须从预防入侵转向假设已被入侵并确保可恢复。
- 非人类身份和代理链的激增正在瓦解传统IT治理边界：代理运行在个人设备上、调用其他代理、由非技术人员用低代码工具构建，绕过了组织的安全与合规规则。CIO和IT负责人面临前所未有的治理失控风险。
- AI采用速度远超云时代，企业通过前向部署和并购加速转型：传统企业内部流程太慢，前向部署工程师和收购公司成为AI转型的主流手段。产品驱动增长在AI基础设施领域异常火热，销售周期被大幅压缩。
观点拆解
1. 数据正在取代模型和算力，成为AI时代企业真正的护城河
-
模型和算力几乎可以零成本切换，企业数据才是不可复制的核心资产：Ofir Ehrlich 指出，模型和算力虽然重要，但本质上是相对短暂、切换成本几乎为零的基础设施；而无论企业属于哪个行业，其多年积累的数据才是最稀缺、最有价值的资产。这一判断把数据从“IT 副产品”提升为企业竞争力的根基。
“模型、算力，所有这些东西都相对短暂，切换成本几乎为零。但如果你是一家公司，无论你是酒店连锁、餐饮连锁还是科技公司，都不重要。你拥有的最有价值的东西，实际上就是你的数据。”
-
Google 收购破产的 Spirit Airlines 数据而非飞机，证明真实企业数据集正在成为交易标的：Ofir Ehrlich 以 Google 花费 1000 万美元购买破产的 Spirit Airlines 数据为例，说明 AI 实验室愿意为真实企业数据付费，而不是购买飞机等实体资产。Elad Gil 补充指出，参与竞标的还有 Mercury 等多家 AI 公司，进一步印证了企业数据集的稀缺性和市场价值。
“就在两天前，你看到 Google 从破产的 Spirit Airlines 那里买了些东西。他们没有买飞机，他们买的是数据。他们花了 1000 万美元买下这些数据，因为他们认为从那个角度看，这些数据非常重要。他们正在用它来训练模型。”
“在那个数据集上的另一个竞标者是 Mercury，对吧，在破产竞标过程中。所以这很有意思。你看到 AI 领域里有多家不同的公司在竞标一个破产航空公司的企业数据集，这非常令人着迷。”
-
AI 正在拉平竞争起点，数据成为企业仅存的护城河之一：Ofir Ehrlich 认为，AI 工具让大公司和小公司几乎站在同一起跑线上，所有人都能获得同样强大的新工具。在这种情况下，企业真正的差异化优势只剩下人才和多年积累的数据。Elad Gil 直接将其总结为“数据已经成为护城河”。
“AI 正在拉平竞争环境。似乎每个人都可以起步，大公司和小公司基本上拥有同样的竞技场。而公司今天唯一真正的优势，当然是他们的人才，但也是他们积累的数据，因为每个人都能获得所有这些酷炫的新工具。是的，这已经成为一条护城河。”
2. 高质量真实世界训练数据极度稀缺，企业数据成为训练代理的关键资源
-
构建真实世界代理不能只在实验室完成，必须依赖真实企业数据训练：Ofir Ehrlich 指出，今天要构建能在真实环境中工作的 AI 代理，仅靠实验室环境远远不够，必须用真实训练数据来训练。这类高质量数据集非常稀缺，哈佛最近发布的法律数据集只是少数例外，市场上很难找到看起来像真实世界运作的数据。
“如果你今天试图构建代理，你不能只在实验室里构建它们，你需要用一些训练数据来训练它们，而找到非常好的数据集非常困难。”
“你看到哈佛几天前刚发布了一个法律数据集，但你找不到太多看起来像真实世界的好数据集。”
-
Spirit Airlines 数据的价值在于展示大型企业如何运作，而非仅仅是一家航空公司：Ofir Ehrlich 强调，Spirit Airlines 的数据之所以珍贵，是因为它同时反映了一家航空公司和一家大型企业的内部运作，包括层级结构、中层管理、高层管理与员工之间的协作方式。公开数据集中几乎没有类似能展示公司真实运作方式的数据。
“我认为 Spirit Airlines 的数据既可以作为一家航空公司来使用，也可以作为一家大型企业来使用，那里有很多人工作，有层级结构、中层管理、高层管理和员工一起协作。”
“如果你看看外面还有哪些公开数据集，你会发现这样的数据并不多。原因在于，很难找到能帮助你在真实世界中工作的数据。”
-
企业数据解锁与合成数据创新将共同推动真实世界 AI 应用落地：Ofir Ehrlich 认为，新产品在首次发布时不必先与客户交互，而是可以通过购买数据、内部训练以及创新性地生成合成数据来获得初始能力。未来会看到更多企业利用现有真实数据，同时结合合成数据，在保护敏感信息的前提下构建真实世界应用。
“大多数新应用并不真正有效。你必须走向真实世界，必须与真实世界的公司互动，才能真正构建出有意义的东西。现在你可以通过购买数据并在内部训练来实现这一点。”
“我认为你会看到越来越多这样的情况，既通过以新的创新方式创造新的合成数据，也通过获取现有数据——无论是真实数据还是经过某种方式处理的数据，其中包含敏感信息如 PII、财务信息等——并真正在其之上构建真实世界的东西。”
3. 企业数据虽然大量存在，但分散、锁定且缺乏治理，无法直接用于AI工作流
-
企业数据并非稀缺，而是被锁死在分散系统中，无法被AI直接利用：Ofir Ehrlich指出，客户其实已经拥有大量数据，但这些数据以不同形式存在于各自环境中，处于锁定、不可访问且成本高昂的状态。这意味着AI应用面临的核心障碍不是缺少数据，而是数据无法被有效发现和调用。
“客户今天已经拥有这些数据。它们以不同形式保存在各自的环境中，但被锁住了，无法访问，而且通常非常非常昂贵。”
“我有很多人为我工作。过去20年里，他们的数据分散在多个系统中。有些系统没人真正理解，里面装着生产数据，因为包含敏感信息。总有那么一台服务器，没人知道它在干什么，但大家都害怕关掉它，因为我们不知道里面有什么。”
-
业务负责人因安全、合规和生产稳定性顾虑，天然不愿共享数据：数据团队想要获取数据用于AI项目，但业务单元负责人必须优先保证系统正常运行、数据完整以及敏感信息不外泄。双方激励不一致，导致数据提取需要以牺牲安全合规和生产稳定性为代价，形成组织内部的协作障碍。
“我们意识到这种运作方式存在问题，因为我们的激励不同。你的任务是做这件事，而我的任务是确保我的系统正常运行，确保数据完好无损，确保数据不会泄露。我不能不小心把CEO的薪资放进我的数据里，然后被你们拿去训练。”
“现在我需要引入工程师，可能还要在安全、合规和生产正常运行时间上做出妥协，才能把数据提取出来交给你，而且存储方式非常低效。这非常困难。”
-
Eon的解法是在不破坏生产环境的前提下，通过映射、分类和访问控制将数据接入AI工作流：Eon的核心方案是帮助数据团队以简单的方式发现组织内的所有数据，理解其内容，进行分类和映射，构建语义层，并在保持审计和合规的前提下持续提取相关数据。这样既避免了敏感信息泄露，又让数据能够以成本高效的方式进入AI流程。
“我们可以帮助你——不是你，是我，数据团队负责人——以非常简单的方式找到组织中的所有数据，理解它是什么，对它进行分类、映射，理解上下文，在上面构建语义层，然后能够持续地从我这里获取所有相关数据，而不损害生产环境，不损害安全合规。我们实际上保留了审计记录，而且因为数据已经分类，我知道我不会不小心把你不应该拥有的敏感信息分享给你。”
“我们能够把客户已有的数据转换成这种新的数据基础格式，存储效率高得多，并提供映射、分类、访问控制，然后将其连接到AI工作流中。”
4. 传统数据工具是为单一目的设计的，无法支撑AI对全量上下文数据的需求
-
旧数据工具是“单一目的”的产物，无法提供AI所需的上下文关联：过去的数据管道只是把数据从一处搬到另一处，每个环节各自为政，数据之间缺乏上下文连接。这种设计在以前是够用的，因为数据只能用于最初预设的单一目的，但AI时代需要的是全量、有上下文的数据，旧架构因此成为瓶颈。
“今天的管道非常有限，每个人都针对自己的一组问题构建了解决方案。有人把数据提取出来放到某个地方，就到此为止；另一个人在某个时候用另一种方式处理这些数据，也就到此为止。所有这些环节之间没有连接，每个人都不一样，他们没有之前发生了什么事的上下文。”
“这在旧工具上不适用，其中一些工具非常出色。Fivetran是一家了不起的公司，DBT等等，但它们都是针对特定目的的非常专门的工具。”
-
AI时代需要能汇聚、清洗、理解并激活全组织数据的新基础设施：当数据被智能地收集、清洗、高效存储并激活时，团队可以提出以前无法想象的智能问题，释放跨部门数据的组合价值。这要求基础设施能够自动理解数据内容、自动接入数据，而不是为每个应用手工搭建管道。
“今天如果你能够智能地收集和清洗所有数据，确保以高效的方式存储，并且能够高效地激活它，你就可以让团队充分利用他们拥有的所有数据。他们拥有的数据越多、高质量数据越多、数据上的上下文越多，处理这些数据的团队就能创造奇迹，想到以前无法想象的事情。”
“目标是真正赋能这种构建者文化和智能体文化，让他们能够自动理解有什么数据，自动接入数据，而不必为每一个正在构建的应用手工搭建管道，同时还能在创建的数据之上保持控制。”
-
数据量爆炸且充满噪声，旧工具无法胜任多位置理解与清洗任务：智能体正在生成海量数据，其中既有价值也有大量噪声。企业需要能够跨多个位置理解数据、清除噪声并确保数据可用的工具，而传统单一目的的工具无法应对这种规模和复杂性。
“被摄入的数据量绝对疯狂，尤其是与早期相比。数据正在不成比例地增长，其中很多是由那些新智能体生成的。数据中有大量噪声，同时也有大量价值。所以你需要能够理解多个位置的数据、清除噪声并确保所有这些被创建的数据真正可用的工具。”
5. AI代理带来的安全威胁从外部攻击转向内部合法权限的滥用，且速度极快
-
安全威胁的主体正从人类攻击者转向拥有合法权限的AI代理：Ofir Ehrlich指出，过去的安全担忧来自人类威胁，而现在同样的威胁以更极端的方式来自非人类行动者——那些拥有合法环境访问权限和合法权限的AI代理。这意味着传统安全边界失效，因为攻击者不再需要“闯入”，而是已经“被邀请进入”。
“这类威胁正来自非人类行动者，来自那些本质上拥有合法环境访问权限、拥有对某些数据库合法权限的AI代理。”
“到目前为止，担忧来自人类威胁。而我们现在以更极端的方式看到的是，同样类型的威胁正来自非人类行动者——那些本质上拥有合法环境访问权限和合法权限的代理。”
-
企业领导者普遍感到恐惧，因为他们不再清楚什么在操作自己的数据：Gonen Stein观察到，仅仅几个月内，几乎每一位企业领导者都向他表达了对AI代理安全问题的恐惧——要么害怕这种事发生在自己身上，要么已经亲身经历过。这种恐惧的核心是失控感：领导者不再清楚什么在运行自己的数据，甚至不再理解自己批准运行的代理在做什么。
“几个月前，几乎我遇到的每一个人、每一位公司领导者都告诉我，要么他们害怕这种事发生在自己身上，要么已经亲身经历过，这太疯狂了。”
“你能看到真实的恐惧：我不再决定什么真正运行在我的数据上，我不再理解了。我需要同时为外部威胁和内部威胁做好准备——内部威胁来自那些我实际上批准在我环境中运行的代理。”
-
企业必须默认漏洞已经存在，并做好恢复准备：Ofir Ehrlich提出，面对AI代理带来的安全威胁，企业必须采取“假设已被入侵”的立场——无论代理的行为是恶意的还是意外的，都必须有能力处理并采取相应行动。这标志着安全策略从“预防入侵”向“假设入侵并确保可恢复”的根本转变。
“必须假设漏洞已经存在——无论它是恶意的还是非恶意的——并且需要有能力处理它并采取相应行动。这是今天非常奇怪的局面。”
6. 非人类身份和代理链的激增正在瓦解传统企业IT治理边界
-
代理链的级联调用让非人类身份追踪变成几乎不可能完成的任务：当编码代理开始编写企业内运行的大部分代码，并且代理之间相互激活时，组织内部的行为主体数量急剧膨胀，人类很难理解责任链的走向。这直接解释了为什么非人类身份安全会迅速成为网络安全领域的头号问题。
“编码代理已经开始编写企业内运行的大部分代码。但间接地，代理激活其他代理，其他代理再激活更多代理，试图追踪非人类身份几乎变成了不可能完成的任务。”
“组织内部有如此多的行为主体，人类很难理解责任链，这就是你看到网络安全公司激增的一部分原因。现在有多少家做非人类身份的公司？无穷无尽，这是有原因的——它已经成为头号、二号问题。”
-
代理运行在个人设备上并同时连接外部与内部网络，让CIO和IT负责人陷入治理困境：代理不再局限于企业受控的基础设施，而是运行在员工的笔记本电脑上，同时连接外部服务、个人通讯工具和内部网络。这种混合连接状态使传统的端点安全方案失效，IT决策者难以判断应该采取什么措施。
“现在你看到人们在笔记本电脑上运行代理，这些代理有时连接到其他网络，连接到OpenClaw，连接到你的WhatsApp，同时也连接到你的内部网络和其他应用程序。对于IT副总裁和CIO来说，很难理解他们应该做什么。”
-
非技术人员用低代码工具构建代理并接入公司数据，绕过了组织的安全与合规规则：在董事会和CEO要求启用AI的压力下，非技术员工也在使用低代码工具自行构建代理，将公司数据放入其中，却对安全、合规和数据使用方式毫无意识。这些代理可能调用其他代理，形成了一整套不受组织规则约束、不在组织场所内运行却处理敏感数据的行为主体。
“想想非技术人员，他们用Lovable或其他软件为自己构建一些东西，把公司数据放进去。他们甚至没有意识到安全、合规或谁将使用这些数据的问题。他们构建的代理可能在使用其他代理，而他们甚至没有技术能力去理解这意味着什么。”
“这创造了一整套组织内部的行为主体，不受组织规则约束，不一定运行在组织场所内，却在处理敏感数据。”
“组织内的每个人都能成为构建者，这是好事也是坏事。无论你是社交媒体经理、财务人员，还是在法律或财务部门工作。这很了不起，但从这个角度看，我们也生活在非常有趣的时代。”
7. AI的采用速度远超云时代，企业被迫通过前向部署工程师和并购加速转型
-
前向部署工程师从边缘模式变成大型企业AI转型的主流手段：Ofir Ehrlich指出，过去只有Palantir这类公司采用前向部署工程师模式，外界并不真正理解其含义；如今，面对AI带来的紧迫感，几乎所有企业都在采用这种方式。这标志着企业软件消费方式正在发生根本性变化，从购买工具转向引入能直接改造组织的人才。
“前向部署工程师过去看起来像是Palantir在做的事情，没有人真正理解那意味着什么，而现在每个人都在这样做。”
“唯一能让他们真正完成部署并更快成为AI公司的方式，就是让那些知道自己在做什么的强工程师，带着他们在硅谷顶级创业公司或大公司打造的工具，来改造这些组织。”
-
AI基础设施领域的产品驱动增长模式变得异常火热，销售周期被大幅压缩：Ofir Ehrlich承认自己过去认为产品驱动增长在开发者工具领域行不通，但AI基础设施的兴起改变了这一判断。企业急于构建AI代理，使得PLG模式变得极其有效，Eon自身也采用了这一路径，并观察到销售周期显著缩短、公司增长极快。
“你会看到销售周期在缩短，公司因此增长得非常快。”
“过去我主张在大多数情况下PLG行不通，尤其是对开发者工具而言，因为世界非常碎片化，人们不想那么快行动。现在它变得超级火热。”
-
企业通过收购公司来实现AI转型，形成一种激进的效率套利路径：面对内部采用AI速度过慢的现实，一些公司选择直接收购并改造目标公司，将其转变为AI公司，从而绕过自身组织流程的瓶颈。Ofir Ehrlich以Long Lake为例说明这种模式，认为这是一种通过套利获取更高利润率和效率的全新方式。
“有些非常优秀的公司，比如Long Lake，他们说：与其你自己采用AI，我知道如何更高效地做到。如果我能买下这家公司并把它改造成AI公司，我们都能赢。”
“我们可以进行套利，以更高的利润率更高效地运营，这对那些公司来说是一种真正激进的新方式，让他们真正开始使用AI并变得更高效。”
总结
AI代理时代的企业竞争，本质上是一场数据治理能力的竞争。模型和算力可以购买，但真实、可访问、有上下文的企业数据无法复制。那些能够在不破坏生产环境的前提下释放数据价值、同时应对非人类身份安全威胁的企业，将在代理时代建立起真正的护城河。这不仅是技术架构的升级，更是组织治理逻辑的根本转变。
信息源
视频来源
- Rethinking Legacy Data Infrastructure with Eon Co-Founders Ofir Ehrlich and Gonen Stein：
外部资料
- Google Aims to Boost AI With Purchase of Spirit Airlines Data：
- Spirit Flight Attendants Fight Google's Data Bid for AI：
- US court delays hearing on Google's purchase of Spirit ...：
- Why Google Bid $10 Million for a Failed Airline's Data：
- Rethinking Legacy Data Infrastructure with Eon Co-Founders ...：