Rethinking Legacy Data Infrastructure with Eon Co-Founders Ofir Ehrlich and Gonen Stein

Google 花 1000 万美元买下破产的 Spirit Airlines 数据，只为训练 AI 模型——数据正成为企业最值钱的资产，连破产清算都在抢。

模型会换，数据才是企业最后的护城河

Ofir Ehrlich 与 Gonen Stein 是 Eon 的联合创始人。两人此前创办 CloudEndure，后将其出售给 AWS；CloudEndure 的能力后来成为 AWS Application Migration Service。他们做过企业级上云迁移，见过数千、数万乃至数十万台服务器如何从旧环境搬进 AWS、Azure 和 GCP。现在，他们把同一双眼睛投向 AI：企业最难迁移的不是模型，而是那些散落在备份、业务系统和旧服务器里的历史数据，以及围绕它们建立的权限、责任和恢复能力。

这期回答了 7 个问题：

1. Google 为什么愿意花 1000 万美元购买一家破产航空公司的数据，而不是飞机？
2. 当模型和算力都越来越可替换，什么会成为企业真正的 AI 护城河？
3. 企业明明已经拥有大量数据，为什么 AI 团队却依然找不到可用数据？
4. 传统 ETL、数据仓库和仪表盘，为什么不足以支撑 Agent 时代？
5. 为什么 AI 落地正在从采购软件，变成让工程师直接进入企业改造流程？
6. 人人都能搭 Agent 后，企业如何追踪那些不在公司网络内的“非人类员工”？
7. 当 Agent 用合法权限误删数据，安全团队为什么也必须按“已被入侵”来设计系统？

被问到 Google 为何竞购 Spirit Airlines 的数据、未来是否会出现更多破产企业数据收购时，Ehrlich 先把交易的重点掰正了：Google 花 1000 万美元买的不是飞机，而是这家破产航空公司的数据。围绕这份数据，市场上不止一个 AI 公司出价；他还说，科技公司 CEO 现在经常被问同一个问题：愿不愿意卖数据。甚至有实验室正在华尔街寻找对冲基金数据，试图借此分析公司、绘制公司之间的关系。

"The most valuable thing that you have is actually your data."（你拥有的最有价值的东西，其实就是你的数据。）

为什么一份航空公司数据能比飞机更吸引人？因为训练或改进 Agent，难处不只是拿到一堆文本，而是拿到足够接近真实世界的组织运行痕迹：客户服务、内部文档、层级关系、部门协作、日常决策。公开数据集不少，真正像现实企业一样杂乱、具体、带业务后果的数据却很少。模型可以换供应商，算力可以租，很多公司也能接入同一批开源或闭源模型；但一家企业二十年积累下来的交易、服务、运营和客户历史，不会自动复制到竞争对手手里。

这意味着，AI 竞争会从“谁采购了更强的模型”，转向“谁能独占、治理并激活专有数据”。不过，数据变贵不等于可以直接打包出售或拿去训练。数据里可能有 PII，也就是可识别个人身份的信息，还可能混有财务记录和敏感业务内容。数据是金矿，但金矿里也埋着雷。

被问到 Eon 正在为企业 AI 应用构建什么工具时，Stein 讲的不是“再建一个数据湖”，而是先找回企业已经拥有、却碰不到的数据。Eon 要跨多个 hyperscaler，也就是 AWS、Azure、GCP 这类超大规模云平台，去映射和分类数据：企业到底有什么数据，放在哪里，哪些敏感，哪些可以使用。然后，它把结构化数据和非结构化数据从不同来源接进同一层基础设施，供企业保护、恢复、查询、搜索，并在上面运行 AI 模型和 LLM。

"Customers today already have this data. It's kept in their environment in different forms but it's locked."（今天的客户其实已经拥有这些数据。它们以不同形式存放在其环境里，但被锁住了。）

“锁住”不一定是技术上没有读取权限。更常见的情况是：某个业务负责人知道系统在跑，却不知道里面有哪些数据；某台服务器连着电源，没人敢关，因为谁也说不清它承载了什么生产任务；数据团队即使找到数据，也得协调工程师、生产稳定性、安全、合规和权限审批。数据团队的任务是把数据拿出来做 AI，业务负责人背的责任却是系统别停、敏感信息别泄露、CEO 的薪酬别被误送进训练流程。双方的激励天然不同。

这意味着，企业接下来的重点未必是继续囤新数据，而是建立一层可发现、可分类、可授权的数据访问层。它要让数据团队能用数据，也要让原本负责业务系统的人知道：哪些内容被取走、为何被取走、是否留有审计记录，而且不必为了抽数把生产系统拆开重装。

被问到过去十年建立的数据工程和 ETL 基础设施，有多少还能在 Agent 时代存活时，Ehrlich 没有说旧工具毫无用处。他提到 DBT、Monte Carlo 等工具过去都做得很好。问题在于，它们大多服务于预先定义的任务。ETL 是“抽取、转换、加载”的缩写：把一套系统的数据取出来，按既定规则加工，再送进另一个系统。它像一条为固定菜品设计的后厨流水线，效率很高，但菜单先得写好。

他举了买咖啡的例子：Gonen 下楼刷信用卡，交易写入某个数据库；之后有人把它抽取出去处理，另一个人又在别处处理另一份数据。每一步都可能正确，但各步骤之间没有完整连接，也没有人保留“这笔交易前后发生了什么”的上下文。"You could only do with the data things you really intended to do to begin with."（过去，你只能用数据去做那些一开始就预先设想好的事。）

Agent 改变了提问方式。企业不再只问“上周销售额是多少”，还可能让系统跨客服、交易、文档和历史记录寻找此前没人想过的关联。嘉宾用两个名单打比方：一个人有纽约爱吃汉堡的人，另一个人有纽约爱吃披萨的人；过去两人不协作，就没人能问出“谁两样都爱吃”。现在，数据量还在被 Agent 推高，其中既有价值，也有噪声。

这意味着，未来的数据层要保留跨地点、跨时间、跨业务的数据上下文，而不只是铺更多管道。但“更多数据”也会带来存储、访问和 token 成本。企业不能只追求 token 最大化，而要算清每一次检索、每一次模型调用，究竟换回了什么业务结果。

被问到他们经历过的云迁移，与当下 AI 基础设施变革相比有什么不同时，Stein 先回到自己的履历：CloudEndure 曾帮助大企业把数千、数万，甚至数十万台服务器迁移到 AWS、Azure 和 GCP；被 AWS 收购后，其能力进入 Application Migration Service。这类迁移从来不只是技术活。要改系统、迁数据、排依赖，还要让一群人接受新的运维方式，因此常常需要大量技术投入和人力协调。

AI 的不同，在于企业没有耐心按原节奏走。传统大型企业的改造流程可能拖一年、两年甚至更久，但 CEO、董事会和股东都在追问 AI，企业既想从中获利，也担心不采用就落后。"You come into a large legacy enterprise, they really want to adopt AI because they have to."（你走进一家大型传统企业，会发现它们真的想采用 AI，因为它们不得不这样做。）

于是，过去更像 Palantir 服务模式的 forward deployed engineers 开始普及。这个词可以直译为“前线驻场工程师”：工程师不只远程卖软件，而是带着产品进入客户现场，理解旧系统、改造流程、把工具接进真实业务。嘉宾观察到，这种模式能压缩销售和部署周期；另一头，产品驱动增长也让团队能先自行试用基础设施和 Agent 工具，再扩展到更大的组织。

这意味着，AI 公司比拼的不只是功能表，还要比交付能力：能否让多年期的企业改造变成可推进的短周期项目。但速度会反过来制造阻力。只要企业担心系统损坏、数据泄露或 IP 外流，原本催得最急的部署就可能被按下暂停键。

被问到 Agent 会怎样改变以人为中心构建的企业数据栈时，Ehrlich 给出的判断很直接：编码 Agent 已经开始编写世界上运行的大部分代码，而一个 Agent 还会调用另一个 Agent。原先企业安全模型的基本单位是人：某位员工、某台受管设备、某个公司网络、某组权限。现在，一个市场人员、财务人员或法务人员，也可能用 Lovable 这类工具做出应用，把公司数据放进去，再让自己的 Agent 调用外部 Agent。

麻烦不只是“非技术人员写了代码”。更难的是，这些新行动者可能不在企业网络内，不受既有 IT 流程约束，却仍在处理企业敏感数据。创建者甚至未必知道自己的 Agent 还连接了哪些工具、把什么信息发给了谁。原本能靠组织架构追责的链条，变成了人调用 Agent、Agent 调用 Agent、Agent 再连外部服务的网状结构。嘉宾认为，追踪这些非人类身份及其责任链，正在接近一项几乎不可能完成的任务。

这意味着，安全边界需要从“谁是员工、设备是否在网内”，转向持续记录所有人类与非人类行动者的数据行为、权限继承和调用关系。这里存在一个无法轻松化解的张力：禁止员工搭建 Agent，确实能少一些失控入口，但也等于关掉了许多业务人员自行解决问题的能力；完全放开，则会让 IT 和安全负责人连组织里到底多了哪些“数字员工”都说不清。

被问到企业应如何理解 AI 安全、CISO 也就是首席信息安全官应如何应对 Agent 风险时，Stein 讲了一个在 AWS 时遇到的案例。一家大型客户遭受勒索软件攻击，原本以为自己受灾难恢复服务保护，后来发现并非如此。原因不是完全没有备份，而是资源没有被正确映射、分类和打标签，最终有 60% 的环境暴露在攻击之下。这个教训促使他们在 Eon 里强调异常模式、熵变化检测，以及细粒度、快速恢复。

熵变化可以粗略理解为：数据突然呈现出异常的无序状态。勒索软件批量加密文件时，文件内容会显著改变；删除、污染或大规模改写数据时，也会留下不符合正常业务节奏的模式。过去，人们主要防范黑客盗用身份或员工误操作。现在，Agent 可能拿着完全合法的数据库权限工作，却在极短时间内删除一张表。身份是真的，权限也是真的，结果仍然是事故。

"We need to assume breach whether it's malicious or not and need to be able to handle it and act accordingly."（无论它是否恶意，我们都必须假设已经发生入侵，并具备相应的处理和应对能力。）

这意味着，CISO 的重心不能只放在准入前的审批：谁被授了什么权限。还必须假设合法身份同样会造成破坏，持续检测异常，保留可恢复副本，并能把恢复精确到受影响的对象。针对人类攻击者的检测和恢复方法仍可沿用，但 Agent 把事故速度推到极端加速：人类可能花几小时犯错，自动化系统可能在几分钟内把错误扩散完。

“模型和算力会趋同，企业数据才是最后的护城河”和“Agent 有合法权限也要按入侵处理，恢复能力比准入更关键”，表面上一个讲增长，一个讲安全，实际上指向同一件事：企业历史数据正在从备份成本、孤岛资产，变成核心生产资料。

这也解释了为什么 Google 会为 Spirit Airlines 的数据出价，为什么企业 AI 团队却常常发现数据“就在公司里但拿不到”，以及为什么单用途 ETL 不够用了。企业想激活数据，必须知道数据在哪里、意味着什么、能给谁用、与哪些业务记录相连。否则，模型接上的只是碎片；Agent 自动化的只是混乱。

但激活不是把所有数据倒进模型。第 2 条说的是先映射、分类、授权，解决“数据被锁住”；第 5 条说的是 Agent 让行动者数量暴涨，解决“到底是谁在碰数据”；第 6 条则要求系统承认一个不舒服的事实：即便权限合法，事故也会发生。因此，数据基础设施不再只是存储和搬运，而要同时承担理解上下文、控制访问、记录行为和快速恢复的职责。

放到读者自己的处境里，最该问的不是“公司有没有上最新模型”，而是更具体的几件事：关键数据到底散在哪些系统里？哪些数据可用于 AI，哪些绝不能离开原环境？谁能调用它，调用后的链条能否追到？如果一个 Agent 在合法权限下删错了东西，团队多久能发现，又能恢复到多细？这些问题答不清，数据再多也只是堆在货架上的库存；答清了，数据才可能真正变成企业能使用、也能守住的资产。